一個公開的 AI 製作角色：Claudia，十支 Claude 音樂影片的主唱
一個名為 Claudia 的公開角色，是 AI 製作的流行歌手，留著黑色鮑伯頭、帶黏土橘色挑染，在 2026 年 9 月至 11 月間主演十支以 Claude 製作的音樂影片。這次發布公開了她的每一張圖像、這些影片，以及自行重現她所需的一切。這些影片是以 Midjourney 提示詞、Seedance 2.5 片段和 Suno v6 歌曲製作而成。
#图像生成
Hacker News · AIAI 評分4040 Hacker News · AIAI 評分2020 Image to Image AI：瀏覽器端 AI 相片編輯器，可依提示詞重繪照片
Image to Image AI 是一款瀏覽器端相片編輯器與圖像轉圖像生成器，能依自然語言提示詞重繪上傳的照片，並提供前後對照滑桿比較與預設私密處理。網站收錄的範例使用 gpt-image-2，包括人像背景替換、白底產品照、物件移除，以及照片轉卡通或鉛筆素描。新用戶註冊可獲得 2 個免費額度，購買的額度永不過期。
Hacker News · AIAI 評分2222 AI 房間設計工具提供 2 次免費試用設計，只需一張房間照片
一款 AI 室內設計工具能將你自己房間的照片轉換成六種風格的重新設計概念，涵蓋已擺設房間的重新設計，以及空房的虛擬佈置。新用戶登入後可獲得 2 次免費試用設計，試用額度 30 天後到期；付費的一次性方案從 9.99 美元 60 個設計起（每個約 0.17 美元），購買的額度永不過期。設計是 AI 生成的概念，而非經測量的平面圖，因此施工前應核實家具尺寸與結構。
Hacker News · AIAI 評分2222 生成藝術與 AI 的衝突
一位生成藝術家描述自己發現有人用 LLM 以驚人的準確度重現了他的演算法，這引出一個問題：當任何人只要花 20 美元的 LLM 訂閱費就能複製他的作品集時，還剩下什麼優勢？他提到藝術家 Mannay 花了一年時間做一個專案，卻看到它被 Sonnet「在 20 分鐘內 vibe code」出來，並闡明自己的界線：寫程式就是藝術，所以他的作品由他本人創作，而非代理。
Hacker News · AIAI 評分6868 World Labs 向所有人開放 Atlas 世界模型
World Labs 已向所有人開放其新一代世界模型 Atlas，讓使用者能生成並重建可探索的 3D 世界。Atlas Build 可從照片或生成的圖像開始，由 Viewfinder 重建場景並允許相機移動，而 Chisel 則勾勒出場景結構並更新每個相機視圖。世界可從 splats 轉換為具有真實幾何結構的網格，以供遊戲、模擬、Blender 及其他 3D 工具使用，Atlas 的各項能力也可透過開發者 API 取得。
Hacker News · AIAI 評分4040 AxiomStory：一個讓角色與世界在文字、圖像和影片間保持一致的 AI 故事工作室
AxiomStory 是一個新的 AI 故事工作室，它會閱讀手稿的每一章並標記連續性錯誤，例如某個角色的眼睛顏色在不同章節之間發生變化。它會為每個角色和地點建立一個 wiki 頁面，並在生成的圖片和影片中，為每個角色重複使用同一個經核准的外觀和聲音。免費方案提供約 30,000 字的 AI 協助；付費方案每月從 16 美元到 160 美元不等。
TechCrunch · AIAI 評分3838 Phota Labs 推出 iOS 應用程式，將日常照片變成專業級影像
Phota Labs 推出一款免費 iOS 應用程式，透過個人 AI 照片助理，將日常快照轉化為專業級影像，同時保留拍攝對象的真實外貌。這家由前 Adobe 計算攝影團隊成員 Cecilia Zhang 與 Zach Xia 創立、獲 a16z 投資的新創公司，自行打造身分模型，確保編輯不會改變臉部，並在經 AI 修改的照片中加入隱形浮水印。該公司去年完成 560 萬美元種子輪募資，並計劃推出 Android 應用程式。
