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。
#视频
#视频
今日 0 条Diffusers · Releases精选AI 评分6262
ByteDance Seed · 视觉生成与编辑精选AI 评分8787 字节 Seedance 2.0 正式发布，支持四种模态输入与音视频联合生成
字节跳动 Seed 团队正式发布新一代视频创作模型 Seedance 2.0，采用统一的多模态音视频联合生成架构，支持文字、图片、音频、视频四种模态输入，可同时输入多达 9 张图片、3 段视频、3 段音频及自然语言指令。
推荐理由：官方给出多模态参考、视频编辑与双声道音频的能力边界和失败项，可据此判断其在电商与影视流程中的可用位置。
ByteDance Seed · 视觉生成与编辑精选AI 评分8282 字节 Seedance 1.5 pro 音视频创作模型正式发布
字节 Seed 团队正式发布新一代音视频创作模型 Seedance 1.5 pro，支持文本到音视频合成与图像引导的音视频生成，已上线即梦AI和豆包。模型采用基于 MMDiT 的统一音视频联合生成框架，实现口型、语调与表演节奏的音画同步，原生支持中文、英文、日文、韩语、西班牙语、印尼语及四川话、粤语等方言。
推荐理由：官方披露了音视频联合生成的架构与评测细节，可据此判断音画同步能力在短剧、广告等场景的可用边界。
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。
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。
Replicate · 模型与制作实践精选AI 评分8484 Veo 3.1 提示词编写指南：参考生视频与首尾帧控制
Replicate 介绍 Veo 3.1 的提示词编写方法，以及参考生视频、首尾帧生视频和增强图生视频功能。参考生视频最多接收三张图片并结合文本生成连贯场景，其余端点提供耗时低于 60 秒、价格约为标准版本一半的快速生成选项。
推荐理由：文章把镜头构图、焦段、风格和运动等提示词要素，与参考图、首尾帧及快速版本的使用场景对应起来，便于设计可控的视频生成流程。
Diffusers · Releases精选AI 评分9090 Diffusers 0.35.0 发布，新增 Qwen Image、Flux Kontext 和 Wan 2.2 管线
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 · 模型与制作实践精选AI 评分6060 如何用图像提示 Veo 3：Replicate 实测风格保持与文字动画
Replicate 发布 Veo 3 图像输入的使用技巧，实测显示模型能在动画中保持输入图的画风、滤镜和调色，并让文字在复杂背景中保持清晰可读。输入图始终作为视频首帧，可用提示词只动画局部元素、其余保持静止，也可先用 Ideogram 3.0 生成特定风格图再交给 Veo 3 做动作与运镜，从而把风格控制交给图像模型。
推荐理由：Replicate 实测了 Veo 3 图像输入在风格保持、文字动画和局部动画上的表现，可据此调整参考图加提示词的创作流程。
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AI 评分5252 Replicate 对比各家 AI 视频模型的价格与能力
Replicate 发布 AI 视频模型对比，列出 Google Veo 3、字节 Seedance 1、MiniMax Hailuo 02、快手 Kling 2.1。
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。
ByteDance Seed · 视觉生成与编辑精选AI 评分8686 字节跳动 Seed 发布 Seedance 1.0 视频生成模型并公开技术报告
字节跳动 Seed 团队发布视频生成基础模型 Seedance 1.0，支持文字与图片输入，可生成多镜头无缝切换的 1080p 视频，并已公开技术报告。官方称在第三方评测榜单 Artificial Analysis 的文生视频、图生视频两个任务上均位居首位，5 秒 1080p 视频在 L20 上实测推理耗时 41.4 秒。模型已通过即梦、豆包及火山引擎 API 开放使用，技术报告可在项目主页查看。
推荐理由：官方技术报告披露了多镜头叙事、统一任务框架与推理加速的具体设计，可供视频生成选型与创作流程参考。
Replicate · 模型与制作实践精选AI 评分6060 Replicate 发布 Veo 3 提示词指南：如何写出最佳效果
