搜索全球AI产品动态

腾讯元宝宣布其文生图功能全面升级，支持混元和DeepSeek两大模型生成图片。这一升级使得用户只需通过简单的一句话描述，即可生成高质量、复杂且富有想象力的图像。

据法治日报报道，近日，江苏省苏州市中级人民法院对一起 AI 文生图著作权纠纷作出终审裁定，认定原告设计师丰某某通过 AI 软件生成的“幻之翼透明艺术椅”系列图片不构成著作权法意义上的作品，驳回了其对被告朱某某等侵权行为的诉讼请求。原告丰某某通过某 AI 文生图软件创作了一系列艺术椅图片，并在社交平台发布寻求量产合作。被告朱某某曾联系原告寻求合作但被拒绝。之后，朱某某在社交平台发布并推广其制作的蝴蝶椅，丰某某认为该产品及宣传图与自己的 AI 生成作品构成

腾讯混元宣布开源定制化图像生成插件 InstantCharacter，并实现了对开源文生图模型 Flux 的兼容。这一插件的推出，标志着图像生成技术在角色一致性和图像生成精确度上取得了重大突破，为内容创作者提供了更高效、更灵活的创作工具。

豆包大模型近日发布了系列更新，其中豆包1.5·深度思考模型和豆包文生图模型3.0正式通过火山引擎开放 API，供开发者和企业客户使用。这两款模型在推理任务和通用任务的综合表现达到了业界前沿水平，并在视觉推理和图像生成方面取得了显著进展。

字节跳动Seed团队正式发布了Seedream3.0文生图模型的技术报告。这一模型在性能上实现了重大提升，是一个原生高分辨率、支持中英双语的图像生成基础模型，在分辨率、生图结构准确性等多方面取得突破，与上一版本相比优势显著。Seedream3.0在不同维度上的表现。本图各维度数据以最佳指标为参照系，已进行归一化调整。在功能亮点上，Seedream3.0可原生2K直出，无需后处理就能输出高分辨率图像，满足多种场景需求;出图速度极快，仅需3秒，极大提升创作效率;小字生成和文本排版效果得到优

字节跳动悄悄咪咪推出了一款名为 InfiniteYou （InfU）， 的图像生成神器。简单的说，这是一款文本到图像的生成模型，它的厉害之处在于，能够根据你输入的文字描述，生成带有你个人身份特征的高质量图像。这可不是简单的换脸App能比的，它更注重的是在灵活变换场景和内容的同时，精准保留你的身份特征。想象一下，你可以轻松生成自己穿着宇航服漫步太空、身着古装穿越回古代的照片，而且保证那张脸还是你自己的，是不是很酷?“InfiniteYou”之所以能做到这一点，背后可有着一套“

今日，豆包大模型团队正式发布文生图技术报告，首次公开Seedream2.0图像生成模型的技术细节，涵盖数据构建、预训练框架、后训练RLHF全流程，在文生图领域投下一颗“重磅炸弹”。Seedream2.0自2024年12月初在豆包APP和即梦上线后，已服务上亿C端用户，深受专业设计师青睐。与Ideogram2.0、Midjourney V6.1等主流模型相比，它解决了文本渲染不佳、对中国文化理解不足等问题，在中英文双语理解、美感和指令遵循等方面实现全面提升。通过Bench-240评测基准测试，其英文提示词生成内容的结构合理性

智谱AI最新开源文生图模型CogView4正式亮相，CogView4不仅在参数数量上达到了6亿，还全面支持中文输入和中文文本到图像的生成，被称其为“首个能在画面中生成汉字的开源模型”。CogView4以支持中英双语提示词输入为核心亮点，尤其擅长理解和遵循复杂的中文指令，成为中文内容创作者的福音。作为首个能在图像中生成汉字的开源文生图模型，它填补了开源领域的一大空白。此外，该模型支持生成任意宽高图片，并能处理任意长度的提示词输入，展现出极高的灵活性。CogView4的双语能力得

还在苦苦寻觅能听懂中文的开源图片模型?现在，你可以彻底告别英文 prompt 的“束缚”了!国内 AI 巨头智谱 AI 霸气开源了全新文生图模型 CogView4，直接把中文图片生成技术推向了新高度! 这下，设计师们、内容创作者们，甚至是对 AI 绘画感兴趣的 “小白” 们，都能扬眉吐气，用咱自己的母语，玩转 AI 图像生成了!CogView4最大的亮点，就是它对中文的“超强理解力”!你再也不用对着翻译软件吭哧吭哧地把中文 prompt 翻译成英文，直接用最自然的中文 “指令”，就能让 CogView4秒懂你的 “画意

北京智谱华章科技有限公司宣布推出首个支持生成汉字的开源文生图模型——CogView4。该模型在DPG-Bench基准测试中综合评分排名第一，成为开源文生图模型中的SOTA（State of the Art），并遵循Apache2.0协议，是首个支持该协议的图像生成模型。

加拿大 AI 图像生成公司 Ideogram 今日宣布，其全新图像模型 Ideogram2a 正式上线，并已在 Ideogram 官网、API 以及合作伙伴平台全面开放使用。这一发布迅速在 X 平台引发热议，被视为 AI 文生图领域的一次重要升级。Ideogram2a 以更快的生成速度、更低的成本以及优化的图形设计和摄影能力，吸引了全球创作者和开发者的目光。Ideogram2a 的核心亮点根据 X 上的最新反馈，Ideogram2a 是对现有 Ideogram2.0模型的优化版本，主打高效和实用性。X 用户 @WesRothMoney 发帖称:“Ideogram2a 现已上线 Ideogram 网站、API 和

