2025年9月第2周AI资讯

今天为大家分享几组重要的人工智能新闻：

一、可灵AI Avatar

本周，快手可灵发布了全新的数字人功能，可以根据用户提供的图像和音频，生成逼真的数字人播报和播客节目。

从可灵提供的演示画面可以看出，该工具可以基于单张图像输出带有完美唇形匹配、真实表情和自然手势的数字人视频，整体画面也非常流畅。

该工具可用于制作广告、推广、音乐、动画以及带货类视频，且很难看出合成痕迹。可灵AI Avatar支持处理多种比例、不同风格的图像，目前已经面向少数用户开启内部测试。

二、HuMo视频生成

这是字节在近期发布的多模态视频生成框架，专注于以人类角色为中心的视频生成。HuMo模型能从文本、图像和音频等多种模态输入生成高质量、精细且可控的人类视频，且具备主体一致和音频动作同步能力。

目前该模型已经在HuggingFace开源，支持输出最高720p分辨率的视频。例如，HuMo支持上传单张或多张素材图，并根据用户提供的脚本合成带有复杂肢体动作和口型匹配的视频。

HuMoMo还可基于参考图生成文本对齐、主题一致、音频同步的视频。更多演示动画，请大家访问项目官网查看。

三、MiniMax Music 1.5

本周末，MiniMax发布了1.5 Music生成模型，可以生成长达四分钟、具备强控制力、自然饱满、人声层次丰富、结构清晰的歌曲。

和同级别工具相比，Music 1.5模型可以生成具备通透真实感、自然饱满的音色，并提高了歌曲的情感表现力。点击上面链接即可体验该工具。

在简单模式下，用户可输入提示生成歌曲；在高级模式下，则可以输入前奏、主歌Verse、副歌，完成歌词编排。点击下方的设置按钮，还可手动选择歌曲的情绪、风格和场景。

四、即梦 4.0

本周，即梦图像4.0模型正式发布，不但支持多图参考和多模态生图，还可将低画质图像提升至4K分辨率。即梦4在模型竞技场的排名已经达到第五位，仅次于FLUX模型。

目前JiMeng 4已经上线即梦平台，登录即可免费使用。访问即梦官网就可以体验该模型。

五、混元图像2.1模型

本周，腾讯升级了混元图像模型到2.1版本，将会支持字体生成和2K分辨率输出，生成图像的整体美学表现也有所提升。

混元图像2.1对复杂语义理解能力有了显著提升，支持中英文渲染，适用于产品封面、插画、海报设计等多样化设计场景。腾讯同时表示会在近期发布多模态图像模型，大家可以关注。

六、Higgsfield Fashion Factory

本周，Higgsfield推出了时装工厂功能，可以基于角色和服装一键生成15张摄影棚级别的照片。该工具的发布可以为品牌节省大量雇佣模特和摄影师的成本，一键生成多角度拍摄的时装试穿效果图。

Higgsfield内置了多种摄影模板，用户可以使用自定义角色作为模特，快速完成图像合成。

七、IndexTTS 2.0

这是B站在近期开源的TTS模型，可以自由切换情绪并控制持续时长，生成更加自然和清晰的语音。

IndexTTS 2.0擅长模仿声音并切换情绪，保证音频和视频中人物口型的高度一致。点击IndexTTS 2 Demo – a Hugging Face Space by IndexTeam，可以在线体验。

八、磁力开创

本周快手发布了AIGC超级员工，可以根据用户的要求，在几分钟内交付完整的影片并执行脚本制作、视频拍摄和剪辑全流程。

据介绍，快手将多个不同功能的Agent代理整合到一个框架中，数字员工可以自行选择素材并进行剪辑，直到满意为止。

作为快手旗下的产品，磁力开创还接入了可灵视频模型，让创作过程变得更加高效。用户可以通过对话的方式完成视频生成和编辑，无需掌握复杂的剪辑技巧。

磁力开创平台目前还处于内部测试阶段，感兴趣的同学可申请加入早期等待列表。