技术方向
AI 画图与修图：文生图模型更新、图像编辑能力与创作工具。
84 条精选近 30 天 75 条共收录 100 条
国内AI艺人正沿AI短剧衍生和原生艺人两条路径，通过独立账号、品牌共创与线下演出探索商业化，但仍未形成可复制、可持续的盈利模式。方桃子截至10月22日拥有55.8万抖音粉丝，单条商单报价一度达25.8万元/60秒，但报价并非真实成交价，首条美瞳广告下架后团队称将暂时拒绝商务合作。Yuri尤栗、吴爱花等已有品牌合作，但大众影响力、持续内容产出、运营成本，以及广告真实性、版权和授权机制仍制约收入兑现。
推荐理由：文章借方桃子的报价与广告合作案例，拆解粉丝数、名义报价和关联商品销售额不能直接代表AI艺人盈利能力。
Meshy、VAST与影眸半年内融资超80亿元，资本正押注AI 3D从模型生成走向可编辑、可复用并接入生产流程。Meshy于9月宣布ARR突破1亿美元，VAST和影眸的ARR也达到上千万美元；产品侧出现Meshy Edit、Tripo P2.0、Hyper3D Agentic Mode和开源实时渲染器EdenLive。
推荐理由：文章并置三家公司的融资、ARR和产品路线，对照资本热度背后的编辑能力、工作流延伸与差异化商业场景。
Canva 发布首款图像生成模型 Canva Craft，通过两阶段流程生成最高 2K、30 种宽高比的图像。它先规划元素空间关系、相对尺度、视觉层级和文字信息，再生成图像；模型使用 Canva 的人工设计模板训练，输出可经 Canva Magic 转为分层设计，并支持不影响其他区域的精确编辑。
推荐理由：Canva Craft 先规划元素关系再生成图像，文章拆解了其模板训练、文字可读性、局部编辑和分层设计转换机制。
ModelCompare 对 12 个文本 AI 模型各提问 3 次，35 个回答中有 29 个认为人类把归属、身份或地位置于真相与原则之上。7 个模型每次都给出这一观点，4 个模型给出过不同答案，Grok 4.7 有 1 次拒答；另测 6 个图像模型各生成 2 张图，12 张中有 10 张围绕沉迷手机、消费与地球展开。全部 60 次调用成本为 $1.54。
推荐理由：文章以 12 个文本模型和 6 个图像模型的对照测试，呈现模型在争议性观点上的共同模式，以及图文输出在主题选择上的差异。
Laika CEO、Wildwood 导演 Travis Knight 表示，生成式 AI 与工作室依靠艺术家完成创作的核心理念相悖。他区分辅助创作的技术与代替艺术家生成作品的机制，认为承载失恋、失落等经验的真人故事需要由人讲述。同时，他承认 AI 在医学和科学领域可能带来巨大收益，但担忧其社会破坏力并主张由人负责任地管理。
推荐理由：文章以 Wildwood 的五年制作过程为背景，对照生成式 AI 所追求的即时进步，呈现 Laika 对艺术家主导创作的坚持。
AI短剧免费广告分账平台的万播收益已从去年下半年30至100元降至今年5至10元，跌幅近90%。文章认为，制作成本上升、平台取消保底收购、内容同质化及大平台对IP、工具、流量和结算的控制共同挤压利润。DataEye称今年上半年98.7%的AI微短剧项目无法回本，仅1.3%的幸存团队主要转向B端品牌定制，或通过小游戏CPS、网文充值和私域电商变现。
推荐理由：文章拆解了算力、投流与分账三重成本变化，并以数据说明平台规则如何挤压制作方利润，同时给出B端定制和后端变现两类路径。
AI艺人正通过短剧、生活内容、广告和平台自营探索变现，方桃子的广告模式已跑通，但绝大多数角色仍接不到商单。其《被裁掉的女孩》单平台播放量突破2亿，账号截至发稿前有55.8万粉丝，不同时长视频广告报价为16.8万元至25.8万元，首单美瞳广告却因体验真实性争议下架。
推荐理由：文章对比明星数字分身、平台自营和制作公司签约三条路径，拆解授权、运营与广告边界带来的成本和风险。
Adobe 宣布 Lightroom 移动版（iOS、iPadOS 和 Android）上线 Open Eyes 功能，当检测到人像闭眼时会显示快速操作图标，通过生成式 AI 一键替换为睁开的眼睛，并参考用户 Lightroom 图库中该人物其他照片的眼睛颜色、大小和形状以保持一致。免费版用户可使用两次，之后会提示订阅包含更多 AI 工具额度的 Adobe Creative Cloud 套餐。
推荐理由：原文在介绍新功能的同时对比了旧版 Photoshop Elements 替眼方案，并标明免费用户的使用次数，便于读者判断这次一键睁眼的实际可用性。
TextRIRO 通过真实图像扰动构造自配对训练数据，并基于条件扩散模型完成场景文本编辑。Shuffle&Crop 在破坏文本语义的同时保留关键风格线索，使模型在真实场景基准上提升准确性与视觉真实性，并缓解合成到真实的域差距。团队还构建了用于长文本识别的 TextRIRO-3M，训练识别模型后显著提高识别准确率，代码已公开。
