ElevenLabs 发布 Dubbing v2，支持保留原始表演的多语言配音
ElevenLabs 发布 Dubbing v2，通过直接参考原始表演，将语气、节奏、情绪和表达方式迁移到 90+ 种语言中。
推荐理由：Dubbing v2将原始表演纳入配音生成并自动对齐节奏，为多语言视频本地化提供了更完整的工作流参考。
全部AIGC创作动态
全部动态
今日 2 条ElevenLabs · 音频创作精选AI 评分8282
ElevenLabs · 音频创作精选AI 评分6262 ElevenLabs推出教授语音AI支持计划与 Albert Einstein 互动学习体验
ElevenLabs推出面向教授的语音AI支持计划，并上线基于 Albert Einstein 声音与档案的互动学习体验。教授可免费使用 Pro tier，并为特定课程和项目向学生提供限时访问。Albert Einstein 的重现声音已在 ElevenReader 和 ElevenLabs Agents 中提供，支持英语、德语、法语、巴西葡萄牙语和西班牙语。
推荐理由：同时覆盖教育者获取权限与历史声音互动两端，为课堂语音工具的接入方式和学习体验设计提供了可参考案例。
Google DeepMind精选AI 评分8383 Google DeepMind 将 Street View 接入 Project Genie，推出真实地点世界模拟能力
Google DeepMind 为实验性原型 Project Genie 推出 Street View grounding capability，让生成的互动环境以真实地点的 Street View 影像为起点。
推荐理由：文章展示了世界模型接入真实地点影像后的交互方式，并交代了实验性原型、地区范围与订阅门槛。
Google DeepMindAI 评分4747 Gemini for Science：面向发现新时代的 AI 实验与工具
Google DeepMind 推出 Gemini for Science，包含 Google Labs 的三款实验工具与 Google Antigravity 的 Science Skills。三款工具支持假设生成、代码变体测试和科学文献分析，相关实验将逐步开放，可在 labs.google/science 注册。
ElevenLabs · 音频创作AI 评分5353 ElevenLabs扩大在澳大利亚和新西兰的业务布局
ElevenLabs宣布扩大在澳大利亚和新西兰的运营，计划在未来一年将当地团队规模扩大至原来的三倍，并增设销售和前线部署工程岗位。两地已有超过750,000名用户使用其技术，相关企业通过ElevenAgents开展外呼、客户预筛选和养老陪伴等应用。
ElevenLabs · 音频创作精选AI 评分7676 ElevenLabs 发布音乐发现与创作平台 ElevenMusic
ElevenLabs 发布 AI 音乐发现与创作平台 ElevenMusic，将听歌、重混、原创创作、发布和变现连接在一起。平台上线时已有超过 4,000 名独立及新兴艺术家参与，用户可调整曲风和速度重混曲目，也可从歌词、旋律或情绪创作完整曲目。ElevenMusic 同步推出 Eleven Album Vol. 2，并已开放 App 和网页版使用；创作者收益取决于听众参与度、资格门槛和平台收入。
推荐理由：ElevenMusic把音乐发现、重混、原创创作与发布变现放在同一平台，呈现了面向创作者和听众的参与式音乐工作流。
ElevenLabs · 音频创作精选AI 评分6767 ElevenLabs推出本地部署方案，支持 On-Premise 与 On-Device
ElevenLabs宣布支持 On-Premise 和 On-Device 部署，将语音 AI 扩展到云端和 VPC 之外。On-Premise 与 On-Device 目前处于 early access，首批版本预计在 2026 年上半年推出；VPC 部署现已可用，并支持自定义声音和针对语言或方言的微调。
推荐理由：材料清晰区分了 On-Premise、On-Device 与 VPC 的部署边界，便于企业按数据驻留和离线推理需求选择方案。
Diffusers · Releases精选AI 评分6262 Diffusers 0.37.0 发布：模块化 Diffusers 与多款图像视频管线
Hugging Face 发布 Diffusers 0.37.0，引入 Modular Diffusers，用可复用模块组合自定义扩散管线，与原有 DiffusionPipeline 并存。
推荐理由：Diffusers 0.37.0 的模块化管线与新增图像视频模型清单，可供选型与工作流搭建时对照参考。
ElevenLabs · 音频创作AI 评分5353 ElevenLabs推出面向政府部门的ElevenLabs for Government
