模型发布 - AI 资讯
20万页 智能选型深度横向博弈，紧密跟踪前沿大模型发布与 AI 落地实战应用解析。
Gemini Omni Flash 发布：Google 推出首款支持对话式多轮编辑的视频模型
Google DeepMind 正式发布 Gemini Omni Flash，作为其 Omni 模型家族的首个视频生成版本。该模型不仅支持 720p 视频与同步音频的一体化生成，更核心突破在于支持基于多轮对话的有状态视频编辑。开发者可通过 API 实现类似真人剪辑师的迭代工作流，显著降低社交内容制作与产品演示的门槛。
Let's Enhance 发布 20+ 种 AI 图像风格化工作流：从动漫到 3D 渲染的完整指南
Let's Enhance 最新博客文章深入解析了 20 余种主流 AI 图像编辑风格，涵盖动漫、3D 渲染、漫画及黑白插画等。文章不仅提供了针对每种风格的精准提示词（Prompts），还详细阐述了构建高质量风格化提示词的“锚点 - 规则 - 限制”三段式方法论。用户可利用 Chat Editor 免费工作流，将普通照片一键转换为高保真 4K 风格化图像，适用于个人头像、品牌吉祥物及商业海报等多种场景。
Felo 发布 OX Alpha：100 万 Token 上下文推理模型免费试用开启
Felo 平台正式开放 OX Alpha 模型 API 接口，这是一款拥有 104 万 Token 上下文窗口和 128K 输出能力的“隐身”前沿推理模型。目前以百万 Token 免费试用，专为长程代码开发、复杂代理任务及多模态场景设计。开发者可通过兼容 OpenAI 和 Anthropic 的接口无缝集成，无需特殊邀请即可体验其处理大规模项目上下文的能力。
HeyGen 2026 版：AI 房产公告视频生成新标杆，几何保真度与实时克隆技术突破
HeyGen 在 2026 年针对房地产营销场景推出深度优化，成为 AI 房产视频生成领域的最佳选择。本次更新聚焦于“几何保真度”与“实时数字孪生”技术，确保生成的视频严格基于 MLS 房源照片，杜绝 AI 幻觉导致的法律风险。核心亮点包括 15 秒录音生成多语言版本、Beat Sync 自动卡点剪辑以及针对加州 AB 723 法规的合规披露机制，帮助经纪人实现从照片到专业公告视频的分钟级交付。
IBM Watson 文字转语音工具发布：AI 驱动的实时语音合成与多语言支持
IBM Watson 推出新一代文字转语音（TTS）工具，基于先进的 AI 模型实现自然流畅的语音合成。该工具支持多语言、情感表达及实时转换，旨在降低企业语音自动化成本，提升用户体验。文章详细解析了核心功能、技术架构及在客服、教育等场景的应用价值。
FormX.ai 发布 1099-NEC OCR API：精准解析承包商税务表单，助力企业自动化处理
FormX.ai 正式推出针对 IRS 1099-NEC 税务表单的专用 OCR API，解决承包商支付数据提取难题。该 API 支持 PDF 及图像输入，自动映射 IRS 字段至结构化 JSON，提供高精度置信度评分与类型化数据（如布尔值、小数）。针对无税州（如德州、佛罗里达）的空白字段及 2026 年新版表单预留，显著降低开发集成成本，适用于 payroll 与税务软件开发者。
Vizcom 发布 Photo-to-3D 与 Sketch-to-3D 全流程指南：设计师的三维生成新范式
Vizcom 发布深度指南，详解如何将照片或草图快速转化为 3D 模型。文章对比了摄影测量法、NeRF 与 3D Gaussian Splatting 的技术差异，并重点介绍了 Vizcom 独有的 Sketch-to-3D 功能，支持从 2D 渲染图直接生成带纹理的 3D 网格。指南涵盖多视角生成、自动化背景分离及不同生成模式（标准/平滑/锐利）的应用场景，旨在帮助设计师在创意阶段实现分钟级的三维迭代与可视化。
Shakker Labs 发布 FLUX.1-Dev-ControlNet-Union-Pro 2.0：统一架构与体积减半，重塑 AI 图像控制流
Shakker Labs 重磅推出 FLUX.1-Dev-ControlNet-Union-Pro 2.0，这是首个专为 FLUX.1-dev 架构设计的统一 ControlNet 模型。该版本通过移除模式嵌入（mode embedding）等优化手段，将模型体积从 6.15GB 压缩至 3.98GB，同时提升了边缘检测与姿态控制的精度。支持 Canny、Depth、Pose 等多种控制模式，并兼容 FP8 量化，显著降低了部署门槛，为创作者提供了更高效、轻量化的图像生成解决方案。
Img.Upscaler 发布 AI 视频增强功能：免费修复模糊旧视频与低画质内容
Img.Upscaler 正式推出针对模糊图像和低质量视频的 AI 增强功能，支持 Windows 和 Mac 本地离线处理。该工具利用先进的 Super-resolution 算法，在不依赖云端服务器的情况下，智能重构缺失的像素细节，有效解决因压缩、低分辨率和运动模糊导致画质下降的问题。其核心亮点包括三种性能模式选择、完全免费的增强服务以及无需注册即可使用的便捷性，为怀旧视频修复和素材整理提供了全新的解决方案。
Colossyan 重构 AI 视频生成引擎：Cora 智能体主导，从“被动交付”转向“导演式创作”
Colossyan 宣布重构其 AI 视频生成引擎，核心由 Cora 智能体接管。新架构不再仅输出成品，而是生成包含场景、脚本、配音及角色定位的完整草案，将控制权交还用户。支持 PDF、PPT、URL 等多源输入，自动应用品牌套件，并支持 100+ 语言本地化。开发者与培训团队可通过此工具实现从文档到视频的快速迭代，保留深度编辑能力。
DreamFace 发布 Seedance 2.1：画质跃升、成本降低，重塑 AI 叙事视频新标准
DreamFace 重磅发布 Seedance 2.1 模型，旨在解决 AI 视频生成中角色一致性差、长镜头连贯性弱及中文叙事理解不足等核心痛点。此次更新不仅带来约 20% 的画质提升与更稳定的运动生成，还计划推出低价版以降低成本。对于致力于 AI 动画、短剧创作及虚拟主播领域的开发者而言，这标志着从‘片段拼接’向‘完整叙事’制作流程的关键跨越。
FormX.ai 发布医疗数据提取完整指南：AI 重塑临床文档结构化处理
FormX.ai 发布《医疗数据提取：医疗机构完整指南》，详解从临床笔记、实验室报告到扫描表单的结构化提取技术。文章对比了人工摘要、OCR 与 LLM 提取方法的优劣，重点介绍 FormX.ai 如何利用大语言模型解决非结构化临床文档的语义理解难题，并强调其严格的数据隐私合规策略，为医疗行业提供从数据获取到系统集成的全链路解决方案。
