一个公开的AI制作角色：Claudia，十支Claude音乐视频的演唱者
一个名为Claudia的公开角色——一位留着黑色波波头、带黏土橙色挑染的AI流行歌手——在2026年9月至11月间出演了十支用Claude制作的音乐视频。此次发布公开了她的每一张图像、这些影片，以及你自己复现她所需的一切。这些视频使用Midjourney提示词、Seedance 2.5片段和Suno v6歌曲制作。
#图像生成
Hacker News · AIAI 评分4040 Hacker News · AIAI 评分2020 图生图 AI：基于浏览器的 AI 照片编辑器，可根据提示词重绘照片
Image to Image AI 是一款基于浏览器的照片编辑器和图生图生成器，可根据通俗语言提示词重绘上传的照片，并提供前后对比滑块和默认私密处理。该网站记录的示例使用 gpt-image-2，包括人像背景替换、白底产品图、物体移除以及照片转卡通或铅笔素描。新用户注册后可获得 2 个免费积分，购买的积分永不过期。
Hacker News · AIAI 评分2222 AI 房间设计工具提供 2 次免费试用设计，只需一张房间照片
一款 AI 室内设计工具可将你自己房间的照片转换为六种风格的重设计概念，既涵盖已布置房间的重新设计，也涵盖空房间的虚拟布置。新用户登录后可获得 2 次免费试用设计，试用额度 30 天后过期；付费一次性套餐起价 9.99 美元可获 60 次设计（约每次 0.17 美元），购买的额度永不过期。设计是 AI 生成的概念，而非经过测量的平面图，因此在施工前应核实家具尺寸和结构。
Hacker News · AIAI 评分2222 生成艺术与AI之间的冲突
一位生成艺术家讲述了自己发现有人用LLM以惊人的准确度复现了他的算法，这引出了一个问题：当任何拥有20美元LLM订阅的人都能克隆他的作品集时，还剩下什么优势。他提到艺术家Mannay花了一年时间做一个项目，结果却被Sonnet“在20分钟内凭感觉编程”复现了，并阐明了自己的边界：编程就是艺术，所以他的作品由他创作，而非智能体。
Hacker News · AIAI 评分6868 World Labs向所有人开放Atlas世界模型
World Labs已向所有人开放其新一代世界模型Atlas，让用户能够生成并重建可探索的3D世界。Atlas Build从照片或生成的图像出发，由Viewfinder重建场景并允许相机移动，而Chisel则勾勒出场景结构并更新每个相机视图。世界可从splats转换为具有真实几何结构的网格，用于游戏、仿真、Blender及其他3D工具，Atlas的能力也可通过开发者API获取。
Hacker News · AIAI 评分4040 AxiomStory：一个让角色和世界在文本、图像和视频中保持一致的 AI 故事工作室
AxiomStory 是一个新的 AI 故事工作室，它会阅读手稿的每一章并标记连续性问题，例如角色的眼睛颜色在不同章节之间发生变化。它为每个角色和地点建立维基页面，并在生成的图片和视频中为每个角色复用一套已获批准的造型和声音。免费计划提供约 30,000 字的 AI 帮助；付费套餐从每月 16 美元到 160 美元不等。
TechCrunch · AIAI 评分3838 Phota Labs 推出 iOS 应用，可将日常照片变成专业级照片
Phota Labs 推出了一款免费的 iOS 应用，利用个人 AI 照片助手将日常快照变成专业级图像，同时保留拍摄对象的真实外貌。这家由前 Adobe 计算摄影团队成员 Cecilia Zhang 和 Zach Xia 创立、获 a16z 投资的初创公司自研了身份模型，使编辑不会改变人脸，并在 AI 修改过的照片中加入不可见水印。该公司去年完成了 560 万美元种子轮融资，并计划推出 Android 应用。
vLLM Blog精选AI 评分6464 vLLM-Omni 在 Vera Rubin 上对 MiniMax H3-Image 进行基准测试：0.87 秒生成 4K 图像，每小时 6,115 张
vLLM-Omni 将 MiniMax H3-Image 引入 NVIDIA Vera Rubin，在四块 GPU 上测得原生 4096×4096 文本到图像的中位延迟为 0.87 秒，并在另一吞吐配置下达到每小时 6,115 张图像。H3-Image 是一个开放权重的文本到图像与编辑模型，将 Qwen3-VL 编码器与 33.1B 稠密 DiT 及图像 VAE 相结合，在六步采样内处理两项任务，最多支持 16 张参考图像。团队报告了 MXFP8 DiT GEMM、Ulysses SP4、AdaLN 缓存以及一项将解码时间从 2.635 秒缩短至 0.213 秒的 VAE 解码改动，并列出了面向 AMD、Intel、华为昇腾和摩尔线程硬件的配置方案。
推荐理由：vLLM-Omni 的基准测试显示 MiniMax H3-Image 在 Vera Rubin 上以亚秒级 4K 延迟运行，并提供了各硬件配置及服务经济性成本模型。
Recraft BlogAI 评分4242 MiniMax H3 Image、Highspeed 和 Lite 登陆 Recraft Studio
