Phota Labs 推出 iOS AI 照片助手,把日常照片变成专业级大片
a16z 投资的 Phota Labs 发布 iOS 应用,用自研个性化技术把日常快照自动修成专业摄影风格,同时保留人物真实面貌。用户可选从轻微调整到鱼眼、换角度等大幅变换的多种摄影风格,编辑后的图片带不可见水印标识 AI 修改。该应用免费上线,公司去年完成 560 万美元种子轮融资,未来计划推出 Android 版并探索 freemium 模式。
a16z 投资的 Phota Labs 发布 iOS 应用,用自研个性化技术把日常快照自动修成专业摄影风格,同时保留人物真实面貌。用户可选从轻微调整到鱼眼、换角度等大幅变换的多种摄影风格,编辑后的图片带不可见水印标识 AI 修改。该应用免费上线,公司去年完成 560 万美元种子轮融资,未来计划推出 Android 版并探索 freemium 模式。
Hugging Face 发布 TRELLIS.2 3D 生成模型的微调脚本与容器,可在本地或 Hugging Face Jobs 上运行。方案用 PEFT 库为稀疏结构流 DiT 和形状流 DiT 添加 LoRA 适配器,冻结材质生成阶段,在 GSO 数据集 188 个鞋类对象上改善鞋底几何精度。
Adobe 在年度 Max 大会上公布多项实验性 AI 工具,包括 Project Screen Test 可通过对话塑造 AI 角色并生成试镜视频,Project Sight Span 能把平面图像转为可自由移动视角的 3D 场景。
Adobe 在 Max 大会上为 Creative Cloud 应用和 Firefly 平台推出一批新功能,重点是自动移除画面中的物体、瑕疵和干扰元素。
Disney 与 Adobe 达成多年合作,将用 Adobe Firefly Foundry 为 Disney 品牌构建定制 AI 模型,训练数据涵盖 Disney 角色、场景与视觉风格,以产出可商用、可直接投入制作的内容。
字节跳动 Seed 推出面向专业生产工作流的图像生成模型 Seedream 5.5,称可支持最多 100 轮多轮编辑,未改动区域在像素级保持不变且不出现偏色。该模型可原生生成带透明背景的 RGBA 图像,生成元素可直接作为设计素材使用,并称在光照、材质和皮肤纹理上更真实、密集小字还原更准确。
Instagram 上线 Effect Builder,美国 18 岁以上用户可用提示词生成 Stories 自定义滤镜,并支持附加风格参考图和上传照片预览效果。用户可通过后续提示词要求修改,也可让 Instagram 的 AI 改写提示词;生成的滤镜需通过安全审核后才能供其他用户使用,使用时 Instagram 会链接回作者主页。
Disney 与 Adobe 宣布多年合作,将共同开发基于 Adobe Firefly Foundry、以艺术家为主导的专有生成式 AI 模型,用于 Disney 的主题公园、邮轮业务和 ESPN 内容。
《霍格沃茨之遗》今日在 GeForce NOW 上线 NVIDIA DLSS 5 升级,引入 3D-Guided Neural Rendering,在保留原有几何与纹理的基础上提升光照与材质细节。
OpenAI 发布 Images 2.6,带来更快的图像生成、GIF 生成和更精确的编辑,并新增 API 控制项。该版本覆盖 ChatGPT、Codex 和 API 三个入口。
ChatGPT 现已支持生成动图 GIF,该功能基于 OpenAI 新的 Images 2.6 模型,正向网页、桌面和移动端的全部 ChatGPT 与 Codex 用户推送。
ChatGPT 现在可以用提示词或上传的照片生成 GIF,并支持调整动画速度、编辑单帧和分享,此前它无法一步原生生成 GIF。该功能随 OpenAI 的 Images 2.6 模型一同推出,Images 2.6 还带来更快的图像生成,并向所有 ChatGPT 和 Codex 用户开放网页、桌面和移动端。
贝索斯和杰森·斯坦森"植发后"的照片在 X、Threads、Bluesky 流传,实为修图或 AI 伪造。The Verge 用 Google 反向图片搜索找到原图:贝索斯照片摄于 2023 年,斯坦森照片摄于 2011 年,均无头发。这些图片未检测到 Content Credentials 或 SynthID 标记,尚无法确认是否由 AI 工具生成。