ElevenLabs正式推出面向政府部门的ElevenLabs for Government，提供覆盖语音和数字渠道的多语言语音与聊天智能体服务。正文列出福利、许可、税务办理和危机热线等场景，并称捷克智能体日均处理约5,000通电话、独立解决约85%；德州Midland部署预计每月减少约7,000个漏接电话。
World Labs · 空间智能与世界模型精选AI 评分8686 World Labs 发布 World API，将文本和视频生成可探索 3D 世界
World Labs 发布 World API，调用 Marble 多模态世界模型，可从文本、图像、全景、多视图输入和视频生成可导航的 3D 世界。生成结果支持浏览器渲染、导出到下游工具，或集成进互动系统与模拟流程。World API 已通过 World Labs Platform 提供，平台支持管理 API keys、查看用量与计费、购买 credits 及访问文档。
推荐理由：World API 将多种视觉与文本输入转为可探索 3D 世界，并提供渲染、导出和应用集成入口，可用于评估空间内容生成工作流。
ElevenLabs · 音频创作精选AI 评分6767 ElevenLabs 发布由 Eleven Music 驱动的《The Eleven Album》
ElevenLabs 发布《The Eleven Album》，由 Liza Minnelli、Art Garfunkel 等艺术家与 Eleven Music 共同创作原创音乐，涵盖说唱、流行、R&B、EDM、电影配乐和全球音乐等风格。Eleven Music 可根据简单提示生成完整作品，并支持调整歌词、时序和乐器，以及下载最多六条录音室质量分轨。专辑现已上线。
推荐理由：发布既展示了 Eleven Music 在音乐创作中的具体工作流，也交代了原创、商用授权和分轨下载等面向制作环节的能力。
ElevenLabs · 音频创作精选AI 评分6868 MasterClass借助 ElevenLabs 让 AI 导师实现实时语音互动
MasterClass通过 ElevenLabs Text to Speech 为 Gordon Ramsay、Mark Cuban 和 Chris Voss 等 AI 导师提供实时语音对话。上线首年超过75%的 On Call 用户通过语音互动，双方还建立了涵盖红队测试、内容审核和人工复核的安全质量框架，并探索 AI roleplay 与 ElevenLabs Agents Platform。
推荐理由：案例呈现了语音质量、低延迟、联合训练与多层安全审核如何共同支撑品牌化 AI 导师的实时交互。
ElevenLabs · 音频创作精选AI 评分7878 ElevenLabs 发布语音转录模型 Scribe v2
ElevenLabs 发布 Scribe v2，面向批量转录、字幕和听写场景，强化了长音频、停顿、语气变化、长静音及多说话人和口音的处理。Scribe v2 支持最多 100 个关键词或短语提示、最多 56 类实体检测及精确时间戳，并能自动转录单个音频文件中的多种语言。
推荐理由：Scribe v2针对长音频、多语言和复杂说话场景优化，并结合关键词提示与实体时间戳，适合评估批量转录和审片工作流。
Diffusers · Releases精选AI 评分6262 Diffusers 0.36.0 发布：新增多条图像与视频管线、TaylorSeer 缓存和 kernels 注意力后端
Hugging Face 的 Diffusers 发布 0.36.0，新增多条图像与视频管线，包括 Black Forest Labs 的 Flux2、6B 参数的 Z-Image、支持多图参考的 QwenImage Edit Plus、Bria FIBO、Kandinsky 5.0 Image Lite 和把图像编辑重构为视频生成任务的 ChronoEdit。
推荐理由：Diffusers 0.36.0 一次性接入 Flux2、Z-Image、HunyuanVideo 1.5 等新管线并新增缓存与注意力后端，可据此判断生成工作流的升级路径。
Replicate · 模型与制作实践精选AI 评分6666 Retro Diffusion 四款像素艺术模型上线 Replicate
Retro Diffusion 的 rd-fast、rd-plus、rd-tile 和 rd-animation 四款像素艺术模型现已可在 Replicate 上运行，面向游戏素材、角色精灵、瓦片和复古图形生成。模型支持多种风格预设，部分模型支持自定义尺寸、输入图像、调色板图像、背景移除和无缝平铺；其中 rd-animation 用于生成具有一致构图的动画精灵或精灵表。
推荐理由：四款模型分别覆盖快速生成、高质量图像、瓦片集和动画精灵，读者可据此按游戏素材类型选择像素艺术生成工作流。
ElevenLabs · 音频创作精选AI 评分8585 ElevenLabs 发布 Image & Video（Beta），整合图像、视频与音频创作
