Canva 發布 Craft:首款內部影像生成模型
Canva 推出 Craft,其首款內部影像生成模型。 - 訓練方式:由 Canva Research 以數以百萬的設計模板訓練,重點非照片。
Canva 推出 Craft,其首款內部影像生成模型。 - 訓練方式:由 Canva Research 以數以百萬的設計模板訓練,重點非照片。
Canva Craft 是 Canva 推出的首款 AI 影像生成模型,採用雙階段架構先規劃設計再生成影像。 - 解析度:最高可達 2K。
導語:Canva 推出首款影像生成模型 Canva Craft,採用雙階段流程可生成 2K 解析度、30 種長寬比的影像,並支援精確圖層編輯。 - 核心技術:先生成佈局計畫,再生成影像,確保物件細節與文字可讀。
TEAL(Token-space Efficient Active Learning)提出一套以 Vision Transformer(ViT)表徵為基礎的畫素級主動學習框架,能在每張影像只有極少標註畫素時,挑選資訊量高的位置並訓練解碼器。
summary_zh: 作者提供一份實用指南,說明如何利用擴散模型與多模態代理進行 AI 影像生成,並示範從畫素藝術到商業海報的實際應用。 - 模型與成本: - Stable Diffusion 可在配備約 7GB GPU 的遊戲 PC 上執行。
summary_zh: AI 進展在過去 30 個月內以指數速度加速,從 GPT‑4 時期的 4 分鐘任務到 2026 年 4 月的 17 小時工作量,且成本已降至每題 0.04 美分。
導語: Adobe Lightroom Mobile 現已推出「Open Eyes」快速動作,使用者只需點選即可在照片中開啟閉眼人物的眼睛。 - 核心功能:利用生成式 AI 自動將閉眼處理為開眼,並且根據同一人物的其他照片調整光照與姿勢。
Amazon SageMaker JumpStart 於 2026 年上半年已新增 100+ 模型,涵蓋多模態、創意與高效模型,並提供一鍵部署與 Hugging Face 深度連結,顯著降低模型上線成本。
summary_zh: 我在 15 週內重新閱讀 175 款 AI 工具的使用條款,發現 60%(105/175) 的工具至少改變一次,影響創作者是否能合法商業化其輸出。
FLUX 3 Image Klein 以 5.6B 引數推出,支援多參考生成、4K 原生輸出與畫素級編輯。 - 多參考:可同時使用多達 10 張參考影像。
Krea 3 透過合作節點已在 ComfyUI 上線,提供參考驅動的影像生成與編輯。 - 核心特性:可從多張參考圖指定「保持」與「變更」元素,支援多次快速迭代。
FLUX 3 Image Klein 是 Black Forest Labs 釋出的 5.6B 引數開源影像模型,支援 4K 原生輸出與畫素精準編輯,並能在 8GB VRAM 的消費級 GPU 上以 9 秒內生成影像。
Krea 3 是一款針對大規模影像編輯設計的模型,速度比 Nano Banana Pro 快 4 倍,且每張影像成本為 0 美元。 - 速度:每次編輯不到 0 秒,平均 8 秒/編輯,遠快於 Nano Banana Pro(26.8 秒)與 GPT Image 2.5(39.9 秒)。
影片由我使用 Grok Imagine 的文字轉圖工具生成的一張圖創作而成。 所有其他鏡頭皆由該基礎圖衍生,並由 Grok Imagine 動畫化。
導語:White Circle 的 RISE 攻擊方法證明 OpenAI 與 Google 最新 AI 影像生成模型易被利用產生不當內容,顯示安全防護仍有缺口。
Gemini 4 Argon 已在 Gemini API 上線,並可於 $100/月訂閱方案使用。 - 定價:Argon 目前 $2/百萬輸入、$10/百萬輸出,12 月起將調升至 $4/百萬輸入、$20/百萬輸出,與 Claude Opus 5.5 同價。
Microsoft MAI-Image 2.6 與 MAI-Image 2.6-Flash 現已上線於 AI Gateway,使用者可透過單鍵 API 以一個金鑰生成或編輯影像。