Adobe Research 与 UC San Diego 提出 EditAgent,把图像编辑请求拆成步骤,每步让通用编辑器与专用工具并行生成候选,再由标准语言模型依据验证记录一次性比较选出最佳结果。
Meta 悄然上线 AI 时尚应用 Style Sketch,可连接 Instagram 用已发布照片搭建虚拟衣橱,也支持拍照、录视频或上传相册图片手动添加单品。应用会基于已有衣物推荐搭配,并支持按体型和肤色匹配的虚拟试穿,目前已在印度尼西亚、新加坡和泰国上线 iOS 与 Android。用户还可输入目的地、行程天数和活动安排,获得结合天气预报的逐日穿搭计划。
Canva 发布首个自研图像生成模型 Craft,由其内部实验室 Canva Research 从零训练,主要使用数百万份设计模板而非照片作为训练数据。Craft 先生成构图、比例和文字,再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像,支持 55 种语言的文字渲染,并可通过 Magic Layers 拆分为可编辑图层。
Canva 发布首款自研图像生成模型 Canva Craft,采用两阶段架构,先规划设计再生成图像,官方称可获得更高的精度、一致性和控制力。
Canva 发布首款自研图像生成模型 Canva Craft,由内部研究团队开发,对标 Google、OpenAI、字节跳动和 Meta 的同类模型。该模型分两阶段生成:先解析提示词并规划元素空间关系、相对尺度、视觉层级和文字信息,再输出最高 2K 分辨率、支持 30 种宽高比的图像,官方称可保证物体细节准确、文字清晰,并支持局部精确编辑。
Adobe 宣布 iOS、iPadOS 和 Android 版 Lightroom 移动端可用生成式 AI 一键睁开照片中闭眼人物的眼睛,检测到闭眼时会在图片上显示 Open Eyes 快捷操作图标。
Sega 已将《Total War: Shogun 2 — Complete Edition》从各商店下架,该重制版在 Steam 上获得"Overwhelmingly Negative"评价,用户投诉 bug 及疑似 AI 处理的画面。Sega 与开发商 Creative Assembly 承认该作未达预期,表示将恢复原版游戏,已拥有该版本的玩家仍可访问。
Black Forest Labs 发布 FLUX 3 Image Klein,这是一个 56 亿参数的开源权重模型,支持文生图、图像编辑以及最多十张参考图的生成,原生支持 4K 输出、像素级编辑和用于元素定位的边界框。
Black Forest Labs 发布 FLUX.3 Image Klein,一个模型同时支持文生图、多参考图生图和边界框布局控制,并在 Diffusers 首日上线。
NVIDIA DLSS 4.5 控制选项现已登陆 GeForce NOW,会员可在设置中调节支持游戏的画质与性能,Ultimate 会员在 GeForce RTX 5080 云主机上可使用最高 4X 的 Dynamic Multi Frame Generation。
Meta AI 发布 Muse Wonder 和 Muse Wonder Full,称其为目前能力最强的模型,Artificial Analysis 将 Muse Wonder(Max)评为与 GPT-6.1 Sol 相当。
Simon Willison 为 llm-gemini 插件加入对 Gemini 4 Argon 的支持,该模型今日通过 Gemini API 和每月 100 美元订阅计划开放。
Nvidia DLSS 5 将于 11 月 5 日随《霍格沃茨之遗》正式上线,新对比截图显示面部变化已明显收敛,不再让青少年角色显老。10 月更新将模型参数缩减 24% 至约 1.18 亿,4K 显存占用降低 20%,在 RTX 50 系列 GPU 上速度提升一倍,新模型 10 月 16 日率先登陆 NBA 2K27。
Blueprints AI 在 TechCrunch Disrupt 上发布第二代软件,可从一段描述或 2D 草图、PDF 出发,一次性生成建筑、结构、机电、给排水和室内设计蓝图,并对照当地建筑规范校验,改动一处即更新整个项目。第一代软件月费 3,200 至 8,500 美元,第二代本周公开可用,早期客户已在使用;第三代将加入结构分析和配电盘设计。
