跳到正文
10月16日週五
  1. Comfy Blog50

    Krea 3 現已可透過 Partner Nodes 在 ComfyUI 使用

    Krea 3 現已可透過 Partner Nodes 在 ComfyUI 使用,這款 Krea 圖像模型支援以參考圖驅動生成與編輯。用戶可按上載次序引用多張圖片並指定各圖用途,也可描述要修改及保留的內容,例如改動場景、光線或構圖時保留產品標籤、形狀和材質。生成結果可作為新的起始圖繼續編輯。

  2. DEV Community54

    Krea AI 發佈 Krea 3,稱編輯速度較 Nano Banana Pro 快 4 倍

    Krea AI 發佈圖像編輯模型 Krea 3,稱每張圖片編輯需時少於 8 秒,收費 0.06 美元,速度較 Nano Banana Pro 快 4 倍。模型只修改用戶標示的圖像區域;Krea AI 另稱其速度較 GPT Image 2 快至 10 倍,成本為三分之一。文中指出,這些價格與速度數據來自 Krea AI 自行公佈的比較,沒有公開測試方法或第三方驗證。

  3. HuggingFace Daily Papers(社區熱門論文)37

    LILIE:用於視覺生成的語言資訊損失函數

    LILIE 以可逆正規化流編碼器為文字生成圖像提供融入語言資訊的損失,提升相對於純像素訓練的保真度。在 GPIC 數據集上,使用 LILIE 損失訓練的 JiT 模型將 gFD 從純像素基線的 66.84 降至 53.01,改善 14 分。其程式碼、編碼器及生成模型均已提供。

  4. HuggingFace Daily Papers(社區熱門論文)46

    MOSS-Image Technical Report

    MOSS-Image 是開放權重的擴散 Transformer,結合高保真圖像生成與意圖感知提示詞增強,生成文字豐富、版面連貫的圖像。在 LongLongTextBench 上,其文字覆蓋率平均達 96.3%;在 RealLayoutArena 端到端系統比較中排名第二,其骨幹模型在使用共用增強提示詞評估的生成器中排名第一。研究團隊表示將釋出模型、訓練方案及評估框架。

  5. DEV Community48

    提升 AI 圖像生成效果的 5 個提示詞技巧

    提升 AI 圖像生成效果的五項提示詞技巧包括先寫主體再補充情境、明確指定風格與媒介,以及描述光線和構圖。GPT Image 2 等較新模型處理圖中文字的能力較舊模型好,但仍應用引號標示指定文字,並説明字體風格。結果接近但仍不理想時,每次只調整一項變數,亦可加入排除不需要元素的負面提示。

  6. Hacker News 熱門(buzzing.cc 中文翻譯)56

    Krea 3:專為大規模編輯打造的圖像模型

    Krea 3 是面向製作流程的圖像編輯模型,主打按提示修改指定內容並保留圖像其餘部分。頁面展示區域編輯、指定 HEX 色碼、最多八張參考圖及原生 2K 輸出;與 Nano Banana Pro、GPT Image 2.5 的速度比較採用預先生成結果,並非即時基準測試。

  7. HuggingFace Daily Papers(社區熱門論文)47

    Self-Conditioning Enables Deep Sequential Reasoning in Flow Matching

    研究證明,在 Flow Matching 中加入自我條件化,可突破固定深度模型的表達能力瓶頸,令額外採樣步數轉化為更深層的視覺推理。受控實驗顯示,自我條件化 Flow Matching 在多種視覺推理任務中準確度更高、推理深度更大,且表現隨採樣步數增加而提升。理論上,加入自我條件化後,固定深度主幹模型可達到與空間有界圖靈機等同的表達能力。

10月15日週四
  1. Black Forest Labs:Blog79

    Black Forest Labs 發佈 FLUX 3 Image Klein 開放權重模型

    Black Forest Labs 發佈 FLUX 3 Image Klein,這款 5.6B 參數開放權重模型支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。

    推薦理由:FLUX 3 Image Klein的內部評測涵蓋生成、編輯及多參考任務,並列出參數規模與消費級GPU運行數據,可比較其評測表現和本地部署條件。

  2. DEV Community53

    我如何調整 AI 生成廣告尺寸而不破壞原有設計

    作者分享如何透過提示詞調整 AI 生成廣告的尺寸,同時保留已核准設計中的產品、包裝、文字和品牌視覺。她以桌面版 2880 × 1024 px 改成手機版 750 × 1108 px 為例,建議明確列出必須保留及可以調整的元素,並要求 AI 無法自然適配時説明限制。生成後仍須核對產品包裝、文字、構圖、品牌一致性及匯出尺寸,必要時可在 Canva 手動修正。

  3. Hugging Face Blog72

    FLUX.3 Image Klein 登陸 Diffusers,提供兩款開放檢查點

    FLUX.3 Image Klein 現已支援 Diffusers,可用於文生圖、多參考圖圖生圖及邊界框版面控制。兩款開放檢查點分別是預設以 16 步生成且不使用 CFG 的蒸餾版,以及使用 50 步和 CFG 的 base 版。蒸餾版生成 1024 × 1024 圖像,在單張 NVIDIA H100 80GB 上平均耗時 1.93 s;文章亦提供 LoRA 微調腳本及量化權重載入方法。