vLLM Blog精選AI 評分6464 vLLM-Omni 在 Vera Rubin 上對 MiniMax H3-Image 進行基準測試：0.87 秒生成 4K 影像，每小時 6,115 張影像
vLLM-Omni 將 MiniMax H3-Image 帶到 NVIDIA Vera Rubin，並測得在四張 GPU 上進行原生 4096×4096 文字轉圖像的中位延遲為 0.87 秒，另在獨立吞吐配置下達到每小時 6,115 張影像。H3-Image 是一個開放權重的文字轉圖像與編輯模型，結合 Qwen3-VL 編碼器、33.1B 稠密 DiT 與影像 VAE，以六個取樣步驟處理這兩項任務，並支援最多 16 張參考影像。團隊報告了 MXFP8 DiT GEMM、Ulysses SP4、AdaLN 快取，以及一項將解碼時間從 2.635 秒縮短至 0.213 秒的 VAE 解碼變更，並列出 AMD、Intel、華為昇騰與摩爾線程硬體的配置方案。
推薦理由：vLLM-Omni 的基準測試顯示 MiniMax H3-Image 在 Vera Rubin 上以不到一秒的 4K 延遲運行，並附有各硬體配置與服務經濟性的成本模型。
Recraft BlogAI 評分4242 MiniMax H3 Image、Highspeed 與 Lite 登陸 Recraft Studio
MiniMax 的 H3 系列本週從影片延伸，H3 Image、H3 Image Highspeed、H3 Highspeed 與 H3 Lite 現已在 Recraft Studio 上線。兩款圖像模型以 2K 或 4K 生成與編輯，兩款影片模型則以 480p 或 768p 產出 4–15 秒、帶聲音的片段。H3 Image 每張圖起價 6 credits，H3 Lite 每秒影片起價 4 credits。
The Verge · AIAI 評分3838 Adobe 發表 AI 實驗，能將照片變成 3D 場景，還能讓你訪問角色
Adobe 在其年度 Max 大會上發表了實驗性 AI 工具，包括可透過對話指導 AI 角色的 Project Screen Test、可將平面圖像轉為可導覽 3D 場景的 Project Sight Span，以及在方形音效畫布上混音的 Project Sound Bender。Project Rinse Repeat 則使用原生 Photoshop 工具複製編輯，並套用到同一張照片中的其他主體。這些「sneaks」是技術預覽，最終可能登上 Creative Cloud 或 Firefly，但不保證會推出。
MiniMax Blog精選AI 評分7575 MiniMax 發布 H3-Image，一款可在 10 秒內生成 4K 影像的開放權重模型
MiniMax 發布 H3-Image，這是一款建構於 H3 的開放權重影像生成模型，支援文字轉影像、基於參考的生成與影像編輯，且能在 10 秒內產出 4096 × 4096 的影像。該公司表示它最多可處理 16 張參考影像，並宣稱在開放權重模型中擁有最先進的提示詞遵循能力，同時回報速度最高可達主流替代方案的 5 倍。H3-Image 可透過 MiniMax API Platform、MiniMax Code 與 Hailuo AI 使用，定價為同類產品的 50–70%，上市首週 4K 及以上請求享 5 折優惠。
推薦理由：MiniMax 發布開放權重的 H3-Image，宣稱可在 10 秒內生成 4K 影像，且定價為同類主流產品的 50–70%，為開發者提供高解析度影像工作的新開放選項。
Recraft BlogAI 評分2929 Recraft 推出 Vectorizer Pro，實現更乾淨的 SVG 向量化
Recraft 發布 Vectorizer Pro，這是一款可將 PNG、JPG 和 WebP 圖像轉換為更乾淨 SVG 的向量化工具，自 2026 年 10 月 29 日起，所有方案的使用者皆可在 Recraft Studio 中使用。它能讓直線筆畫保持筆直且間距均勻，保留尖銳的圖示尖端與轉角，並將曲線繪製為一氣呵成的乾淨線條，減少在 Figma 或 Illustrator 中的後續清理工作。扁平插畫、標誌、圖示和線稿受益最大，而紋理複雜的來源圖像可能仍需先進行簡化。
