跳到正文
北京时间

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。

143条精选相关主题AI 视频多模态产品更新

最新精选

第 61–80 条 · 共 143 条
6月9日周二
  1. TechCrunch：AI（RSS）73

    苹果刚刚教会你的iPhone补全句子、完善照片和简化工作流程

    Apple为Safari、Shortcuts和Password应用添加了AI驱动的新功能，让iPhone能够自动补全句子、完善照片和简化工作流程。

    推荐理由：WWDC 2026 的 Apple Intelligence 更新不是颠覆性突破，但 Safari 标签管理、跨应用上下文和 Shortcuts 的 AI 创建让 AI 真正渗透到日常使用中，是所有苹果用户都该看看的实用升级。

  2. Runway79

    一个视频，现在可以为每个信息流和格式制作。上传你现有的视频，选择你想要的宽高比，然后观看我们的编辑模型 Aleph 2.0，填充场景的其余部分，就像你从一开始就这样制作一样。 在我们的桌面 Web 应用上尝试，链接如下。

    推荐理由：Runway 把视频重构图做成了上传即填充，Aleph 2.0 自动补全不同比例画面，对同时做横竖版内容的人太实用，省掉重新拍摄或手动裁剪的功夫。

6月6日周六
  2. Google Gemini81

    你现可直接在 Gemini Live 中创建和编辑图像。 无论是测试房间装饰、解决数学问题，还是制作可分享的梗图，所有操作都实时完成。 只需打开 Gemini 应用，点击 Live 按钮，共享摄像头，告诉 Gemini 你想看到的。

    推荐理由：Gemini Live 终于能用嘴改图了，实时对话+图像生成让装修试色、数学解题变成「聊着天就把活干了」，产品人和普通用户都该试试这个新交互。

6月4日周四
  2. SenseTime69

    商汤 SenseTime 推出 SenseNova U1 开源多模态模型，实现原生理解与生成文本和图像，可一键将提示词转化为专业信息图。该模型被开发者 @gurru_tech 评价为“非常令人印象深刻”。项目已开源，提供 SenseNova Studio 在线试用，并公开 HuggingFace 模型集合、GitHub 源码仓库及 Discord 社区入口。

    推荐理由：商汤这回把图文统一模型开源了，SenseNova U1的infographic功能比市面上大多数文生图工具更懂文字和布局，做内容的朋友可以上手试试。

  4. Elon Musk72

    Vercel 的 AI Gateway 上现已推出 Grok Imagine Video 1.5。该服务支持图生视频并同步音频，一次性完成。示例代码： `await generateVideo({ model: 'xai/grok-imagine-video-1.5-preview', prompt: 'a rabbit sprinting through nyc' });`

    引用Vercel Developers@vercel_dev

    Grok Imagine Video 1.5 上线 AI Gateway。 一次生成即可完成带同步音频的图生视频。 𝚊𝚠𝚊𝚒𝚝 𝚐𝚎𝚗𝚎𝚛𝚊𝚝𝚎𝚅𝚒𝚍𝚎𝚘({ 𝚖𝚘𝚍𝚎𝚕: '𝚡𝚊𝚒/𝚐𝚛𝚘𝚔-𝚒𝚖𝚊𝚐𝚒𝚗𝚎-𝚟𝚒𝚍𝚎𝚘-𝟷.𝟻-𝚙𝚛𝚎𝚟𝚒𝚎𝚠', 𝚙𝚛𝚘𝚖𝚙𝚝: '𝚊 𝚛𝚊𝚋𝚋𝚒𝚝 𝚜𝚙𝚛𝚒𝚗𝚝𝚒𝚗𝚐 𝚝𝚑𝚛𝚘𝚞𝚐𝚑 𝚗𝚢𝚌' });

    推荐理由：Grok Imagine Video 1.5 把同步音频塞进了图生视频，一条 prompt 直接出带声短片，做短视频和创意的可以换上这条流水线了。

6月3日周三
  1. SenseTime73

    商汤（SenseTime）开源SenseNova U1模型，宣称实现“看、思考、创作”一体——从一张普通运动鞋图片直接生成营销视觉效果。该模型代表了架构上的范式转变。用户可通过SenseNova Studio、HuggingFace和GitHub尝试使用。

    推荐理由：商汤把理解、推理、创作塞进一个模型，而且直接开源，做视觉营销的可以不用再拼凑工具链了。

6月2日周二
  1. Microsoft AI：官方博客（网页）63

    Microsoft 发布 MAI-Image-2.5，登 Arena 图像编辑榜第 2

    Microsoft Superintelligence 团队发布 MAI-Image-2.5 和 MAI-Image-2.5-Flash 两款图像模型，MAI-Image-2.5 在 Arena 图像编辑榜排第 2（超过 Nano Banana 2），文本生成图像排第 3，比 MAI-Image-2 总分提升 75 分。

    推荐理由：官方给出 Arena 排名、编辑能力细节和 Foundry 定价，开发者可据此评估其在生产图像工作流中的性价比。

  2. SenseTime81

    商汤开源了AI办公技能套件SenseNova-Skills。这是一个为任何技能兼容智能体（如OpenClaw与HermesAgent）设计的开源技能集合，提供四大核心功能：图像信息图表生成（可镜像参考风格）、数据分析（支持多表解析、清洗与可视化）、PPT创建（生成大纲内容并智能排版，输出可编辑文件）以及深度研究（跨学术、技术、社交等多源搜索并生成报告）。该技能套件现已完全开源。

