Topview 自研视频模型 T1 上线，官方称在 1080P 画质上对标 Seedance 2.5；gkxspace 概括：1080P 成本降 62%，支持单次 30 秒镜头、50 个参考素材和多语言台词字幕，Ultra 年费会员另有权益（节选截断）。servasyy 称同一提示词做出的视频与 Seedance 2.5 几乎一样。

X 帖子

@gkxspace2026.10.21

阅读导读

图像与视频近期动态

独立榜单：Krea 3 Ultra 进图像编辑榜第 5

Artificial Analysis 称 Krea 3 Ultra 在其图像编辑榜 v2.1 排第 5，质量与另两款模型相近；Krea 3 在 10 月 15 日发布，是其首个上榜的编辑模型，Ultra 是最高思考模式。

X 帖子

@ArtificialAnlys2026.10.20

阅读导读

图像与视频近期动态

蚂蚁 Ming-3.0 语音系列开源：0.5B TTS 登榜

蚂蚁百灵开源 Ming-3.0 语音系列共 5 款模型（TTS、音频理解、ASR），MIT 许可。Artificial Analysis 称其 0.5B 的 Ming-3.0-tts 为可控语音榜开源权重第一；转述称它的发音稳健度 93.2%，与 31 个模型并列第一，高于 Eleven v4 的 91.7%，并支持语音克隆。

X 帖子

@stargridcompass2026.10.20

阅读导读

图像与视频近期动态

HyperFrames：用代码复刻一位博主的 10 分钟视频

一条视频展示了 HyperFrames 的 code-to-video：复刻某位知识博主（小Lin说）一个片段，再完整复刻 10 分钟，最后创作她没讲过的新题目《一口气了解泰国经济》，时长 9 分 34 秒。多位观众先以为是原片，看到说明才知道是 AI；也有人担心专业内容出品被模型取代，另有人认为这是『分发时代』的营销案例。

X 帖子

@rwayne2026.10.20

阅读导读

图像与视频近期动态

Higgsfield 上架 Wan 3.0 Prime：价格比 Seedance 便宜

Higgsfield 官方宣布上架 Wan 3.0 Prime，称可切换动画风格、生成更快、性价比最高。中文用户称它比 Seedance 2.5 便宜 4.5 倍，并展示走秀场景的稳定性，认为 AI 视频的物理表现又有进步。

X 帖子

@higgsfield2026.10.20

阅读导读

图像与视频近期动态

Bria Fibo 2.0：开放权重编辑榜第一，但权重仅限非商用

Artificial Analysis 称 Bria 的 Fibo 2.0 在开放权重图像编辑榜排第一，文生图榜与 Qwen-Image-2.1 统计上持平，是 8B 参数的新开放模型。中文转述称它把生成和编辑合在一个模型里，权重只许非商用，商用要另签协议。

X 帖子

@ArtificialAnlys2026.10.20

阅读导读

图像与视频近期动态

Higgsfield Genjutsu Lite：把自己的照片放进热门视频

Higgsfield 官方推出 Genjutsu Lite：把你的照片放进任何热门视频里。生成成本在 720p 下低 3.5 倍、1080p 下低 5 倍，可在 Higgsfield 和 API 使用，部分地区可免费试用。gkxspace 概括：保留原片的动作、手势和口型，造型、衣服、场景可更换。

X 帖子

@higgsfield2026.10.20

阅读导读

图像与视频资源入口

AI 视频播客流水线：按环节选模型的一种拆法

Pluvio9yte 拆解了一条 AI 视频播客的多模型管线：GPT-Image 生成录音棚场景和一致的角色，LTX 驱动微表情与侧身动态，ElevenLabs 加 Gemini 混合出双人音色，Soniox 提供毫秒级时间戳用于对齐（后续排版步骤被截断）。