Recraft BlogAI 評分3434 2026 年最佳 AI 圖示生成器：7 款工具比較
在對七款工具進行比較後，Recraft 被評為 2026 年最佳 AI 圖示生成器；該比較以五個圖示的風格一致性測試與原生 SVG 匯出進行評分。Recraft 在各字符間維持了筆畫粗細與圓角半徑，並可匯出可編輯的 SVG；Canva 僅部分通過，而 Adobe Firefly 與 Midjourney 兩項檢查均未通過，且僅輸出點陣圖。
Recraft BlogAI 評分5858 Recraft 指南：12 個有效的文字提示照片編輯，以及會失敗的措辭
Recraft 發布了一份指南，內含十二個可直接複製的文字提示，用於圖生圖模型上的照片編輯，建立在一個兩行模式之上：一行「變更」指明物件、其位置與結果，加上一行「保留」鎖定臉部、印刷標籤、取景與光線。該指南指出，移除物件、重新上色、重新打光或替換服裝等局部編輯，比風格重塑或天氣替換更能保留身分特徵；而當提示堆疊多項變更、改寫印刷字體，或要求新的臉部或身體比例時就會失敗。它建議生成兩到三個變體，以 100% 縮放檢查，並用一個只指明該區域的後續提示來修正一處殘留錯誤。
Recraft BlogAI 評分2222 2026 年最佳 AI 迷因產生器：7 款工具比較
七款 AI 迷因產生器——Imgflip、Canva、Supermeme.ai、Recraft、Kapwing、ChatGPT 與 Magic Hour——以相同的三份迷因需求，針對免費方案、浮水印、範本、字幕呈現、匯出尺寸與 API 進行測試。比較結果顯示沒有通用的贏家：Imgflip 在經典範本上勝出，Supermeme.ai 擅長從想法到字幕，Recraft 與 ChatGPT 擅長原創圖片，Kapwing 擅長影片與 GIF，而當迷因必須配合版面時則選 Canva。
Recraft BlogAI 評分2222 2026 年最佳 AI 貼圖生成器：7 款工具比較
Recraft 是製作刀模輪廓、透明 PNG 與 SVG 的最佳 AI 貼圖生成器，且全都在同一畫布完成；Canva 則較適合在同一編輯器中製作貼圖組與下單印刷。七款工具於 2026 年 11 月 9 日依五項印刷標準評分，只有 Recraft、Kittl 與 Canva Print 提供真正的裁切線或印刷貼圖組途徑。Firefly、Ideogram、Leonardo AI 與 ChatGPT 則在較窄的用途上勝出，例如照片轉貼圖或聊天貼圖包。
Recraft BlogAI 評分3838 2026 年最佳 AI 角色生成器：Recraft、Midjourney、Gemini、ChatGPT 等對比
一項針對七款 AI 角色生成器的比較，依姿勢一致性、參考圖像、風格控制、匯出格式與免費方案評分，結果顯示沒有單一最佳工具能適用於所有需求。Recraft 在讓同一角色跨姿勢保持一致、可重複使用的風格與 SVG 向量匯出方面領先；Midjourney 則在單幀外觀上勝出，但沒有免費方案，Basic 方案為每月 10 美元。Gemini 與 ChatGPT 適合在對話中反覆調整角色，而 Recraft、Gemini、ChatGPT、Leonardo、Ideogram 與 OpenArt 都提供免費或每週額度方案。
inclusionAI RepositoriesAI 評分5252 Inclusion AI 的 IDM 在生成器自身的 EMA 特徵空間中進行匹配，加速一步與兩步文字生成圖像
Inclusion AI 與學術合作者發布 IDM，一種結合內部分佈匹配與生成器自身 EMA 特徵空間中矩匹配的蒸餾方法，無需外部特徵編碼器。在 2 NFE 下，IDM（Z-Image）在 LongText-CN 上得分 94.25%，在 LongText-EN 上得分 90.20%；全參數 IDM（Z-Image）在單張 A100 上以 BF16 運行，1 NFE 耗時 0.25 秒，2 NFE 耗時 0.30 秒。同一個訓練好的檢查點同時支援 1-NFE 與 2-NFE 取樣，程式碼以 Apache 2.0 授權釋出，檢查點則標示為即將推出。