推荐理由：将字符列打乱与图像裁剪组合成自配对训练数据，为减少场景文本编辑对合成数据的依赖提供了可复用路径。
论文提出 StreamingSwap，一种基于流匹配的实时视频换脸框架，在单张 NVIDIA RTX 4090 GPU 上实现稳定 20 FPS 生成。
推荐理由：论文将身份重建损失、空间 token 缩减和短上下文训练组合到实时换脸流程中，并报告单卡 RTX 4090 上稳定 20 FPS、最长 10 分钟视频的实验结果。
SpecKCast 提出无需训练的扩散模型推理加速方法，以 2D DCT 分解输出，并用逐频带 Kalman 滤波和自适应步长调度预测跳步结果。在 FLUX.1-dev、Qwen-Image、Wan2.1-14B 和 HunyuanVideo 上，该方法最高实现 6x 加速，额外内存低于 0.05 GiB，较现有缓存和预测方法呈现更好的加速与保真度权衡。
推荐理由：论文将频域分带 Kalman 预测与不确定性触发的自适应跳步结合，为扩散模型缓存优化提供了一种可迁移的方法。
SWIFT 提出一种自引导训练方法，利用冻结的弱去噪器将回归目标沿远离其预测的方向外推，以改进更强的扩散模型且不增加推理开销。弱引导器可采用训练早期检查点，主模型训练无需反向传播，之后可将其丢弃。
推荐理由：论文给出目标外推机制、理论证明及 CIFAR-10 和 ImageNet-256 实验，可用于比较弱到强扩散模型的训练效率。
MT Forcing 提出一种基于自回归扩散的多轮图像编辑训练范式，面向统一多模态模型，结合单轮分布匹配蒸馏和教师强制引导。Single-Turn DMD 以单轮累积编辑教师指导学生自主生成，减少递归误差累积；Teacher-Forcing Guidance 在预热和蒸馏阶段约束依赖历史的转场，以保持跨轮内容一致。实验显示，该方法提升了视觉质量稳定性和跨轮一致性。
推荐理由：论文把多轮编辑中的质量退化与内容漂移拆成两类问题，并给出对应训练机制，便于理解统一多模态模型的稳定性改进路径。
Black Forest Labs 发布 5.6B 参数开源文生图模型 FLUX 3 Image Klein，支持原生 4K 生成、多参考图与像素级编辑，配套 FP8、INT8 和 NVFP4 版本。
推荐理由：正文给出 5.6B 参数模型与更大闭源及开源版本的评测对比，并列出从 8GB 显存到 RTX 5090 的推理时间，读者可据此评估本地部署门槛。
LayerEditor 将指令引导的图像编辑与可控的 RGBA 图层生成统一建模，在单一 token 序列中表示编辑画布和有序图层。其 In-Context RGB-Alpha Token Modeling 支持语义编辑与单图层内容控制，Compositional Edit-Prior Distortion 将编辑先验迁移到编辑画布及预测图层合成图像。
推荐理由：论文将指令图像编辑与可复用 RGBA 图层生成统一建模，并构建配对数据集和专项基准，便于对照分层编辑方案。
RPO（Routing Policy Optimization）把注意力路由作为随机探索动作引入扩散生成器，使其在不改变原始确定性采样器的前提下完成在线强化学习对齐。
推荐理由：原文给出相比 Flow-GRPO 类方法近 4 倍的训练效率提升和完整的路由机制描述，便于与 rollout 扰动类扩散 RL 方法做对比。
OpenMOSS-Team 发布 MOSS-Image 技术报告，提出一个 5B 单流 DiT 开源文生图模型，结合意图感知的智能体 Prompt 增强模块，用于生成包含长文本与复杂版式的图像。
推荐理由：原文给出了 5B DiT 的训练配方与两个新评测基准，读者可据此复现或在长文本排版任务上横向对比现有开源模型。
MTEdit 提出基于打包轨迹画布的多轮图像编辑数据集生成方法，包含 50 万条最多 8 轮、平均 5.38 轮的编辑轨迹，并同步推出 MTEdit-Bench 基准，用于评估指令遵循、内容一致性与视觉漂移等能力。
推荐理由：原文给出多轮图像编辑的数据集、基准与训练方法，对评估编辑模型的多轮一致性和视觉漂移有参考价值。
Krea 发布图像模型 Krea 3，定位为面向大规模编辑场景。该帖在 Hacker News 获得 324 分、105 条评论。
LensErase 是一个 mask-based Erase Anything 基础模型，覆盖物体、视觉文本、水印、多物体移除及不同尺度、宽高比与分辨率的真实擦除场景。
推荐理由：原文同时发布模型、1.01 亿配对样本数据集和评测基准，可作为图像擦除任务的复现起点。