蘋果發佈兩項機器學習研究：SQUIRE系統利用GPT-4o和槽查詢中間表示，提升AI生成UI的可控性與微調效率；另一項研究則強化圖像安全審查能力，旨在解決現有技術痛點。
Fish Audio發佈新一代開源TTS模型S2，實現文本轉語音在情感與韻律上的精細控制。用戶可通過自然語言指令或標籤（如[笑]、[耳語]）調節情緒，支持詞級或短語級調整，顯著提升語音表現力與可控性。
AI視頻生成正從隨機性強的“開盲盒”階段轉向實用化。儘管Sora曾引發行業焦慮，但畫面不連貫等問題阻礙了其工業化應用。爲此，萬興劇廠平臺通過流程再造，致力於將AI視頻從演示“玩具”升級爲可靠“生產力工具”，核心在於解決連貫性與可控性難題。
可靈3.0Pro以1240分登頂全球視頻大模型榜首，展現了強大的技術實力。該系列共有7款模型進入前15名，在視頻真實感、一致性和可控性方面均處於行業領先地位。這一成就標誌着AI生成視頻技術邁入新階段。
CineMaster 是一個 3D 意識的可控文本到視頻生成框架，允許用戶在 3D 空間中操縱對象和相機。
SliderSpace 是一種用於分解擴散模型視覺能力的技術，通過直觀的滑塊實現對模型的可控性和可解釋性。
提升文本到圖像生成的可控性
Anthropic
$21
輸入tokens/百萬
$105
輸出tokens/百萬
200
上下文長度
Stepfun
-
Baidu
4
MCG-NJU
SteadyDancer是一個基於圖像到視頻範式的強大動畫框架，專門用於生成高保真且時間連貫的人體動畫。該框架通過穩健的首幀保留機制，有效解決了傳統方法中的身份漂移問題，在視覺質量和可控性上表現出色，同時顯著減少了訓練資源需求。
briaai
FIBO是首個專為長結構化描述訓練的開源文本到圖像模型，為可控性、可預測性和特徵解耦設定了新標準。該模型擁有80億參數，僅使用有許可的數據進行訓練，支持專業工作流程需求。
JackAILab
ConsistentID是一個多模態細粒度身份保持的肖像生成模型，能夠生成具有極高身份保真度的肖像，同時不犧牲多樣性和文本可控性。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