Apple Machine Learning ResearchAI 評分3434 GHARP：基於大規模重建先驗的即時高斯頭部動畫
Apple 研究人員提出 GHARP，該方法可從少量輸入影像加上驅動表情訊號，即時為 3D 人頭製作動畫，並將任務拆分為離線身分階段與輕量執行期動畫階段。身體對齊網路消除了身體姿態與衣著帶來的歧義，GHARP 在 Ava-256 基準上達到最先進的品質，同時在 A100 GPU 上執行速度最高快 13 倍，高斯數量少 8 倍。
Apple Machine Learning ResearchAI 評分2626 TEAL：適用於低預算語意分割的 Token 空間高效主動學習
Apple 研究人員（與 University of Waterloo 合作）提出 TEAL，這是首個建構於凍結 ViT 表徵之上的像素級主動學習框架，透過兩級 MaxHerding 策略直接在原生 token 晶格上選取多樣化候選，並以基於 margin 的不確定性進行精煉。在每張影像僅標註一個像素的情況下，TEAL 在 CamVid、Cityscapes、ADE20K 與 Pascal Context 上相較最強基線最高提升 +24.36 mIoU，僅用 10 px 即達到全監督效能的最高 97%。
Modal BlogAI 評分4040 Modal 如何運用評估與推論時運算擴展來生成可掃描的 QArt 碼
Modal 運用評估與推論時運算擴展來改進其 QArt 碼系統，將 QR 掃描率提升至其 95% 的服務水準目標，同時改善美學品質，並在 p95 下於 20 秒內回傳程式碼。此項工作遵循標準的機器學習做法：收集人類判斷、與之對齊，然後擴展，解決了「在我提示下有效」的落差，該落差導致許多生成的 QR 碼無法掃描。
Modal BlogAI 評分5858 Modal 展示如何將 FLUX.1-dev 的執行速度提升三倍
Modal 工程師說明如何讓 Black Forest Labs 的 FLUX.1-dev 以自動擴展服務形式運行，速度約提升三倍，將 1024x1024 影像的生成時間從約 6.75 秒縮短至不到三秒。標準最佳化，即搭配 max-autotune 的 Torch 編譯器、融合 QKV 注意力與 channels-last 記憶體佈局，帶來約 1.5 倍提升；而來自 ParaAttention 儲存庫、基於 TEACache 論文的 First Block Caching，在閾值 0.12 下再增加 2 倍。編譯快取與 Modal Memory Snapshots 將冷啟動延遲降低 30 倍。
Modal BlogAI 評分2525 OpenArt 如何藉助 Modal 在數百個 GPU 上擴展其生成式 AI 藝術平台
OpenArt 將其專有的 ComfyUI 工作流程部署在 Modal 上，將部署時間從在 AWS 和 GCP 上所需的數小時縮短至數分鐘，並可自動擴展至數百個 GPU 容器。Modal 目前為該平台上的 100 多個工作流程提供支援，該平台每月活躍用戶超過 300 萬。
Modal BlogAI 評分3131 在 Heroicons 上微調 Stable Diffusion 以打造無限圖示庫
Modal 在約 300 個 SVG 的 Heroicons 圖示庫上微調了一個 Stable Diffusion 模型，以生成該風格的新黑白線條圖示，包括 barack-obama 和 golden-retriever 等概念的圖示。完整流程——下載預訓練模型、使用 HuggingFace Diffusers 的 train_text_to_image.py 腳本進行完整微調，以及提供 Gradio 網頁介面——都在 Modal 的無伺服器 GPU 平台上執行。文章詳細說明了資料集準備（SVG 轉 PNG、白色背景、標註檔 metadata.csv），並指出完整微調效果最好，不過 LoRA 式的平行適配器也可用於小型資料集。