跳到正文

#图像生成

今日 0 条
10月8日周四
  1. Hacker News · AI 最新79

    Anshu Chimala:如何把 AI 变成世界级设计师

    Lenny's Newsletter 转发 Anshu Chimala 的长文,系统讲解如何用 AI 智能体做出非同质化的设计。核心方法包括用随机字符串做灵感种子(String Seed of Thought)、让独立的设计评审子智能体反复打分迭代,以及接入图像与视频生成模型补充细节,最后强调做减法比做加法更重要。

    推荐理由:文章把 AI 设计拆成探索、定义与交付三阶段,给出随机字符串种子、设计评审子智能体和图像视频生成等可直接复用的 Prompt。

10月7日周三
  1. 量子位42

    Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50,为榜单唯一 AI 3D 公司

    Meshy 入选 a16z 首份“消费级 AI 应用月收入 Top 50”榜单,位列第 31 名,成为榜单上唯一一家 AI 3D 公司。该榜单依据 YipitData 追踪的美国消费者银行卡消费数据发布,显示消费者持续为专业化创意工具付费。Meshy 的年度经常性收入(ARR)已突破 1 亿美元,并于 2026 年 7 月完成近 4 亿美元 B 轮融资。

  2. TechCrunch · AI33

    前 Ramp 工程师为 AI 广告平台 Melius 融资 2000 万美元,此前曾砍掉首款产品

    由前 Ramp 工程师创立的 AI 广告生成平台 Melius 融资 2500 万美元,CRV 领投 2000 万美元 A 轮。公司最初做 AI 效果营销工具,六个多月后砍掉全部代码转型,现定位为面向创意工作的"agents lab"。该公司称 7 月走出隐身后两个月内年化收入突破 100 万美元,竞争对手包括估值 54 亿美元的 Higgsfield。

  3. Hacker News · AI 最新66

    Show HN:Pixellect,免费原生 macOS Photoshop 克隆版,内置 AI agent harness

    开发者 terhechte 发布免费的原生 macOS 图像编辑器 Pixellect,内置可让模型远程控制应用的 AI agent harness。编辑器支持缩放时保持质量的文字与矢量画布、丰富的图层类型与效果,并使用本地模型完成选区等操作。其 agent harness 可让模型代你用图层、效果和画笔构建文档,相比典型生成式流程更便于修改、隐藏与缩放元素。

10月6日周二
  1. TechCrunch · AI41

    Pinterest 的 AI 现在可将美妆 Pin 转化为行动计划

    Pinterest 推出 AI 新功能「Beauty Guides」,将美妆 Pin 转化为可带去沙龙的行动计划。该功能由 Pinterest Intelligence 驱动,把 Pin 翻译成发型师常用术语(如 balayage、root melt),并介绍所需时间、价格区间与保养要求。用户点击“Get the Guide”按钮即可查看,初期支持发型、发色、甲形及美甲效果类 Pin。

  2. Hacker News · AI 最新64

    新 AI 工具可从 fMRI 脑扫描重建你正在看的图像

    魏茨曼科学研究所 Michal Irani 团队开发的 AI 脑解码工具,能通过高分辨率 fMRI 扫描重建人所看到的图像,也能根据图像预测脑活动。该工具用双分支解码器分别预测图像结构与内容,再由扩散模型生成重建结果,并配合一个可从图像预测脑活动的编码器联合训练,约 70% 训练数据来自未与 fMRI 配对的图像。

  3. TechCrunch · AI66

    OpenAI 推出展示在 ChatGPT 图片生成结果旁的视觉广告

    OpenAI 为 ChatGPT 广告产品线新增视觉展示广告,广告会出现在用户要求 ChatGPT 生成的图片旁边。新广告将于本月晚些时候在美国上线,初期面向一批测试广告主,公司称广告会明确标注且不影响 ChatGPT 的回答。OpenAI 还扩充了广告衡量工具与合作伙伴生态,并与 DoubleVerify、Integral Ad Science 推进品牌适宜性评估试点。

    推荐理由:新广告会出现在用户生成的图片旁并明确标注,读者可据此判断这一变化对免费用户体验和订阅转化的影响。

10月5日周一
  1. The Verge · AI55

    OpenAI 将在 ChatGPT 测试视觉广告

    OpenAI 宣布本月晚些时候在美国测试 ChatGPT 的视觉广告格式,用户生成图片时会出现赞助商品和服务的图片。该广告与生成的图片分开,不会影响 ChatGPT 的回答,Plus、Pro、Enterprise 订阅用户不会看到广告。OpenAI 于 2 月首次在 ChatGPT 引入广告,此前只显示公司名称、标志和产品链接。

  2. 极客公园62

    AI,为什么总在画美女?

