跳到正文
11月17日周二
  1. Suno Blog81

    Suno 发布 Visuals 音乐可视化创作工具

    Suno 发布 Visuals 创作工具,可生成新图像及最长15 seconds的视频片段。视频片段依循歌曲结构、歌词并同步口型,支持扩展、编辑及文本重提示,亦可使用原创角色或自有图像起稿。Visuals 今日上线 web、iOS 和 Android;视觉 credits 须单独购买,并配有内容过滤、第三方检测、分享前水印及上传权利确认。

    推荐理由:Visuals把歌曲结构、歌词与口型同步纳入生成流程,并提供15 seconds片段扩展、文本重提示及原创角色起稿方式。

  2. 量子位72

    AMD完成82亿美元收购World Labs,李飞飞任执行副总裁兼首席科学家

    AMD于当地时间11月16日宣布完成对World Labs的全股票收购,作价约82亿美元,李飞飞获任执行副总裁兼首席科学家。AMD发行1497.8万股普通股,交易自9月28日签约至11月13日完成交割,历46天。此前开放的Atlas可依文本、图片或粗糙三维布局生成可编辑导出的3D场景,后续模型将参与Instinct系列芯片与ROCm软件栈协同设计。

  3. 爱范儿82

    爱范儿早报汇总 Qwen4-Max、Hy4 flash 与 Seedance 2.5 等科技动态

    爱范儿早报汇编 Qwen4-Max、Hy4 flash、Seedance 2.5 及多项消费科技与产业动态。阿里称 Qwen4-Max 具 2.4 万亿参数、原生视觉与百万 Token 上下文;腾讯 Hy4 flash 每次激活 120 亿参数,内部任务平均成本约为 Hy4 的二十分之一。

    推荐理由:早报并置模型规模、调用成本、视频生成规格与算力限制,读者可据此比较本轮 AI 更新对创作成本及工作流的影响。

11月14日周六
  1. RunPod81

    Runpod 教程:微调 F5-TTS 克隆英文声音

    Runpod 教程演示在租用 GPU 上微调 F5-TTS,以至少 30 分钟英文录音训练自有声音模型。流程涵盖录音转写、数据预处理、GPU pod 部署、训练、语音生成及模型下载;30 分钟音频在 L4 上训练 200 epochs 约需 75 分钟。该方案仅限个人使用,商业用途应改用 MIT 许可的 Chatterbox。

    推荐理由:从录音规范、数据预处理到 GPU 训练与推理,教程给出完整命令、参数和故障排查,可复用于自建声音克隆流程。

11月13日周五
  1. Suno Blog81

    Suno 发布 Suno Bridge 独立应用,支持 Ableton Live 12

    Suno 发布独立应用 Suno Bridge,将音乐模型接入 Ableton Live 12,可生成并对齐乐器与人声素材。首版以 beta 推出,仅支持 Mac,用户可设定循环区间作为提示范围,并需上传会话文件以同步音乐上下文。Suno Bridge beta 包含于所有 Premier 订阅。

    推荐理由:Suno Bridge 将音乐生成能力嵌入 Ableton Live 12,文中说明同步机制、提示范围与订阅限制,便于判断现有工作流能否采用。

11月12日周四
11月11日周三
  1. ComfyUI Blog81

    ComfyUI Partner Nodes 现可使用 Seedream 5.5

    ComfyUI 现可通过 Partner Nodes 使用 Seedream 5.5,其多模态模型支持文生图与基于参考图的编辑。模型原生支持 RGBA 透明及半透明输出,并提供多轮局部修改、可读文字与结构化版式、人物写实和光照控制。使用前须更新 ComfyUI 或登录 Comfy Cloud,Partner Nodes 按 credits 运行。

    推荐理由:ComfyUI 的集成信息给出了 Seedream 5.5 的使用入口与核心图像能力,便于评估其多轮编辑和透明输出在工作流中的适用性。

  2. ComfyUI Blog78

    ComfyUI 原生支持 MiniMax H3 Image 图像生成与编辑

    ComfyUI 现已原生支持 MiniMax H3 Image,可用同一 checkpoint 完成文生图与参考图编辑。模型开放权重,以 6 步采样,支持 4096×4096 等原生高分辨率输出,并可连接多张参考图。用户既可下载 diffusion model、VAE 与 Qwen3-VL text encoder 在自有 GPU 运行,亦可通过 Partner Nodes 调用,无需下载权重。

    推荐理由:原生工作流、开放权重与 Partner Nodes 调用方式并列呈现,并给出分辨率、采样步数和多图编辑细节,便于规划接入方案。

11月10日周二
  1. ComfyUI Blog75

    ComfyUI 十月更新新增 Branch Node、LoRA 堆叠与链接整理工具

    ComfyUI 在十月更新中上线 Branch Node、原生 LoRA 堆叠节点,并扩充模板下载、多输出打包与链接整理能力。Branch Node 可按名称选择执行路径,最多连接 32 个输入;LoRA 堆叠节点最多容纳 20 个 LoRA。文中多数功能已包含于 ComfyUI v0.44,部分现仅在 Comfy Cloud 提供,待下一轮前端更新进入本地版。