X 帖子

@Pluvio9yte2026.10.20

阅读导读

图像与视频方法阅读

用 Muse 做短剧的额度打法：先锚点图，再买镜头，后期免费

BlockInsight214 给出用 Muse 做 AI 短剧的额度搭配：一集 30 秒、三段镜头、六次生成封顶；先出一张定妆锚点图，后面每段都以它为参考，避免脸漂；后期零额度，用开源免费的 OpenFilm 完成片头卡、字幕、转场和配乐；顺序是先花额度买镜头，再用免费工具出成片。

X 帖子

@BlockInsight2142026.10.20

阅读导读

图像与视频近期动态

Mistral Voxtral 3：四个语音模型和托管语音 agent

Mistral 更新日志称发布 Voxtral 3 音频系列，四个模型均为公开预览：带零样本声音克隆的 TTS、离线转写加说话人分离、实时转写、更大的离线转写模型；另发布托管的双向语音 agent 管线与 SDK。

官方资料

docs.mistral.ai · Mistral API 更新日志2026.10.20

阅读导读

图像与视频近期动态

FLUX 3 Max：10 秒视频 12 秒生成，称图生视频并列第一

Black Forest Labs 发布 FLUX 3 Max，称它是西方最快，10 秒视频 12 秒生成，在图生视频上并列第一，同等质量下比 Seedance 2.5 快 22 倍，由 fal 适配。

X 帖子

@bfl_ai2026.10.19

阅读导读

图像与视频近期动态

独立榜单：FLUX 3 Max 视频排名第 2（并列第一）与第 4

Artificial Analysis 称 fal 对 BFL 的 FLUX 3 做后训练得到的 FLUX 3 Max，在图生视频榜排第 2（与第一统计上并列），在文生视频榜排第 4，均高于基础版；可生成 5 到 20 秒、720p 带原生音频的视频。

X 帖子

@ArtificialAnlys2026.10.19

阅读导读

图像与视频近期动态

MOSS-Image 开源：5B 模型主打中文字渲染与 JSON 布局

OpenMOSS 同日在 Hugging Face 放出 MOSS-Image-Base 与 SFT 权重（diffusers 格式，Base 标注 Apache-2.0）。社区称它仅 5B、基于国产 PPU 训练，擅长中英文字渲染，并能用 JSON 坐标控制排版，单卡 24G 可跑；也有人指出它缺少编辑与参考图能力。

X 帖子

@iluciddreaming2026.10.19

阅读导读

图像与视频近期动态

Viggle JST-2：在 3D 空间里学习的世界模型

Viggle 发布 JST-2，称是首个全栈、物理原生的世界基础模型：不在像素或视频空间学习，而是把整套模型建在 3D 中，数秒生成 3D 场景并可继续扩展。有开发者称一张图可直出带骨骼和动作的 3D 人物，并用它加 Opus 5.5 一天做出浏览器 3D 格斗游戏。

X 帖子

@gorden_sun2026.10.19

阅读导读

图像与视频观点观察

AI 短剧：工具已成熟，行业利润却在变薄

开源工具 Toonflow 被称可把小说或剧本一路生成分镜、角色和视频，转述称两小时、成本约 120～130 元做出一部 AI 短剧；《持械入宋》在红果走红，观众称人物对话场景有张力。另一边，做短剧出海的创业者称国内红果一家独大，制作与发行的利润已很薄，有人说『这行快没了』。

X 帖子

@bkdgiffug2026.10.19

阅读导读

图像与视频近期动态

OpenAI 疑似在测新图像模型：aurora 三色

多位用户称，OpenAI API 上周末短暂出现 aurora-red、aurora-green、aurora-blue 三个 alpha 模型后被撤下，随后在 Arena 盲测中开始出图：red 出图快但质量低，green 慢但质量好，blue 暂无人测到。有人猜是 GPT-Image-3，目前无文档、无定价。

X 帖子

@BlockInsight2142026.10.19

阅读导读

图像与视频资源入口

Huashu-motion：给 vibe coding 产品做宣传片的 skill

alchainhust 发布 Huashu-motion skill，称一夜涨到 500 多星；他展示只丢几张报告图，它就做出了一条报告发布宣传片。他认为如果你常用 vibe coding 做产品，这个 skill 是做宣传推广的好搭档。