    AI 图像生成之所以总以美女为默认值,是因为生成模型从数据分布中心取样,天然倾向平均脸,而平均脸恰好符合人类审美。用户的点击与商业激励不断强化这一倾向,Civitai 的 NSFW 图片占比已从 2023 年 1 月的 41% 升至 2024 年 12 月的 80%。文章还指出,即便 PickScore 这类打分员剔除了明显的 NSFW 数据,用它微调的模型仍会生成更多 NSFW 内容。

10月3日周六
  1. MiniMax · 官方新闻79

    MiniMax 发布全模态生成模型 H3

    MiniMax 正式发布通用全模态生成模型 H3,支持多模态上下文统一理解,可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色,2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重,以推动开源社区发展。

    推荐理由:MiniMax 发布全模态生成模型 H3,支持 15s 2K 原生双声道音视频,计划开放权重,为多模态创作提供了新的高性价比选项。

10月2日周五
  1. The Decoder68

    Black Forest Labs 发布 Flux 3 Image,支持多步编辑且不改动图像其余部分

    Black Forest Labs 发布 Flux 3 系列的图像模型 Flux 3 Image,支持多步编辑而不改变图像其他区域,覆盖 text-to-image、image-to-image、文本渲染与照片级真实感。

    推荐理由:原文列出了 Flux 3 Image 的多步编辑能力、授权方式与开放权重计划,便于与 Ideogram 4.5 等同类编辑模型对照选择。

  2. TechCrunch · AI68

    ChatGPT 推出虚拟试穿与商品收藏功能

    OpenAI 宣布面向全球用户推出两项 ChatGPT 购物功能:虚拟试穿与商品收藏(Favorites)。虚拟试穿基于新发布的 ChatGPT Images 2.5 模型,用户上传自拍或全身照后,可通过购物结果中的 try on 按钮查看服装或配饰的上身效果;Favorites 则把商品保存到应用内的 Library,与试穿图片放在一起管理。报道同时指出 Google 去年已推出虚拟试穿功能。

    推荐理由:原文对照 Google 去年推出的虚拟试穿和 Pinterest 的时尚发现生态,帮助读者判断 ChatGPT 购物功能的竞争位置。

  3. The Decoder57

    Ideogram 4.5 发布:可编辑图像局部而不破坏其余部分

    Ideogram 发布新模型 Ideogram 4.5,主打编辑图像局部时保持其余部分不变,公司称它只改动用户指定区域,早期测试者反馈多次编辑后一致性较强。模型提供每张 0.8 至 22 美分的四个质量档,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 与 Leonardo AI,开放权重版本即将推出。

9月29日周二
  1. 极客公园47

    三个月,5000 人:拼多多在雄安搭起一座新业务基地

    拼多多在雄安三个多月组建起超 5000 人的团队,建成一座连接平台治理、数据生产与制造业商家的大型后台业务基地。该团队承担算法标注、模型标注与平台治理职能,已推出 106 项专项治理举措。其进入用户测试阶段的「试衣镜」项目通过视觉标注数据生成更真实的服装上身展示,旨在提升商品转化率并降低退货率。

9月26日周六
9月23日周三
  1. 科普中国 · 阿虚同学30

    阿里云「AI 设计原生力」工作坊与 Skills 现场回顾

    9月23日,阿里云智能设计中心「AI 设计原生力」Agentic Design 工作坊在云栖大会落地,围绕 AI 影像、Vibe Designing、Agent 产品设计与体验度量,探讨人与 Agent 协作的设计新范式。工作坊指出设计师价值正转向规则定义、系统构建与质量判断,现场展区还呈现 12 项覆盖界面生成、视觉规范与体验度量等环节的设计 Skills。

