跳到正文

图像生成

AI 画图的最前线：文生图模型迭代、图像编辑能力与创作工具生态的全部动态。

17条精选相关主题AI 视频多模态产品更新

最新精选

第 1–17 条 · 共 17 条
9月30日周三
  3. Suno：Blog（网页）79

    Suno 与 Warner Music Group 达成合作，将用授权音乐训练新一代模型

    Suno 宣布与 Warner Music Group（WMG）达成合作，将基于高质量授权音乐构建超越 v5 的新一代模型，并推出由 WMG 艺人自愿授权的互动创作体验，参与艺人可获得补偿。产品方面，下载功能保留但需付费账号并按档位限制每月下载次数，Suno Studio 维持不变且保留无限下载。

    推荐理由：Suno 官方宣布与 WMG 合作，读者可以据此了解授权模型、粉丝互动与下载政策变化如何影响平台使用方式。

  5. LMSYS：Blog（Chatbot Arena 团队）63

    SGLang-Diffusion 发布两个月：速度较初版提升至 2.5 倍，新增 ComfyUI 集成与 LoRA 支持

    LMSYS Chatbot Arena 团队复盘 SGLang-Diffusion 自 2025 年 11 月初发布两个月来的进展，当前版本（docker tag: lmsysorg/sglang:dev-pr-17247）比初版快最多 2.5 倍，在 NVIDIA GPU 上较其他方案最高快 5x。

    推荐理由：官方复盘发布两个月来的优化成果，速度较初版提升至 2.5 倍，并新增 ComfyUI 集成和 LoRA 支持，读者可评估是否迁移现有图像视频生成工作流。

  6. Black Forest Labs：Blog（网页）71

    Black Forest Labs 发布多模态基础模型 FLUX 3 并开放 Early Access

    Black Forest Labs 发布多模态基础模型 FLUX 3，基于 Self-Flow 方法在统一架构内联合学习图像、视频和音频，现已开放 Early Access。

    推荐理由：原文给出 FLUX 3 的多模态架构、早期对比评测数字和分阶段开放计划，读者可据此评估其对创作与具身场景的适用性。

9月21日周一
  1. Qwen66

    千问（Qwen）发布 Qwen-Image-2.1，并在 Hugging Face Spaces 上线可浏览器直接试用的演示。该模型为 7B 参数的图像生成与编辑一体模型，单一 checkpoint 同时支持两种任务，最多可用 10 张参考图，自带提示词增强 LLM，并集成 diffusers 与 ComfyUI。

    引用Hugging Apps@HuggingApps

    Qwen Image 2.1 is here! 🖼️ A 7B params native image generation and editing model, with up to 10 image references The model comes with it's own prompt enhancement LLMs, integrated with diffusers 🧨 and ComfyUI ▶️ on Spaces https://huggingface.co/spaces/hugging-apps/qwen-image-2-1

    推荐理由：原文给出了模型的参数量、参考图能力与免配置体验入口，读者可以直接在浏览器试用判断适用性。

9月20日周日
  1. Qwen65

    Qwen 官方宣布 Qwen-Image-2.1 已获得 ComfyUI 支持，开放权重，单一 7B checkpoint 同时支持生成和编辑。引用内容提到该模型支持原生 2K 图像生成、单次最多基于 10 张参考图进行指令编辑，以及带 alpha 通道的 RGBA 输出。

    引用ComfyUI@ComfyUI

    Qwen-Image-2.1 is now supported in ComfyUI! Open weights. One 7B checkpoint that generates and edits. → Image generation at native 2K → Instruction editing from up to 10 reference images in a single pass → RGBA output, alpha included