X 帖子

@alchainhust2026.10.19

阅读导读

图像与视频资源入口

lemo-opuscar 破 3000 星：给 Claude 的 51 种视频风格库

lemo-opuscar 是作者 lemomo_ai 为 Claude 做的视频风格库，风格从最早的 39 种更新到 51 种，已破 3,000 星；作者还在做针对 DeepSeek 模型的优化。jackzhang123vip 用 Opus 5.5 加它试做了一版水墨风《立冬》，配 MiniMax 克隆音色。

X 帖子

@eianlu2026.10.19

阅读导读

图像与视频方法阅读

用 Opus 5.5 写代码做视频：15 种风格的流程与提示词

中文创作者分享用 Opus 5.5 写代码做视频的流程和提示词；引用的视频称他尝试了很多风格，其中 15 种达到商业制作水准，画面、音乐、音效全由代码生成，后续会分享每种风格的提示词。

X 帖子

@vincentwei932026.10.18

阅读导读

图像与视频资源入口

VoiceStudio：本地克隆声音、配音和转写的开源工作台

GitHub 上的开源项目 VoiceStudio 把语音工作台装进自己电脑：能根据一段参考录音复刻已获授权的声音，把文本做成旁白、口播或有声书，为视频配上其他语言的配音，也能把录音转成文字，并可切换多种 TTS 引擎。xiaoying_eth 称它是 ElevenLabs 的替代品。

X 帖子

@lxfater2026.10.18

阅读导读

图像与视频资源入口

Fish Audio 开源 Drama 3：多角色、长文本配音

中文用户介绍 Fish Audio 新开源的 Drama 3：主打多角色配音和长文本，一段文本里可用说话人标签区分最多 16 个角色，适合广播剧和有声书，还能在台词里直接插入控制标记。

X 帖子

@eternityspring2026.10.17

阅读导读

图像与视频案例记录

不会画画也能做手绘风动画：Hailey 开源了 skill

haileyailabs 称不会画画、不会剪辑，用 AI 做了三部手绘风格动画，做法、提示词、配音接入都写在文章里，并开源了对应 skill。评论者认为这类作品适合动漫和学龄儿童的知识讲解场景，也有人把 AI 视频当作赚钱工具。

X 帖子

@haileyailabs2026.10.17

阅读导读

图像与视频资源入口

用 Claude Code 做知识讲解视频：平台活动与工具清单

369serena 称抖音有『Vibe 知识大赏』、小红书有『AI 替我说』活动，靠代码生成的知识讲解视频正在变多，并推荐 5 个可装进 Claude Code 的视频 GitHub skill，其中 huashu-art-motion 有 35 种艺术风格及白板、Vox、3Blue1Brown 类风格。dashiaixz 分享了他用 Opus 5.5、Extra 推理强度、15 秒视觉参考加 TTS 旁白的做法。

X 帖子

@369serena2026.10.17

阅读导读

图像与视频资源入口

MoneyPrinterTurbo：输入主题自动生成短视频的开源项目

Suu766 介绍 GitHub 上的开源项目 MoneyPrinterTurbo：输入一个主题，自动完成文案、找素材、AI 配音、字幕、背景音乐与剪辑，支持批量生成和中英文、竖屏。转述称星标超过 1.3 万（另有帖写 13 万，数字不一致），并强调免费、无水印。

X 帖子

@Suu7662026.10.17

阅读导读

图像与视频案例记录

Malfoid：用 AI 做的女版马尔福同人短视频潮

TikTok 上出现 AI 同人趋势 Malfoid（Fem Draco）：把《哈利·波特》的 Draco Malfoy 设为女性，与 Harry 演相爱相杀的短剧。创作者 lansenai 标注用 Midjourney 加 Grok 制作，也有人用 Meta Muse；tanluai 分享了只用图片加提示词的换装转场流程。FinanceYF5 称其让 TikTok 上对 AI 的负面情绪有所转向，属个人判断。