ElevenLabs 发布 Image & Video（Beta），将图像、视频和音频创作整合到同一平台工作流中。用户可调用 Veo、Sora、Kling、Wan、Seedance 等模型生成视频，也可使用 Nanobanana、Flux Kontext、GPT Image 和 Seedream 生成图像，并在 Studio 中完成配音、音乐、音效、口型同步、时间线调整和导出。
推荐理由：将图像、视频生成与配音、音乐、音效及时间线编辑放进同一工作流，便于评估一站式多模态创作的实际覆盖范围。
ElevenLabs · 音频创作AI 评分2121 Harvey 与 ElevenLabs 合作，为法律行业打造全球多语言语音能力
Harvey 与 ElevenLabs 合作，为法律行业打造全球多语言语音能力，使 Harvey 能以数十种语言、方言或口音自然交流。首阶段将支持 Harvey 几乎以任何语言或方言朗读回答，能力由 ElevenLabs 的 Text to Speech 和 Speech to Text 驱动；后续将加入多语言语音翻译、voice mode、口头庭审模拟和语调定制。
ElevenLabs · 音频创作精选AI 评分6767 ElevenLabs 与 Sir Michael Caine 合作推出 Iconic Marketplace
ElevenLabs 与 Sir Michael Caine 合作，并推出 Iconic Marketplace，为公司申请使用知名人才参与项目和内容提供双边平台。平台目前已有超过 25 种标志性声音，并与包括 CMG Worldwide 在内的机构合作，强调授权、同意和创作真实性。
推荐理由：该平台把名人声音合作放在授权、同意与创作真实性框架下，为品牌和工作室评估 AI 音频商业化与版权流程提供了具体案例。
Replicate · 模型与制作实践精选AI 评分6565 Replicate上线Datalab Marker与OCR文档解析模型
Replicate上线Datalab的Marker与OCR模型，可将PDF、DOCX、PPTX和图像解析为Markdown或JSON。Marker支持表格、数学公式、代码、图像提取及按JSON Schema提取字段；OCR支持90种语言，并返回阅读顺序和表格网格。
推荐理由：这次接入同时给出结构化抽取、处理速度、基准对比与计价，便于评估文档解析和 OCR 工作流的落地成本。
Diffusers · ReleasesAI 评分5050 Diffusers v0.35.2-patch 修复 transformers 模型与导入问题
Diffusers 发布 v0.35.2-patch，修复初始化 transformers 模型时的 offload_state_dict 处理，以及 TRANSFORMERS_FLAX_WEIGHTS_NAME 导入问题。该版本还加入 PyTorch 2.3.1 兼容性版本检查，并修复 wan 和 ltx 的 scale_shift_factor 位于 CPU 的问题。
Replicate · 模型与制作实践精选AI 评分7373 Replicate 为 torch.compile 编译产物增加缓存，模型冷启动提速 2–3 倍
Replicate 开始缓存 PyTorch 模型的 torch.compile 编译产物，以减少模型容器启动时的编译开销，black-forest-labs/flux-kontext-dev、prunaai/flux-schnell 和 prunaai/flux.1-dev-lora 的启动速度提升 2–3 倍。
推荐理由：Replicate的缓存机制针对torch.compile首次编译开销，给出了多个模型冷启动时间变化，可用于评估部署优化收益。
Replicate · 模型与制作实践精选AI 评分7676 Replicate 发布远程 MCP server，支持通过自然语言探索和运行 HTTP APIs
Replicate 发布托管远程 MCP server，可接入 Claude Desktop、Claude Code、Cursor 和 VS Code，通过聊天式自然语言探索并运行 Replicate 的 HTTP APIs。
推荐理由：它展示了 Replicate 的模型检索、比较和运行如何接入 Claude、Cursor 等工具，并通过远程认证与响应过滤落地 MCP 工作流。
Replicate · 模型与制作实践精选AI 评分7575 Replicate 联合 Pruna AI 发布优化版 Wan 2.2 视频模型
Replicate 与 Pruna AI 合作发布优化版 Wan 2.2，FAST 文生视频和图生视频 480p 每条 0.05 美元、720p 每条 0.10 美元，推理时间约 30 秒。未优化的图生视频 480p 每条 0.40 美元、720p 每条 1.00 美元，可通过 Replicate API 调用。Replicate 称未来几天将发布更多与 Pruna 的优化版本。
推荐理由：Replicate 与 Pruna AI 优化的 Wan 2.2 给出了按条计费的视频生成价格与推理耗时，可据此评估低成本视频试错方案。