    推荐理由：正文点出该模型已在 ComfyUI 支持，读者可以据此更新本地图像生成与编辑工作流。

9月10日周四
  2. Hugging Face：Blog（RSS）61

    Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111，推出 Workflow1111

    Hugging Face 发布 Workflow1111，用 gr.Workflow 在单个画布上以 73 个节点重建了 AUTOMATIC1111 的 11 条媒体管线，涵盖文生图、hi-resolution fix、图生图、VLM 反推提示词、检测生成 inpaint 蒙版、ControlNet 风格 annotator、背景去除、PNG Info 和图生视频。

    推荐理由：官方用 Gradio Workflow 在单个画布上复刻了 AUTOMATIC1111 的主要功能，读者可以对照它了解节点式工作流与 ComfyUI 的差异。

8月28日周五
  1. Midjourney：Updates（RSS）65

    Midjourney 开放测试首个 V8.2 图像编辑模型

    Midjourney 开始让所有用户测试首个 V8.2 图像编辑模型。该模型支持用指令编辑图像、以最多 4 张图像参考生成新图（替代 omni-reference）、局部重绘（inpainting）与扩图（outpainting），并可用 personalization、moodboards 和 srefs。

    推荐理由：官方宣布 V8.2 图像编辑模型开放测试，列出指令编辑、多图参考、局部重绘等能力变化和具体入口。

7月23日周四
  1. Hugging Face：Blog（RSS）69

    Diffusers 原生集成 Nunchaku Lite 4-bit 扩散模型推理

    Hugging Face 宣布 Diffusers 原生支持 Nunchaku Lite，可像普通模型一样用 from_pretrained() 加载 SVDQuant 4-bit (W4A4) 检查点，无需单独推理引擎或本地 CUDA 编译，内核经 kernels 包从 Hub 下载。

    推荐理由：Diffusers 原生支持 Nunchaku 4-bit 推理，附带基准数据和自己量化模型的完整流程，适合关注消费级显卡跑扩散模型的读者。

7月1日周三
4月23日周四
  1. Google Research69

    Google Photos Auto frame 上线 3D 视角重排功能，可改变照片拍摄视角

    Google 宣布其新方法已在 Google Photos 的 Auto frame 功能中上线，用 ML 模型估计 3D 点图和相机参数，再用生成式扩散模型补全新视角下原先未拍到的内容，实现拍摄后的视角重排。方法分 3D 场景与相机估计、生成式修补两阶段，可自动调整人像构图并校正广角前置镜头的透视畸变，对含人物的合格照片提供单次操作的备选 rendition。

    推荐理由：原文拆解了 3D 场景估计与生成修补的两阶段方法，读者可以理解这种视角重排与普通生成式修图的区别。

12月16日周二
  1. OpenAI Developers（RSS）71

    OpenAI 发布 gpt-image-1.5 提示词指南，讲解生成与编辑的最佳实践

    OpenAI 开发者 Cookbook 发布 gpt-image-1.5 图像模型提示词指南。该模型在写实度、准确性和可编辑性上较前代有明显提升，支持高质量渲染与低延迟场景。指南给出提示词结构、显式约束、迭代式小步修改等方法，并用信息图、照片级写实、UI 模型、Logo、风格迁移、虚拟试穿、多图合成、儿童绘本角色一致性等示例演示生成与编辑工作流。

    推荐理由：官方指南给出提示词结构、约束写法和质量与延迟取舍方法，示例覆盖生成与编辑的常见生产场景，可直接迁移到实际工作流。

8月3日周日
7月11日周日
  1. Lilian Weng：Lil'Log（RSS）75

    Lilian Weng 详解扩散模型：从 DDPM 原理到 DDIM、LDM、DiT 的演进

    Lilian Weng 在 Lil'Log 发表的长文系统讲解扩散模型：通过马尔可夫链逐步加噪再学习反向去噪来生成数据，涵盖 DDPM 的变分下界训练目标、与 NCSN 的联系、β 调度与方差参数化等核心内容。

    推荐理由：作者原创长文系统讲解扩散模型，从 DDPM 前反向过程到 DDIM、LDM、DiT 等演进，兼顾数学推导与方法脉络。