MiniMax 的 H3 系列本周从视频扩展到更多领域，H3 Image、H3 Image Highspeed、H3 Highspeed 和 H3 Lite 现已在 Recraft Studio 上线。两个图像模型支持 2K 或 4K 的生成与编辑，两个视频模型可生成 4–15 秒、480p 或 768p 的带声音片段。H3 Image 每张图起价 6 credits，H3 Lite 每秒视频起价 4 credits。
The Verge · AIAI 评分3838 Adobe发布AI实验：将照片转为3D场景，还能采访角色
Adobe在其年度Max大会上宣布了多项实验性AI工具，包括通过对话指导AI角色的Project Screen Test、将平面图像转换为可导航3D场景的Project Sight Span，以及在方形声音画布上混合音效的Project Sound Bender。Project Rinse Repeat使用原生Photoshop工具复制编辑操作，并将其应用到同一照片中的其他对象上。这些“sneaks”属于技术预览，最终可能进入Creative Cloud或Firefly，但不保证一定发布。
MiniMax Blog精选AI 评分7575 MiniMax 发布 H3-Image，一款可在 10 秒内生成 4K 图像的开源权重模型
MiniMax 发布 H3-Image，这是一款基于 H3 构建的开源权重图像生成模型，支持文生图、参考图生成和图像编辑，可在 10 秒内生成 4096 × 4096 的图像。该公司表示，它最多可处理 16 张参考图，声称在开源权重模型中具有最先进的提示词遵循能力，并报告速度最高可达主流替代方案的 5 倍。H3-Image 可通过 MiniMax API 平台、MiniMax Code 和海螺 AI 使用，定价为同类产品的 50–70%，发布周期间 4K 及以上请求享受 50% 折扣。
推荐理由：MiniMax 发布开源权重 H3-Image，声称可在 10 秒内生成 4K 图像，定价为同类主流产品的 50–70%，为开发者提供了一个用于高分辨率图像工作的新开源选择。
Recraft BlogAI 评分2929 Recraft 推出 Vectorizer Pro，实现更干净的 SVG 矢量化
Recraft 发布了 Vectorizer Pro，这是一款可将 PNG、JPG 和 WebP 图像转换为更干净 SVG 的矢量化工具，自 2026 年 10 月 29 日起，所有套餐的用户均可在 Recraft Studio 中使用。它能保持直线笔直且间距均匀，保留图标尖角和拐角的锐利度，并将曲线绘制为一笔干净的线条，从而减少在 Figma 或 Illustrator 中的清理工作。扁平插画、标志、图标和线稿受益最大，而纹理较多的源图可能仍需先进行简化。
Recraft BlogAI 评分3434 2026年最佳AI图标生成器：7款工具对比
经过对七款工具的对比，Recraft被评为2026年最佳AI图标生成器；该对比以五项图标一致风格测试和原生SVG导出为评分依据。Recraft在各字形间保持了描边粗细和圆角半径，并导出可编辑的SVG；Canva仅部分通过，而Adobe Firefly和Midjourney两项检查均未通过，输出为位图。
Recraft BlogAI 评分5858 Recraft 指南：12 个有效的文本提示照片编辑，以及会失败的措辞
Recraft 发布了一份指南，其中包含十二个可直接复制的文本提示，用于在图像到图像模型上进行照片编辑，基于两行模式：一行变更行，指明对象、其位置和结果；一行保留行，锁定面部、印刷标签、构图和光照。该指南称，移除对象、重新着色、重新打光或更换服装等局部编辑比风格重塑或天气替换更能保留身份特征；而当提示堆叠多项变更、改写印刷文字，或要求新的面部或身体比例时，就会失败。它建议生成两到三个变体，在 100% 缩放下检查，并通过仅指明该区域的后续提示修复一处遗留错误。
Recraft BlogAI 评分2222 2026年最佳AI表情包生成器：7款工具对比
用同样的三个表情包需求，对七款AI表情包生成器——Imgflip、Canva、Supermeme.ai、Recraft、Kapwing、ChatGPT和Magic Hour——在免费套餐、水印、模板、字幕渲染、导出尺寸和API方面进行了测试。对比发现没有 universally 胜出的工具：Imgflip在经典模板上胜出，Supermeme.ai在从想法到字幕上胜出，Recraft和ChatGPT在原创图片上胜出，Kapwing在视频和GIF上胜出，而当表情包必须适配某个版式时Canva胜出。
Recraft BlogAI 评分2222 2026年最佳AI贴纸生成器：7款工具对比
Recraft是制作模切轮廓、透明PNG和SVG的最佳AI贴纸生成器，且均可在同一画布上完成；而Canva更适合在同一编辑器中制作贴纸整版和下单印刷。2026年11月9日，七款工具依据五项印刷标准进行了评分，只有Recraft、Kittl和Canva Print提供了获得切割线或印刷整版的可行路径。Firefly、Ideogram、Leonardo AI和ChatGPT则在更细分的任务中胜出，例如照片转贴纸或聊天贴纸包。
Recraft BlogAI 评分3838 2026年最佳AI角色生成器对比：Recraft、Midjourney、Gemini、ChatGPT等