9月22日周二
9月10日周四
  1. 翔宇工作流41

    8W赞带货视频,我用阿里 WaClaw 1分钟复刻出来了

    作者体验阿里旗下电商 Agent WaClaw,只需上传原视频与产品图即可一键复刻高赞带货视频。该工具内置多套换装与种草视频生成 Skill,可一键产出符合规范的淘宝主图、亚马逊 A+ 图等全品类电商物料。其“品牌 DNA”参考集支持一次建立永久调用,并自动沉淀创作记忆,覆盖从选品到出单的内容全链路。

9月8日周二
8月31日周一
  1. 翔宇工作流61

    Lovart 全新升级,中文版上线并新增灵感采集、Pinterest 连接与一键矢量化

    Lovart 全新升级,国内中文版在 lovart.art 正式上线,支持国内直连。平台内置数以百计的专业设计 Skill 并支持导入开源 Skill,新增 Chrome 灵感采集插件、Pinterest 连接器和「参考图万能风格复刻」Skill,可批量收藏灵感、解析参考图直接生成海报。此外还支持输出动图、视频、PPT、网页,并新增图片一键转矢量化,导入 Illustrator 后路径干净无锯齿。

7月30日周四
7月20日周一
  1. 科普中国 · 阿虚同学38

    诸器皆往,唯心抵远——2026 D20 阿里云分论坛开场视频创作分享

    阿里云设计中心与安克创新在 2026 D20 全球院长峰会阿里云 VIBE DESIGN 分论坛上联合出品 AIGC 创意影片《初心的旅程》。影片以一位设计师的成长为主线,串联手绘、数字软件、云计算与 AI 协同四个时代,并基于阿里一站式 AI 视频生成平台"万镜一刻"完成创作。现场借助 8 台 Nebula Cosmos 4K SE 投影与主屏幕实时联动,呈现裸眼 3D 沉浸式体验。

7月8日周三
6月8日周一
5月18日周一
  1. Google DeepMind66

    Project Genie 上线 Street View 真实地点锚定能力并向 Google AI Ultra 用户开放

    Google DeepMind 为实验性世界模型原型 Project Genie 上线 Street View 锚定能力,并即日起向全球符合条件的 Google AI Ultra($200,18 岁以上)订阅者逐步开放。

    推荐理由:官方讲清了 Street View 锚定如何把世界模型从虚拟训练环境扩展到真实地点模拟,读者可据此判断其对具身智能训练的价值。

4月30日周四
  1. X58

    GPT Image 2 书籍内页排版提示词分享,可将图片直接转为出版级内页

    作者分享了一个基于 GPT Image 2 的完整中文提示词,能把普通图片直接生成专业书籍内页排版。提示词会先分析图片内容与书籍属性,再自动规划标题、图像分析、标注、局部放大、方法总结等板块,适用于摄影教材、视觉构成教材、建筑空间分析、艺术作品集等场景,可在 ChatGPT 和 Codex 等支持 GPT Image 2 的平台直接复制使用。

4月28日周二
4月21日周二
  1. OpenAI News64

    OpenAI 发布 ChatGPT Images 2.0

    OpenAI 发布 ChatGPT Images 2.0,改进文字渲染、多语言支持和视觉推理能力;页面同时引导查看 Images 2.5 的新内容。

    推荐理由:原文列出文字渲染、多语言和视觉推理三项改进,可据此判断 Images 2.0 相对上一代的能力变化。

4月10日周五
3月24日周二
  1. Fragmented · AI Developer Podcast42

    图像扩散模型如何工作:20 分钟详解

    Fragmented 播客第 308 期用 20 分钟讲解了图像扩散模型的工作原理。节目从米开朗基罗与 Stable Diffusion 的关联切入,说明图像生成与已有文本模型的共通之处。内容还涉及 VAE、Stable Diffusion 背后的 Latent Diffusion Models 论文,以及 LAION-5B 和 WebLI 等图像训练数据集。

3月2日周一
  1. AIGC Weekly74

    AIGC Weekly #160:Claude Code 补齐三项更新,谷歌发布 Nano Banana 2

    Anthropic 上周为 Claude Code 发布自动记忆、远程跨设备对话与定时任务三项更新,基本补齐与 OpenClaw 的差距。其中 CLAUDE.md 管规则、Memory 管经验,Remote Control 则让会话始终运行在本机,可用手机或浏览器远程接管。

    推荐理由:文章梳理了 Claude Code 补齐 OpenClaw 差距的三项更新,并基于上手体验给出 Nano Banana 2 在质量、速度与成本上的取舍判断。

2月27日周五