    推荐理由:按月汇总 ComfyUI 在分支执行、LoRA 加载、模板下载与专业格式处理上的细节改进,便于创作者核对功能与本地化进度。

11月5日周四
  1. Suno Blog72

    Suno 在 Create 页面支持以 MIDI 文件启动歌曲创作

    Suno 在 Create 页面新增 MIDI 输入,支持拖放或从 + 菜单上传 .mid 与 .midi 文件,以 MIDI 作为歌曲创作起点。用户可用自然语言要求模型严格遵循音符,或提取顶部动机并发展、配器,亦可将乐谱转为管弦乐或将旧 MIDI 改为弦乐四重奏。上线时采用 Simple Create 模式与 v6-wild,功能面向所有 Pro 和 Premier 订阅者开放。

    推荐理由:Suno 开放 MIDI 文件作为歌曲创作起点,用户既可要求严格照奏原谱,亦可令模型提取动机、配器并发展成新作品。

11月3日周二
  1. Replicate87

    MiniMax H3 三款视频模型择用指南

    Replicate 上的 MiniMax H3 系列含 minimax/h3-highspeed、minimax/h3-lite 与 minimax/h3 三款视频模型,分别宜于日常迭代、大批量探索及 2K 最终成片。

    推荐理由:并列三款模型之分辨率、单价与适用环节,并给出同参数横测及 API 调用之法,便于依预算与成片要求择用。

10月30日周五
  1. Suno Blog71

    Suno Studio 发布内置音乐创作助手 Chat

    Suno Studio 推出内置助手 Chat,可依片段名批量重命名 20+ 条轨道,统一调整推子、添加 Compressor 与 EQ,并设置 82 Hz 高通滤波等参数。Chat 亦可生成如 70 BPM Ska-Metal 等创作方向;该功能随所有 Premier 订阅提供。

    推荐理由:Suno Studio 内置 Chat,可批量处理轨道、插件与混音参数,为音乐创作提供可执行的工作流。

10月27日周二
  1. Replicate86

    Kling 4.0 完整使用指南

    Replicate 发布 Kling 4.0 完整使用指南,介绍文本生成视频、图像生成视频及多关键帧连续镜头的用法。Kling 4.0 每次生成最长 30 seconds,支持 720p 或 1080p、16:9、9:16、1:1、21:9,提示词可达 26,000 characters,关键帧最多 10 张。

    推荐理由:指南以真实输出说明参数与提示词写法,并给出 Replicate 和 Cloudflare AI Gateway 调用方式,可据此复现关键帧视频工作流。

10月15日周四
  1. Suno Blog64

    Suno Studio 侧链压缩设置教程

    Suno Studio 的压缩器支持侧链压缩,可在浏览器内将鼓组轨设为和声轨的 Sidechain 输入。标准做法是打开和声轨的压缩器,选择鼓组轨作为输入,再调整 threshold、attack、release 与 ratio,使随鼓点产生明显的 pumping 效果;也可使用不参与混音的 ghost track 充当触发源。

    推荐理由:文章以鼓组触发和声轨为例,逐步拆解 Suno Studio 的侧链压缩设置,并补充触发轨、attack、release 与 ratio 等参数调整。

8月4日周二
  1. Replicate83

    FLUX 3 使用指南:多模态视频生成与 API 调用

    Replicate 发布 FLUX 3 使用指南,介绍文本生视频、首尾帧变形、视频续接、时间戳分镜与风格控制等用法。FLUX 3 采用整合架构,从图像、音频与视频学习并生成多模态输出,可依时间戳在一次生成中切换多场景和镜头。

    推荐理由:通过文本生视频、首尾帧变形、视频续接和时间戳分镜等实例,呈现 FLUX 3 的多模态生成方式,并给出声音、时长与镜头提示方法。

6月23日周二
  1. Replicate77

    Krea 2 发布三款图像模型,主打低提示词依赖与内置美学

    Krea 团队发布 Krea 2 图像模型系列,以内置美学减少提示词依赖,并提供 Large、Medium 与 Medium Turbo 三种版本。模型覆盖人像、电影感画面、插画与商品图,三款均可在 Replicate 运行,Medium Turbo 面向低成本快速迭代。Cloudflare AI Gateway 亦支持调用,可使用日志、缓存与限流功能。

    推荐理由:文章以人像、电影画面、插画和商品图展示 Krea 2 的短提示词表现,并比较 Large、Medium 与 Medium Turbo 的速度、画质和适用场景。

6月16日周二
  1. Grammarly Blog62

    Grammarly Keyboard 推出内置语音转文字功能

    Grammarly 为 Grammarly Keyboard 增加内置语音转文字功能,用户可在任意应用中口述,并获得清理后可直接发送的文本。其可移除填充词、修正口头改述和语法,同时保留语气与意图,并可切换口述和输入。音频处理成文本后即删除,不存储、不关联账户,也不用于训练模型;iOS 端可从 App Store 下载 Grammarly Keyboard 并按文中路径启用。