Unsloth AI 推出可瀏覽、影像生成與加速訓練功能,讓本地模型即時查詢網頁並以 8 步完成影像創作。 - 瀏覽器使用:模型可在聊天框內開啟、閱讀、點選、輸入並滾動,支援本地模型與 API 提供者。
推薦理由:Unsloth AI 推出可瀏覽、影像生成與加速訓練功能,讓本地模型即時查詢網頁並以 8 步完成影像創作,對開發者提升工作流程效率具有實際價值。
尼康宣佈其「Small World in Motion」競賽第一名的影片因使用生成式 AI 被取消資格,並將更新規則以避免類似情況再次發生。 - 影片原由 Dr. Ning Xu 製作,使用 AI 進行後處理。 - 影片已被移除,新的第一名是 Nguyen Nam Nhat 的作品。 - 尼康表示將審查並修訂比賽規則,強調不影響參賽者專業聲譽。
SpaceX 宣佈將為任何任務選擇最佳後端模型,涵蓋 Claude Opus 5.5、MidJourney、Suno 等領先 API。
Melius 是一個 AI 平臺,專門生成廣告活動、圖片和影片。 - 於 2026 年 10 月宣佈完成 $25 million 融資,其中 $20 million 為 Series A,由 CRV 主導,另外 $5 million 為種子輪,由 General Catalyst 主導。
導語:Google 發布了 Nano Banana 2.1,提供更高畫質、降低成本的影像生成與編輯功能。 - 核心特性:使用 Gemini 3.6 Flash,支援 1K、2K、4K,最多一次處理 14 張參考圖,保持 4 個角色與 10 個物件一致。
Pyramid‑JiT 是一種無 VAE 的畫素空間文本到影像模型,透過多解析度預測顯著縮減訓練樣本與 GPU 時間。 - 訓練樣本:比 Linum v2 少 11.3 倍,僅 138M。
ChatGPT 生成的假《紐約客》漫畫被偽造真實漫畫家署名,導致版權與身份認證問題。 - 事件概述:ChatGPT 產生的單幅漫畫被貼上超過 15 位《紐約客》漫畫家的真實署名。
ChatGPT 造假漫畫家簽名引發侵權爭議,Claude Opus 5.5 代理人發現兩種室溫磁性半導體,Beam 501B 展示強大 RL 工程實力。 - ChatGPT 透過過擬合偽造漫畫家簽名,導致公眾憤怒與法律爭議。
Rho-1 是 Reka AI 發布的 19 引數億的全能模型,能在單一神經網路中處理文字、影像、影片和機器人控制。 - 多模態整合:同時處理四種模態,無需工具呼叫。
summary_zh: Ideogram 4.5 已於 Higgsfield 正式上線,成為最精準的編輯模型。 - 功能:可編輯文字、產品、顏色、照明或單一細節,保持其他不變。
summary_zh: OpenAI 將在 ChatGPT 中測試全新視覺廣告格式,於美國本月後期開始投放。 - 廣告位置:僅在使用者生成影像時顯示,與聊天內容分離。
FLUX 3 Image 已可透過 Vercel AI Gateway 進行影像生成與編輯,無需 Black Forest Labs 帳號。 - 模型來源:Black Forest Labs 的 FLUX 3 Image。
summary_zh: 教皇利奧十四在 X 上發表宣告,指出 AI 生成藝術缺乏「人性火花」,呼籲保護人類藝術。 - 核心訊息:教皇強調人類創作的藝術與 AI 生成的藝術存在本質差異,並呼籲保護人類藝術。
Flux 3 Image 是 Black Forest Labs 推出的新影像模型,支援多步驟編輯且不改變未編輯區域。 - 功能:文字到影像、影像到影像、文字渲染、逼真度。
OpenRouter 於 2026 年公佈四大影像轉影片模型(Veo 3.1、Seedance、Kling、Grok Imagine Video),並以 TypeScript SDK 示範如何提交工作。
Qwen-Image-2.1 以 7B 引數的 MMDiT 架構,首次在 ComfyUI 上提供 2048×2048 RGBA 解析度的影像生成與編輯。
Diffusers 0.38.0 釋出多項新功能,擴充影像、音訊與文本生成管線,並最佳化核心庫效能。
推薦理由:Diffusers 0.38.0 釋出多樣化的影像、音訊生成管線與核心效能最佳化,開發者可直接整合至現有工作流程。