    推薦理由:文章展示了以邊界框安排生成版面及移動參考圖區域的做法,並附上 Diffusers 範例與 LoRA 微調腳本。

  4. DEV Community53

    OurBaby 開發者公開 AI 嬰兒照片生成器成本:每張 $0.0398,並説明無法預測嬰兒長相

    OurBaby 開發者公開 AI 嬰兒照片生成器的實際成本,每張生成圖像為 $0.0398,並説明工具只能生成虛構肖像,不能預測嬰兒長相。作者稱,$2.99 的 5 張照片套裝毛利率約 80% 以上;免費預覽設有每個訪客 IP 每日一次限制及全站每日支出熔斷機制。用戶照片會加密後交予模型服務商,只用於生成圖像;生成圖像存於服務商的臨時儲存空間,不存入作者的資料庫。

  5. The Verge · AI64

    名人也難以避開 AI 深偽內容侵擾

    名人 AI 深偽內容在 Instagram 等社交平台持續流傳,真實影像與偽造內容混雜,令公眾人物的肖像遭到冒用。Mia Goth 的 AI 生成假照在 Instagram 獲近 500,000 個讚,相關帳戶其後因冒充公眾人物被移除;該圖片亦曾出現在 Google 搜尋的 AI 摘要中。

  6. DEV Community42

    近乎零成本的 AI 藝術:為何元資料、封裝與追蹤只需 Python

    作者用四個獨立 Python 腳本處理 AI 藝術產品的元資料、上架追蹤、封裝及文件製作,並將一個提示詞引擎轉化為 39 件完成產品。元資料與追蹤腳本只用 Python 標準程式庫;封裝和 PDF 分別使用 Pillow、reportlab,39 件產品共輸出約 856 MB,並在配備 1 vCPU、2 GB RAM、沒有 GPU 的伺服器上完成封裝。

  7. unwire.hk · 人工智能60

    HKT.AI 正式啟用,個人版月費 $48 起、中小企版 $88 起

    香港電訊自主研發的 AI 平台 HKT.AI 正式啟用,即日起開放個人及中小企用戶訂購,月費分別由 $48 及 $88 起。平台現有超過 80 個 AI 助手,涵蓋家庭輔導、生活顧問及商業營運;個人版每月包含 4,800 AI 積分及 10GB Library,中小企版包含 8,800 積分。積分不設累積,所有助手均須連線使用,現時沒有 APP 版本。

  8. HuggingFace Daily Papers(社區熱門論文)41

    LensErase: A Foundation Model for Erase Anything

    LensErase 是一款通用的遮罩式基礎模型,旨在處理多種真實世界的影像擦除場景。研究團隊建構了包含 101.07 million 組來源影像、遮罩及目標影像配對的 LensErase-100M 數據集,並提出 Mask-Aware RoPE,將遮罩資訊直接加入來源影像 token。LensErase 在六個公開基準及 LensErase-Bench 上取得顯著提升。

  9. HuggingFace Daily Papers(社區熱門論文)38

    APT:面向文生圖的回饋驅動智能體後訓練

    APT 提出全自動智能體後訓練框架,按文生圖基礎模型不斷變化的能力,自適應調整訓練。框架協調三個智能體,按用戶需求建立評估集、診斷模型強項與失效模式,並生成着重表現較弱能力的強化學習資料及自適應提示詞分佈。多個基礎模型、基準測試及生成架構的實驗顯示,APT 不受特定模型、基準測試或架構限制,並可全自動運作。

  10. DEV Community46

    Behind the Trend: Why AI Zombie Love Story Videos Are Everywhere (and How Photo-to-Video AI Works)

    AI 喪屍愛情影片因固定的情感結構配合個人面孔而廣泛流行;三段式故事適合製作成 15 秒短片,亦方便用戶標記伴侶分享。照片轉影片流程通常包括人臉檢查、喪屍化圖像編輯、按故事節拍建立關鍵影格,再逐段生成影片並接合音訊。先提供靜態預覽、設置分段重試及預設私密分享連結,都是文中提及的產品設計要點。

  11. DEV Community52

    DREAMMMER 以無限畫布追蹤 AI 圖像生成與修訂歷程

    DREAMMMER 將 AI 圖像生成與修訂歷程放到無限畫布上,讓每項請求、提示詞、生成結果和修訂都以卡片連結至其來源。用戶可以從較早的生成結果分支,繼續編輯、移除背景、放大圖片,或交由 Agent 處理;Agent 會把自然語言描述轉成詳細英文提示詞,並可自動選擇或手動指定模型。圖片定稿後,用戶也可在同一對話中要求生成短片。

  12. DEV Community41

    為何你的素材商店有瀏覽量卻沒有銷售?(以及解釋這一切的單一指標)