X 帖子

@lansenai2026.10.17

阅读导读

图像与视频资源入口

OpenCreator：把字幕、配音、封面收进一个本地工作区

0xGky 介绍 OpenCreator（前身 KrillinAI），一个开源的创作者工作台：在本地下载视频、翻译字幕、做配音、生成图片和封面；在对话里交代需求，旁边的可视化工具可微调字幕样式、画幅和音色。denziideng 称它把剪字幕、配音、写稿、AI 对话收进了一处。

X 帖子

@0xGky2026.10.17

阅读导读

图像与视频资源入口

OpenDesign Motion：Claude Motion 的开源替代

OpenDesign 团队推出 Motion，称是 Claude Motion 的开源替代：可用任意模型和 agent 做动效视频，发布视频是用 DeepSeek V4.1 Flash 在 OpenDesign 里制作的。

X 帖子

@tuturetom2026.10.16

阅读导读

图像与视频近期动态

可灵 4.0 上线：官方支持 MCP 与 CLI

快手可灵 4.0（Kling 4.0）上线。GeekCatX 翻更新日志后称，真正的变化不是画质，而是官方直接支持 MCP 和 CLI，让 Agent 能调用生成流程，不必再在网页端复制提示词『抽卡』。Magnific 等平台也在发布 Kling 4.0 的演示片。

X 帖子

@GeekCatX2026.10.16

阅读导读

图像与视频方法阅读

用 Claude 剪视频：三种做法和各自的成本感受

三位创作者分享让 Claude 参与视频后期：longchennotes 用 Claude Code 通过 Renoise 的 MCP 查余额、报价、生成 3 个镜头和 2 张图，再在云端沙盒写代码剪完 26 秒片；bozhou_ai 先和 Claude 聊出逐字稿、自己录口播，再让它剪，5 分钟视频用掉 20 美元套餐 5 小时额度的 23%；wangray 称简单口播可全交给 AI，深度视频也能由 Opus 完成八成以上的杂活。

X 帖子

@longchennotes2026.10.16

阅读导读

图像与视频案例记录

Opus 5.5 直出音乐视频：一张 IP 参考图加一个 mp3

cgnot996 称，只给一张 IP 参考图和一个 mp3，在 Notion 里用 Opus 5.5 Max 就直出了一支音乐视频，歌曲氛围表达到位；用的提示词来自 stark_nico99 分享的版本，外加一句『要什么素材自己生成』。canghe 也称同类视频提示词很普通，没用特殊 skill。

X 帖子

@cgnot9962026.10.16

阅读导读

图像与视频近期动态

Krea 3 上线 OpenRouter：1–4 张参考图，原生 2K 编辑

OpenRouter 官方称 Krea 3 已上线：这是 Krea 新的图像编辑模型，输入 1–4 张参考图加提示词，输出原生 2K 的编辑图，多数编辑端到端不到 8 秒。

X 帖子

@openrouter2026.10.16

阅读导读

图像与视频资源入口

earshot：给编码 agent 装上『耳朵』

开源库 earshot 让编码 agent『听得见』：在本机用 CPU 处理音频，输出文字说明、声学特征、相似度以及出现的时间点，可检查点击声与按钮画面是否对齐，也能用代码合成并迭代音效。需要 Python 3.10+ 和 FFmpeg，首次下载约 1.1GB 模型。

X 帖子

@LinearUncle2026.10.16

阅读导读

图像与视频资源入口

srt-whiteboard-animation：把字幕变成手绘白板视频

开源技能包 srt-whiteboard-animation 把 SRT 字幕做成米黄色纸张底的手绘白板视频：按 25 到 35 秒一幕拆场景出分镜，生成线稿，画面元素按字幕顺序逐个出现，先勾线再填色，最终输出 MP4；每完成一步都会暂停等人确认，并带浏览器预览台。

