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。
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。
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 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。
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 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。
World Labs 发布 Marble 有限访问测试版，用户可在 marble.worldlabs.ai 用图像或文本提示生成可自由探索的 3D 世界，官方称无时间限制、无变形、无一致性问题。
推荐理由：World Labs 首次开放 Marble 有限测试，可据此判断图像或文本生成可持久导航 3D 世界在创作流程中的可用边界。
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。
Hugging Face 发布 Diffusers 0.35.0，新增 Wan 2.2、Flux-Kontext、Qwen-Image 和 Qwen-Image-Edit 等图像与视频管线。版本加入 Regional compilation，称可将编译时间减少 8–10x，并支持加速设备直接加载管线、分片并行加载和 GGUF CUDA kernels，后者预计带来约 10% 的推理速度提升。
推荐理由：该版本同时覆盖新图像与视频管线、编译和加载优化，可帮助开发者比较模型接入方式与推理部署路径。
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 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 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。
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。
Black Forest Labs 推出图像编辑模型 FLUX.1 Kontext，Replicate 已上线 [pro] 与 [max] 两个版本，开放权重的 [dev] 版本即将发布。
推荐理由：梳理了 FLUX.1 Kontext 三个版本的开放方式与提示词写法，可据此判断图像编辑的选型与可控编辑流程。
Google DeepMind 的最新旗舰图像模型 Imagen 4 现可在 Replicate 上运行，目前为预览版，行为与功能可能变化，需求高时可能出现排队。
推荐理由：Replicate 上线 Google Imagen 4 预览版，读者可据此了解其文字渲染与细节表现及接入方式。
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。
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。
Ideogram 发布文生图模型 3.0 版本，在真实感、风格控制和版式生成上有较大改进，并分为 Turbo、Balanced、Quality 三个档位，均已上线 Replicate。Turbo 适合快速迭代，Quality 追求最高保真，Balanced 居中。该版本支持用参考图做风格迁移，并宣称在人工评测的 ELO 打分中于真实感、对齐度和多样性上高于其他图像生成模型。
推荐理由：Ideogram 3.0 三个档位在文字渲染、版式与风格参考上的分工，可供设计营销类图像选型参考。
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。
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 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。
Replicate 已将 Musubi Tuner 适配到平台，支持用户用自有视觉内容微调 HunyuanVideo 视频模型。文章提供从视频切片与字幕生成、LoRA 训练到浏览器或 API 调用的流程，默认训练通常需要约 5-10 分钟。
推荐理由：文章把视频微调拆成数据准备、训练和调用四步，并给出训练时长与参数调节建议，适合评估自定义视觉风格和运动效果的落地路径。
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 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 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。
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 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 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 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。