    作者發現,素材平台的瀏覽量只反映曝光,應以每件素材每 100 次瀏覽帶來的銷售量衡量成效。作者曾有 2,400 次瀏覽、3 次下載,轉換率為 0.12%;描述使用場景的標題比只描述物件的標題更能帶來銷售。他建議按用途、風格、主題撰寫關鍵字,並記錄已上載檔案,避免重複提交令每件素材的銷售數據失準。

  13. Ideogram Blog62

    如何使用 Ideogram 4.5 編輯產品相片

    Ideogram 4.5 可按文字指示編輯現有產品圖片,指南以鍵盤、跑鞋和多士爐示範分步更改背景、顏色、光線及周邊擺設。文章建議每次聚焦一項修改,逐一核對產品輪廓、文字、材質和顏色;Precise Edit 亦可配合遮罩及參考圖。匯出前應檢查下載檔案的尺寸、裁切、格式及背景是否符合要求。

  14. HuggingFace Daily Papers(社區熱門論文)40

    ACEdit:以非對稱條件化穩定多輪圖片編輯

    ACEdit提出結合自我強制訓練、教師蒸餾與非對稱條件化的訓練方案,令多輪圖片編輯在累積分佈偏移下保持穩定。學生模型依序編輯自身先前輸出,教師圖像編輯模型則以原始乾淨圖片為基準,並接收複合編輯指令。實驗顯示,該方法在維持編輯品質和指令遵循度的同時,顯著減少長序列多輪編輯中的品質下降。

  15. HKT 香港電訊 · AI 平台及企業應用49

    HKT 推出自家研發 AI 平台 HKT.AI,供消費者及中小企訂閲使用,實踐「AI ON. FEAR GONE」品牌承諾

    HKT 推出自家研發 AI 平台 HKT.AI,消費者及中小企可透過訂閲使用。月費分別由 HK$48 和 HK$88 起,平台現有超過 80 個 AI 智能體,並設有個人及企業專用應用程式和智能體。平台亦提供 LLM Arena、Image Studio 和 Video Studio 等功能。

10月14日週三
  1. IT之家58

    Higgsfield 接入 OpenAI GPT-6 Astra,AI 影片生成時長上限由 1 分鐘提升至 10 分鐘

    OpenAI 宣佈與 AI 影片生成平台 Higgsfield 合作,接入 GPT-6 Astra 後,Higgsfield 的 AI 影片生成時長上限由 1 分鐘提升至 10 分鐘。Higgsfield 表示,該能力可透過創意智能體調用外部工具處理 3D 建模,維持角色、場景及視覺細節一致;其 YouTube 頻道團隊已用此流程製作超過 10 分鐘的教學影片,減少人工製作工作。

  2. OpenAI News39

    Higgsfield takes AI video from 1 minute to over 10

    Higgsfield 藉助 GPT‑6 Astra,將 AI 影片製作時長由約 1 分鐘延長至超過 10 分鐘,並以 AI 工作流程製作超過 10 分鐘的教學影片。GPT‑Image‑2.5 協助小型企業製作文字和資訊圖表更精準的宣傳內容,Codex 則讓創意團隊將構想轉為軟件原型。

  3. DEV Community47

    2026 年社交媒體圖像設計的最佳 AI 生成工具:真正重要的是甚麼

    社交媒體圖像生成工具應按用途挑選:Nano Banana 2 和 Recraft 適合製作插畫元素,Adobe Firefly 5 在文字排版圖像方面表現出色。探索概念時宜先用文字描述顏色;重視品牌準確度時,再測試 hex codes 並比較效果。選擇工具亦要考慮圖像生成如何銜接排版、文案、審核及排程,讓整體製作流程更順暢。

  4. HuggingFace Daily Papers(社區熱門論文)45

    CommerceGen-Studio: An End-to-End Framework for Commercial-Grade Main-Image Generation

    CommerceGen-Studio 以三階段流程生成商用級電商商品主圖,結合迭代式中繼資料蒸餾、版面最佳化及專用擴散模型,以維持主體保真度、商標完整性和文字準確度。框架每天生成數百萬張主圖,每張延遲數秒,並推出 CommerceGen-Bench;在兩種編輯測試中,其整體分數均高於受測開源基線,且在指令遵循和產品融合方面勝過數個閉源模型。

  5. HuggingFace Daily Papers(社區熱門論文)44

    Intern Lumina U2:用於全方位視覺理解與圖像生成的多碼本擴散大語言模型

    Intern Lumina U2 是一款採用多碼本離散視覺 token 的擴散大語言模型,將文字與圖像、影片及 3D 生成整合於單一主幹網絡,並支援圖像、影片和 3D 輸入。它在視覺理解、圖像生成及圖像編輯方面於統一模型中表現領先,並以穩定性感知取樣策略令圖像生成加速 4.45x。

  6. HuggingFace Daily Papers(社區熱門論文)42

    擴散模型的校正訓練

    擴散模型的校正模組透過修正去噪預測減少曝光偏差,提升無引導及無條件生成的樣本品質。這項方法在 DiT、SiT 和 JiT 上的表現可媲美 CFG;結合 CFG 則可進一步提升多樣性,並減少過度飽和。將修正後的預測蒸餾回基礎模型,可保留品質提升而不增加推理開銷。