Replicate 发布 Veo 3 提示词指南，建议在提示词中明确主体、场景、动作、风格、镜头运动、构图与氛围，并单独描述对白、环境音、音效和音乐。文中指出 Veo 3 对同一提示词多次生成结果高度相似，想探索不同效果应改用差异较大的提示词；保持角色描述逐字一致可提升跨场景视觉连续性。
推荐理由：Replicate 基于实测给出 Veo 3 的提示词结构、音频与角色一致性写法，可迁移到视频生成工作流。
Replicate · 模型与制作实践精选AI 评分7979 Google Veo 3 使用指南：从原生音频到镜头提示词
Replicate介绍 Google Veo 3 的视频生成能力，并分享一套涵盖镜头构图、焦段效果、风格和运镜的提示词方法。文章还展示了对话与口型同步、视频游戏世界等案例，并给出冰柱特写示例提示词。
推荐理由：文章整理了 Veo 3 的镜头构图、焦段、风格与运镜提示词，并结合对话、口型同步和游戏世界生成案例，便于复用其视频创作流程。
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。
Replicate · 模型与制作实践精选AI 评分7777 Wan 2.1 如何制作风格化视频
Wan 2.1 支持从文本或图像生成视频，并可通过 LoRA 进行风格迁移。Replicate 提供了 480p 和 720p 的文本生视频模型，以及使用预制权重或自有图片训练风格 LoRA 的流程；自定义训练至少需要 25 张图片和一个 trigger_word。
推荐理由：材料展示了使用预制 LoRA 和自有图片训练风格 LoRA 的 Wan 2.1 视频工作流，包含可复用的输入与训练步骤。
Replicate · 模型与制作实践AI 评分5757 Replicate 汇总数字人、光剑效果与 LoRA 创作实践
Replicate 发布创作案例汇总，介绍 ShieldGemma 2、Hunyuan3D 2Mini、CSM-1B、Orpheus-3B、Luma 和 Kling v1.6 Pro 等模型与社区实验。
Replicate · 模型与制作实践精选AI 评分8080 Replicate 接入 Wan2.1，提供 API 生成 480p 和 720p 视频
Replicate 为 Wan2.1 提供可扩展云端 API，支持 480p/720p 文本生视频与图像生视频。14B 模型在 Replicate 上生成 5s 视频，480p 约需 39s、720p 约需 150s；另有面向消费级 GPU 的 1.3B 模型。文章还介绍了 guide_scale、shift 和 steps 等可调参数。
推荐理由：文章同时给出 Wan2.1 的文本生视频与图像生视频 API 入口、分辨率和参数设置，便于按实验速度与输出分辨率选择模型版本。
Replicate · 模型与制作实践精选AI 评分6969 WAN2.1 14b 文生视频模型参数扫描：guide scale 与 shift 如何影响画面
Replicate 对 Alibaba 的 WAN2.1 14b 文生视频模型进行参数扫描，测试 720p 输出中 guide scale 与 shift 对生成效果的影响。
推荐理由：这组参数扫描把 guide scale 与 shift 对 WAN2.1 14b 720p 视频输出的影响拆开，提供可复用的调参区间和观察依据。
Replicate · 模型与制作实践精选AI 评分8787 Replicate 支持微调开源视频模型 HunyuanVideo
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。
Replicate · 模型与制作实践AI 评分3838 如何用 Replicate playground 生成短视频
Replicate playground 提供一套生成 AI 短视频的工作流：先用 datacte/flux-aesthetic-anime 等图像模型生成起始图，再用 minimax/video-01-live 以首帧图加提示词生成视频，最后用 zsxkib/mmaudio 模型按提示词配音。
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6666 AI 视频正迎来自己的 Stable Diffusion 时刻
Replicate 作者 fofr 认为，Sora 让外界看到视频模型的可能性却无法使用，如今一批质量接近 Sora 的模型已经可用，AI 视频正经历类似 Stable Diffusion 的爆发。
推荐理由：梳理了 Sora 之后一批视频模型的 ELO、速度、时长与开源情况，便于按质量、成本和可微调性做选型比较。
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。