Nikon 取消其 Small World in Motion 显微视频大赛原第一名作品资格,原因是该视频违反比赛关于生成式 AI 的规则。作者 Dr. Ning Xu 在 LinkedIn 承认使用无监督神经网络方法进行 AI 辅助后处理,该视频已被移除,Nguyen Nam Nhat 的作品递补第一。Nikon 表示将重新审视未来赛事的规则与评审流程。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者将创意转化为精细图像和电影级视频广告。
Ben Affleck 表示自己从小对计算机感兴趣,在电影从模拟胶片转向数字后更加关注这一领域,并会写"相当糟糕的 Python 脚本"。他指出视觉特效工作流多年来一直包含机器学习,卷积神经网络作为 Transformer 的前身,可用于处理 tensor 并实现边缘检测与特征提取,从而更轻松地抠出绿幕画面并替换背景。
Google 宣布其 SynthID 检测器现已支持所有合作方的水印,并上线独立网站 SynthID.com 供任何人使用。SynthID 是编码在 AI 生成图像、视频像素和音频波形中的隐形信号,Google 称仅 Gemini 就已为超过 1800 亿张图像和视频、以及 24 万年时长的音频集成 SynthID。
前 Ramp 工程师创立的 AI 广告平台 Melius 完成 2000 万美元 A 轮融资,由 CRV 领投,另含 General Catalyst 领投的 500 万美元种子轮,累计融资 2500 万美元。团队在首款绩效营销工具开发半年后放弃并重写全部代码,转向生成广告创意与campaign的"创意工作智能体实验室",7 月结束隐身状态后两个月内年化收入超 100 万美元。
Google 发布图像生成与编辑模型 Nano Banana 2.1,取代 2026 年 2 月发布的 Nano Banana 2,价格约为前代一半,1K 图像从 6.70 美分降至 3.36 美分,4K 从 15.10 降至 7.56 美分。
Black Forest Labs 发布 Flux 3 模型家族的图像部分 Flux 3 Image,官方称其支持多步编辑且不改变图像其他部分,覆盖文生图、图生图、文字渲染和照片级真实感。用户可用边界框构图、最多引入十张参考图,输出最高 4K;目前提供免费 demo,API 在 10 月 8 日前五折。企业可授权商用权重在自有基础设施上运行和微调,开放权重版本预计未来几周推出。
Ideogram 发布新模型 Ideogram 4.5,称其只修改用户指定的区域,换装等编辑后人物身形与背景保持不变。该模型提供四档质量档位,单张价格从 0.8 美分到 22 美分,均为原生 2K 分辨率,现已上线 Ideogram 平台和 API,合作方包括 Picsart、Runway、Pika 和 Leonardo AI,并称即将推出开放权重版本。
Simon Willison 用 GPT-6 Astra 构建了实验性工具 Photo Scrubber,可自动识别人脸并模糊处理。该工具基于 Google 的 MediaPipe C++ 库,通过 @mediapipe/tasks-vision 编译为 WebAssembly,并使用 BlazeFace 人脸检测模型,全程在本地运行。
Google Research 提出 Diffusion Controller 框架,将扩散模型的去噪过程重构为连续控制问题,用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测,其完全解锁版本对基线模型取得 90% 胜率,并支持在无法访问内部权重的闭源模型上实现定制控制。
AWS 发布教程,演示在 SageMaker AI 上部署同一个 vLLM-Omni DLC 镜像的两个端点:实时端点运行 FLUX.2-klein-4B 生成图像,异步端点运行 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG,再连同运动提示词经 Amazon S3 传给视频端点,最终从 S3 取回 MP4,示例含命令行流程和可选的 Streamlit 界面。
OpenAI 发布 ChatGPT Images 2.5,可将想法、草图与参考照片转化为更个性化、更精致的图像,官方称成图能更好地体现用户的想法。
Hugging Face 在 Diffusers 中引入 Nunchaku Lite,可直接用 from_pretrained() 加载 Nunchaku 量化检查点,无需自定义 pipeline 或本地 CUDA 编译。