    推荐理由：商汤掏出了一套开箱即用的 agent 技能包，从做图到写报告都能一键接，而且代码全在 GitHub 上。想做 agent 产品的可以直接 fork 当乐高用，比等 API 发布快多了。

  3. SenseTime73

    感谢使用我们的模型来创建这些复杂的图表和图表。 看到具有挑战性的信息被转化为清晰、准确和可读的视觉效果真是太棒了。这就是我们的目标。😄

    引用The AI Colony@TheAIColony

    SenseNova U1 刚刚发布了一个信息图专用版本，在 IGenBench Q-ACC 上提升 +18.2 可不是舍入误差。 这意味着该模型真正理解了哪些信息需要放在哪里。 真正的进步：http://huggingface.co/sensenova/SenseNova-U1-8B-MoT-Infographic

    推荐理由：SenseNova U1 这波信息图特化不是刷分，+18.2 Q-ACC 证明模型真的懂了排版，做汇报、做图表的可以直接上 Hugging Face 扒下来用。

6月1日周一
  1. SenseTime67

    大多数AI模型在生成图表时存在数值错误（如负值显示为正）、柱状图位置偏移、元素关系混乱等问题。SenseNova-U1-8B-MoT-Infographic（SenseNova-U1）专为解决此类图表生成问题而设计，能够生成准确的图表，并支持实时调整设计和布局。项目在Hugging Face提供了模型，并在GitHub展示了效果案例。

    推荐理由：大部分AI生成的图表都有标注错误或比例失调，商汤这个模型专攻信息图准确性，对常做图表的产品人和分析师来说值得一试。

  2. Hacker News 热门（buzzing.cc 中文翻译）72

    本地设备 AI 图像生成模型 1-Bit Bonsai Image 4B 发布

    1-Bit Bonsai Image 4B 是一款新的 AI 图像生成模型，其主要特点是面向本地设备进行优化，可以在用户的本地硬件上运行。这是一款专注于端侧部署的图像生成解决方案。

    推荐理由：端侧图像生成终于进入可用阶段，把 4B 模型压到 iPhone 能跑而且性能保留 95%，做本地 AI 应用的产品人应该认真看一眼。

5月30日周六
  1. The Verge：AI（RSS）73

    AI 骗子正在创建虚假的黑人形象来销售 Shein 劣质商品

    有卖家利用 AI 生成虚假的黑人形象，在 TikTok、Facebook 和 Instagram 上扮演手工制品创作者进行销售。例如一个名为 Aliyah 的 AI 生成形象，以带泪诉说的方式售卖所谓手工皮带扣，但该形象及其产品均为虚构。此类 AI 虚拟网红被用于推广通过代发货模式销售的批量生产品。

    推荐理由：AI生成的虚拟黑人卖家在TikTok上哭着卖假货，The Verge这篇调查把AI黑产里最脏的那面扒给你看，做社交电商的尤其该点开读。

  2. Google AI Developers71

    ICYMI：Nano Banana Pro [gemini-3-pro-image] 和 Nano Banana 2 [gemini-3.1-flash-image] 现已正式发布，可通过 Gemini API 投入生产使用。 查看这些优秀的社区示例，了解两个模型的实际能力 🧵

    推荐理由：Gemini 图像模型 GA 了，生成式视觉正式进入 Google 时间，做设计工具和内容生成的开发者可以直接接入测试，看看能不能成为下一个 Midjourney。

  3. ginobefun78

    claude-design-card 是一款专为中文内容创作者设计的 Skill。它能将文字、URL 或文章直接转化为可发布的视觉卡片，如公众号首图、小红书图文卡、教程步骤卡等，支持 28 种布局与 10 种主题。其核心价值在于自动化了“写完文章”后最繁琐的流程：自动提炼重点、选择版式、生成 HTML 并截图成 PNG，替代了以往手动使用 Figma 或 Canva 等工具的步骤。该工具开源，适合经常撰写相关内容的创作者尝试。

    引用撸毛吃猪脚饭@mnmn94253156337

    昨天那个 md2wechat-skill 很多人收藏 今天再分享一个很适合中文创作者的 Skill：claude-design-card。 它可以把一段文字、一个 URL、一篇文章，直接生成能发出去的视觉卡片，比如公众号首图、小红书图文卡、教程步骤卡、对比分析卡、金句分享卡、数据大字卡、B站/YouTube 封面、视频号/抖音竖版封面、长文杂志排版图。 我觉得它最有用的点不是好看，是把内容创作者最烦的那段流程接上了：写完文章后，自动提炼重点、选择版式、生成 HTML，再截图成 PNG。以前这一步你可能要开 Figma、Canva，或者找模板一点点改。 昨天是 Markdown 到公众号排版，今天是文字到可发布视觉物料。 如果你经常写公众号、小红书、教程、项目介绍，这个可以收藏试试。 开源链接： https://github.com/geekjourneyx/claude-design-card

    推荐理由：这个 Skill 把内容创作者最烦的「写文→排卡片→出图」流程直接打通了，28 种布局一键生成，做公众号和小红书的可以立刻收藏，关键不是好看是真省时间。