Replicate · 模型与制作实践精选AI 评分6969 Replicate 上线 Bria 商业安全视觉 AI 模型套件
Replicate 与 Bria 合作，将 Bria 的视觉 AI 模型套件上线平台，包含基于授权数据训练的 Bria 3.2 文生图模型。套件还提供移除背景、局部重绘、增加分辨率、扩展画布和背景生成等功能；Bria 表示其模型使用来自 Getty Images、Envato、Freepik 等来源的 100% licensed data。
推荐理由：读者可据此了解一组覆盖生成、抠图、局部重绘与扩图的视觉工具，以及其面向企业场景强调的授权数据与合规边界。
Diffusers · Releases精选AI 评分8787 Diffusers 0.34.0 发布，新增 Wan VACE 等视频与图像生成 pipeline
Hugging Face Diffusers 发布 0.34.0，新增 Wan VACE、Cosmos Predict2 等视频与图像生成 pipeline，并改善 torch.compile 支持。
推荐理由：该版本同时覆盖可控视频生成与低显存部署，读者可据此评估 Wan VACE 等 pipeline 的控制能力和 torch.compile、量化、卸载组合。
Replicate · 模型与制作实践精选AI 评分6868 Replicate上线 OpenAI 最新聊天、视觉与推理模型
Replicate现已支持运行 OpenAI 的 GPT-4.1、GPT-4o 和 o-series 等聊天、视觉与推理模型。GPT-4.1系列支持最长 1 million tokens 的上下文，GPT-4o系列处理文本、图像和音频，o-series面向数学、科学与复杂问题的结构化推理。
推荐理由：材料按上下文、模态、推理任务和成本速度列出模型差异，并给出 Replicate 网页界面与 API 的操作入口。
Replicate · 模型与制作实践AI 评分4242 Hugging Face 上 3 万多个 LoRA 可通过 Replicate 直接运行
Hugging Face 上的 3 万多个 LoRA 现可直接在 Hub 上通过 Replicate 运行推理。用户选择支持的 LoRA 模型并将 Replicate 设为推理提供方后，请求会被路由到 Replicate 的 black-forest-labs/flux-dev-lora 模型，LoRA 以 lora_weights 参数动态传入，无需为每个 LoRA 单独托管模型。
Replicate · 模型与制作实践精选AI 评分6767 Replicate 提供 MiniMax Speech-02 语音模型 API
Replicate 提供 MiniMax Speech-02-HD 和 Speech-02-Turbo 的 API，可用于多语言文本转语音、情感控制和语音克隆。两款模型支持超过 30 种语言和口音，语音克隆需要至少 10 秒音频；Turbo 按 $30 per million characters 计费，HD 按 $50 per million characters 计费，克隆声音每个收费 $3。
推荐理由：文章并列说明 Speech-02-HD 与 Speech-02-Turbo 的定位、语音克隆条件和价格，便于评估不同实时语音场景的接入成本。
Replicate · 模型与制作实践精选AI 评分7070 Easel AI 两款模型上线 Replicate，支持全身换脸与 AI avatars
Easel AI 的全身换脸和 AI avatars 两款模型现已在 Replicate 提供，可通过网页或 API 调用。全身换脸可在单张图中替换一或两人并保留服装、光线和图像风格；AI avatars 只需单个提示词即可生成一或两人的头像，无需训练或 LoRAs。
推荐理由：这次接入同时覆盖全身换脸与免训练头像生成，能帮助开发者比较单人和多人场景的接入方式及 API 使用路径。
Diffusers · Releases精选AI 评分8888 Diffusers 0.33.0 发布，新增 Wan2.1 视频管线与多项显存优化
Diffusers 发布 0.33.0，新增 Wan2.1、LTX Video 0.9.5、Hunyuan Image to Video 等视频管线，以及 SANA-Sprint、Lumina2 和 OmniGen 等图像生成管线。该版本加入层级权重转换、分组卸载、远程 VAE、缓存推理和 Quanto 量化，并支持 LoRA 热插拔与管线 dtype map。
推荐理由：Diffusers 0.33.0 将 Wan2.1、LTX Video 0.9.5 等视频管线与层级卸载、缓存推理和量化能力整合到同一版本，便于评估生成工作流的显存与速度取舍。
Diffusers · ReleasesAI 评分2222 Diffusers v0.32.2 发布：修复 Flux 与 Hunyuan Video 加载问题