AI 图像生成技术正在飞速发展，但模型体积越来越大，对普通用户来说，训练和使用成本都非常高。现在，一种名为 “Sana” 的新型文本到图像框架横空出世，它能够高效生成高达4096×4096分辨率的超高清图像，而且速度惊人，甚至可以在笔记本电脑的 GPU 上运行。Sana 的核心设计包括:深度压缩自编码器:与传统自编码器仅压缩图像8倍不同，Sana 使用的自编码器可以将图像压缩32倍，从而有效地减少了潜在的 tokens 数量。这对于高效训练和生成超高分辨率图像至关重要。线性 DiT:Sana 用线性注意

在人工智能领域，字节跳动商业化技术团队的最新成果Infinity模型，以其卓越的性能和创新的技术，成为自回归文生图领域的新王者。这款新开源的模型不仅在图像生成质量上超越了Stable Diffusion3，还在推理速度上展现了显著优势。Infinity模型的核心创新在于采用了Bitwise Token的自回归框架，这一框架通过预测下一级分辨率的+1或-1构成的细粒度“Bitwise Token”，显著提升了模型对高频信号的捕捉能力，从而生成细节更加丰富的图像。此外，Infinity模型将词表扩展到无穷大，极大地增强了Image tok

​字节跳动公司旗下的智能AI助手豆包近期对其文生图能力进行了升级，新功能支持用户通过一键操作生成含有指定文本的图片。豆包大模型团队的相关负责人指出，豆包的文生图模型通过整合LLM（大型语言模型）和DIT(数字图像技术)构架，优化了对中文数据的学习能力，并在此基础上加强了汉字的生成能力，显著提高了生成效果。

本周，阿里云通义万相团队推出了全新的图像编辑模型ACE，旨在为用户提供更加便捷、智能的图片生成与编辑服务。用户仅需通过简单的口语化指令，就能生成或修改图片，极大简化了图像编辑的复杂度。该工具支持广泛应用场景，包括风格化写真、分镜制作、室内设计等。ACE模型不仅支持文本生成图像（文生图），还具备强大的图像编辑功能。用户可以通过对话的方式进行可控视觉编辑、元素修改、区域重绘、分层编辑等任务。例如，用户只需输入“修改证件照背景”或“一键去除水印

百度世界2024大会上，百度创始人李彦宏发表了题为《应用来了》的演讲，发布了两项新技术 —— 检索增强的文生图技术（iRAG）和无代码工具 “秒哒”。李彦宏表示，过去24个月，AI 行业发生了显著变化，尤其是大模型在生成内容时已大幅减少幻觉现象。文心 iRAG 技术旨在解决大模型在图像生成中存在的幻觉问题，提升 AI 生成内容的实用性。与传统生成模型不同，文心 iRAG 通过结合百度海量图片资源，能够生成更加真实的图像。这一技术特别适用于品牌宣传、影视制作和其他创意产业，

生成式AI发展迅猛，但如何全面评估其性能一直是个难题。各种模型层出不穷，效果也是越来越惊艳。但是，问题来了，怎么评价这些文生图模型的效果呢?传统的评价方法，要么是靠人眼看，主观性太强;要么是用一些简单的指标，比如CLIPScore，但这些指标往往无法捕捉到复杂文本提示中的细节，比如对象之间的关系、逻辑推理等等。这就导致很多文生图模型的评测结果不准确，甚至会出现一些搞笑的情况，明明生成的图片驴唇不对马嘴，得分却还挺高。为了解决这个问题，卡耐基梅隆大学

阿里巴巴通义实验室最新研究表明，现有的文生图 Diffusion Transformer 模型其实已经具备生成多张具有特定关系图像的能力，只需稍加“点拨”就能“融会贯通”，生成高质量的多图集。传统的 Diffusion 模型更像是一个“死记硬背”的学生，需要用海量数据训练，才能生成高质量的图像。而有了 IC-LoRA 加持，它就变成了“触类旁通”的学霸，只需要少量样本就能学会新技能。这背后的原理说起来也不复杂，研究人员发现，现有的文生图 Diffusion 模型其实已经具备一定的“上下文学习”能力，只

日前，Canva 推出了一系列全新的 AI 功能，其中最引人注目的要数它的新图像生成工具 ——“Dream Lab”。这个工具是 Canva 收购了生成 AI 初创公司 Leonardo.ai 后推出的，利用了 Leonardo 的 Phoenix 模型（别和 Adobe 的 Firefly AI 搞混了哦）。用户现在可以通过描述来生成各种风格的图像，比如 “3D 渲染” 和 “插图”。在此之前，Canva 已经拥有基于 Stable Diffusion 的 AI 图像生成器，并且还支持多个第三方应用。但这次的 Dream Lab 带来了许多改进，尤其在摄影风格和多主题图像的生成上表现得更好。而且

昨日晚间，Stability AI发布了其最强大的模型——Stable Diffusion3.5，这不仅是一个单一的模型，而是一个包含三个版本的全家桶，旨在满足从科研人员到业务爱好者、初创公司和企业的多样化需求。这三个版本分别是Stable Diffusion3.5Large、Stable Diffusion3.5Large Turbo和即将于10月29日发布的Stable Diffusion3.5Medium。