X 帖子

@GitHub_Daily2026.10.16

阅读导读

图像与视频资源入口

FLUX 3 Image Klein：5.6B 开放权重，单张消费级显卡可跑

Black Forest Labs 发布 FLUX 3 Image Klein，称是开放权重，质量接近大型前沿模型，5.6B 参数，可在单张消费级 GPU 上运行，原生 4K，支持边界框和像素级编辑。

X 帖子

@bfl_ai2026.10.15

阅读导读

图像与视频观点观察

Krea 3 早期体验：编辑快而精准，边界框是控制层

投资人 Justine Moore 称早期体验 Krea 3 很惊喜：编辑非常快且精准，适合要保持产品或结构完整的场景，边界框是很好的控制层，并演示了从草图设计房屋。引用的官方帖称 2K 端到端编辑在 8 秒内。

X 帖子

@venturetwins2026.10.15

阅读导读

图像与视频方法阅读

从图像到骨骼：GPT-Image 到 Tripo3D 再到 Blender 的建模流程

评论者读了 Saccc_c 的制作文章，称其对角色与物体骨骼的精细构建说得很清楚：用图像模型出图、Tripo3D 建模、Blender 微调，并用到 Mixamo；他还想知道云的做法、光线渲染和游戏机制设计。

X 帖子

@alchainhust2026.10.15

阅读导读

图像与视频案例记录

Sac 开源《小王子》AI 3D 游戏的制作流程

Sac（@Saccc_c）把他做 AI 3D 游戏《小王子》的流程开源。xingbugengming 称很多 3D 项目都能按此跑通，关键是耐心；他自己用 Codex 加 5 小时限额摸索了约两周才得到类似工作流。也有人夸其画面干净、有童话感，说明审美与剧情设计同样重要。

X 帖子

@xingbugengming2026.10.15

阅读导读

图像与视频资源入口

Scenario 开源 Blender 插件，可由 Claude Code 驱动

AI 游戏美术平台 Scenario 开源了面向 Blender 的插件，称是『一整支 3D 团队』：可在 Blender 里直接用，或通过 MCP 让 Claude Code 掌舵，含概念设计、从提示词出概念图、参考图等模块。中文转述称 v0.11.0 要求 Blender 5.0+，支持图像、视频、3D、PBR 材质、音频与环境生成，带本地 MCP 服务器。

X 帖子

@scenario_gg2026.10.15

阅读导读

图像与视频近期动态

ElevenLabs Instant Soundtracks：上传视频自动配乐与音效

ElevenLabs 官方推出 Instant Soundtracks：上传素材，模型一次性为视频配原创音乐，并识别需要音效的时刻，把每个音效放在合适的时间点；也可保留原始音频。中文转述称音乐与音效可分别修改，不必全部重来。

X 帖子

@elevenlabs2026.10.15

阅读导读

图像与视频案例记录

『古人说唱对决』AI 视频：Claude Code 当导演，skill 已开源

DDJCXX 复刻了『古人说唱对决』AI 视频（周瑜对诸葛亮）：让 Claude Code 担任导演，负责拆解原片镜头、写歌词和分镜、批量出图出视频并自动核对口型；歌曲用 Suno，画面用 MiniMax H3，花了约 16 美元，踩坑最多的是对口型。他随后开源 skill，称在 Claude Code 里说一句『做一期曹操 vs 刘备』即可走完整条流程。

X 帖子

@DDJCXX2026.10.14

阅读导读

图像与视频近期动态

HeyGen Voice：为视频打造的语音模型，自称榜单第一

HeyGen 发布 HeyGen Voice，称这是首个为视频打造的语音模型，在 Artificial Analysis 排名第一：按你的稿子、你的声音、你的节奏表演，并适应场景的声学环境。其盲测把同一声音放进 50 种场景，『声音与画面是否匹配』的环境契合度：对 Cartesia 73%、ElevenLabs v4 70%、Seedance 2.5 65%。

X 帖子

@heygen2026.10.14

阅读导读

图像与视频方法阅读