一项对七款AI角色生成器的对比评测，从姿势一致性、参考图像、风格控制、导出格式和免费套餐五个维度打分，结论是没有任何一款工具在所有需求下都最优。Recraft在让同一角色跨姿势保持一致方面领先，支持可复用风格和SVG矢量导出；Midjourney在单帧外观上胜出，但没有免费方案，基础版每月10美元。Gemini和ChatGPT适合在对话中迭代角色，而Recraft、Gemini、ChatGPT、Leonardo、Ideogram和OpenArt均提供免费或每周积分套餐。
inclusionAI RepositoriesAI 评分5252 Inclusion AI 的 IDM 将生成器 EMA 特征进行匹配，以加速一步和两步文本到图像生成
Inclusion AI 与学术合作者发布了 IDM，这是一种蒸馏方法，将内部分布匹配与生成器自身 EMA 特征空间中的矩匹配相结合，无需外部特征编码器。在 2 NFE 下，IDM（Z-Image）在 LongText-CN 上得分 94.25%，在 LongText-EN 上得分 90.20%；全参数 IDM（Z-Image）在单张 A100 上以 BF16 运行，1 NFE 耗时 0.25 秒，2 NFE 耗时 0.30 秒。同一个训练好的检查点同时支持 1-NFE 和 2-NFE 采样，代码以 Apache 2.0 发布，检查点则标注为即将推出。
Apple Machine Learning ResearchAI 评分3434 GHARP：基于大规模重建先验的实时高斯头部动画
Apple 研究人员提出 GHARP，一种从少量输入图像加驱动表情信号实时驱动 3D 人头动画的方法，将任务拆分为离线身份阶段和轻量级运行时动画阶段。身体对齐网络消除了身体姿态与服装带来的歧义，GHARP 在 Ava-256 基准上达到最先进质量，同时在 A100 GPU 上运行速度最高提升 13 倍，高斯数量减少 8 倍。
Apple Machine Learning ResearchAI 评分2626 TEAL：面向低预算语义分割的Token空间高效主动学习
Apple研究人员（与滑铁卢大学合作）提出TEAL，这是首个基于冻结ViT表示的像素级主动学习框架，通过两级MaxHerding策略直接在原生token格上选择多样化候选，并结合基于margin的不确定性精炼。在每张图像仅有一个标注像素的情况下，TEAL在CamVid、Cityscapes、ADE20K和Pascal Context上比最强基线最高提升+24.36 mIoU，仅用10 px即达到全监督性能的97%。
Modal BlogAI 评分4040 Modal 如何利用评估和推理时计算扩展生成可扫描的 QArt 码
Modal 利用评估和推理时计算扩展来改进其 QArt 码系统，将二维码扫描率提升至其 95% 的服务水平目标，同时改善美学质量，并在 p95 下于 20 秒内返回二维码。这项工作遵循标准的机器学习流程：收集人类判断、与之对齐，然后扩展，解决了“在我的提示上有效”的差距，该差距导致许多生成的二维码无法扫描。
Modal BlogAI 评分5858 Modal 展示如何将 FLUX.1-dev 的运行速度提升三倍
Modal 的工程师们介绍了如何让 Black Forest Labs 的 FLUX.1-dev 作为自动扩缩容服务运行，速度提升约三倍，将 1024x1024 图像的生成时间从约 6.75 秒缩短到 3 秒以内。标准优化手段，即启用 max-autotune 的 Torch 编译器、融合 QKV 注意力和 channels-last 内存布局，带来了约 1.5 倍的提升；而基于 TEACache 论文、来自 ParaAttention 仓库的 First Block Caching 在阈值 0.12 下又额外带来了 2 倍的提升。编译缓存和 Modal Memory Snapshots 将冷启动延迟降低了 30 倍。
Modal BlogAI 评分2525 OpenArt 如何借助 Modal 在数百块 GPU 上扩展其生成式 AI 艺术平台
OpenArt 将其专有的 ComfyUI 工作流部署在 Modal 上，把在 AWS 和 GCP 上需要数小时的部署缩短到几分钟，并能自动扩展到数百个 GPU 容器。Modal 目前为该平台上的 100 多个工作流提供支持，该平台月活跃用户超过 300 万。
Modal BlogAI 评分3131 在 Heroicons 上微调 Stable Diffusion，打造无限图标库
Modal 在约 300 个 SVG 的 Heroicons 图标库上微调了一个 Stable Diffusion 模型，以生成该风格的新黑白线条图标，包括 barack-obama 和 golden-retriever 等概念的图标。完整流程——下载预训练模型、使用 HuggingFace Diffusers 的 train_text_to_image.py 脚本进行全量微调，以及提供 Gradio Web UI——都在 Modal 的无服务器 GPU 平台上运行。文章详细介绍了数据集准备（SVG 转 PNG、白色背景、caption metadata.csv），并指出全量微调效果最好，不过 LoRA 风格的并行适配器也可用于小数据集。