Diffusers 发布 v0.32.2 补丁版本，修复了 Flux 加载 Comfy UI 格式单文件 checkpoint 的回归问题，并支持将 LoRA 加载进 bitsandbytes 4bit 量化的 Flux 模型。
Diffusers · Releases精选AI 评分9191 Diffusers 0.32.0 发布：新增视频与图像生成管线、量化后端及训练脚本
Diffusers 0.32.0 发布，新增 Mochi-1、Allegro、LTXVideo 和 HunyuanVideo 视频生成管线，以及多组图像生成管线。该版本还加入 TorchAO、GGUF 量化后端和 Flux、SANA、Hunyuan Video 等训练脚本。Sana-0.6B 可部署在 16GB laptop GPU 上，并在不到 1 秒内生成 1024×1024 图像。
推荐理由：该版本把 Mochi-1、Allegro、LTXVideo 和 HunyuanVideo 接入统一库，并补充量化后端与训练脚本，便于比较开放视频模型的使用与微调路径。
Replicate · 模型与制作实践精选AI 评分6262 Replicate 让 FLUX 微调推理提速，并支持从 Hugging Face、Civitai 加载 LoRA
Replicate 宣布 FLUX 微调推理大幅提速，微调模型运行速度已与基础模型相同：FLUX.1 [schnell] 在 512x512、4 步下为 0.6 秒（P50），FLUX.1 [dev] 在 1024x1024、28 步下为 2.8 秒（P50）。
推荐理由：Replicate 公布了 FLUX 微调推理的加速数据与开源优化路径，可据此判断自建或托管微调服务的成本与质量取舍。
Replicate · 模型与制作实践精选AI 评分6262 Ideogram v2 局部重绘功能上线 Replicate API
Ideogram 为 Ideogram v2 推出局部重绘功能，Replicate 同步将该模型接入自家 API，提供 ideogram-ai/ideogram-v2 与 ideogram-ai/ideogram-v2-turbo 两个版本，前者图像质量更好、后者速度更快。
推荐理由：Replicate 接入 Ideogram v2 局部重绘，并给出提示词写法与开源 demo，可作图像编辑工作流的选型参考。
Replicate · 模型与制作实践精选AI 评分8181 Replicate 提升 FLUX 生成速度并开源优化代码
Replicate 宣布 FLUX 在其平台上的端到端生成速度提升，并将相关优化代码开源。在美国西海岸使用 Python 客户端测试时，FLUX.1 [schnell] 在 512x512、4 steps 下为 0.29 秒，1024x1024、4 steps 下为 0.72 秒；FLUX.1 [dev] 在 1024x1024、28 steps 下为 3.03 秒。
推荐理由：文中给出的端到端测速和可关闭的优化开关，为比较 FLUX 在不同分辨率与步数下的速度、质量和部署取舍提供了具体依据。
Replicate · 模型与制作实践精选AI 评分7373 Replicate Intelligence #11：Replicate 支持微调 FLUX.1，汇总数字人、可控视频与可玩游戏世界项目
Replicate 宣布支持在平台上用自有图片微调 FLUX.1 图像生成模型，用户可上传 12-20 张多样图片并设置触发词，约 30 分钟生成定制模型。
推荐理由：这期内容给出 FLUX.1 微调所需的图片数量与耗时，并串联数字人、可控视频和可玩游戏世界案例，便于比较不同生成工作流。
Replicate · 模型与制作实践精选AI 评分7070 Replicate 支持 FLUX.1 [dev] 图像到图像转换
Replicate 宣布 FLUX.1 [dev] 支持图像到图像转换，用户可上传起始图像、输入提示词，并通过 prompt strength 调整二者的影响比例。该功能适合风格迁移和构图控制，但从彩色图像生成黑白线稿仍较困难；周报还介绍了 Streamlit 与 Replicate 的应用开发教程，以及用于 Minecraft 开放世界探索的 Odyssey 智能体框架。
推荐理由：文章同时给出 FLUX.1 [dev] 图像到图像的使用方式与局限，并串联 Streamlit 应用开发和开放世界智能体研究，便于了解近期开源实践方向。
Replicate · 模型与制作实践精选AI 评分8787 FLUX.1 开源图像生成模型上线 Replicate API
Black Forest Labs 开发的 FLUX.1 开源图像生成模型已在 Replicate 提供，可通过浏览器或一行代码调用。模型分为 FLUX.1 [pro]、[dev] 和 [schnell]，分别面向高性能、非商业应用和本地开发；文中列出的单图价格为 $0.055、$0.030 和 0.003。
推荐理由：文章并列介绍 FLUX.1 的三种版本、适用场景与单图价格，便于比较云端调用、非商业应用和本地开发的选择。