每日 AI 简报：OpenAI Voices API、ChatGPT 虚拟试穿、Antigravity 接入 Claude 5.5、Claude Frontier Academy 等
OpenAI Python SDK 3.24.0 新增 Voices API，可从文本提示词或音频样本创建自定义语音；ChatGPT 全球上线虚拟试穿，可在自己的照片上查看购物结果中的服装。
#多模态
#多模态
X：Testing Catalog (@testingcatalog)AI 评分 X：Claude (@claudeai)AI 评分 Claude 近期创意作品集：Opus 5.5 打造水车、浮雕卡片与 3D 交互项目
Anthropic 展示了近期用 Claude 制作的一批创意项目，包括用 Opus 5.5 构建的可运转水车、浮雕卡片、木星卫星 3D 飞行网站和可拆解的喷气发动机交互 3D 模型。另有用户用 Claude Code 创作插画诗歌，用 Sonnet 5.5 制作纸折弹出式城市。
X：Claude (@claudeai)AI 评分 Claude 用浏览器模拟水流等创意作品展示
Anthropic 展示用户用 Claude 制作的创意项目，包括用 Opus 5.5 构建的可运行水车、可拆解的交互式 3D 喷气发动机，以及用 Sonnet 5.5 制作的纸折弹出式城市。另有用户在 Claude Code 中创作插画诗歌，以及跟随西雅图实时天气与时间的像素漫步项目。
X：Claude (@claudeai)AI 评分 Claude Opus 5.5 打造的 3D 网站：从银河系外飞抵木星卫星
Claude 官方账号展示了近期用 Claude 创作的一批作品，其中包括一个用 Opus 5.5 制作的 3D 网站，可带用户从银河系外一路飞抵木星的卫星。同批作品还有用 Opus 5.5 搭建的可运转水磨、可拆解剖切的交互式 3D 喷气发动机，以及用 Sonnet 5.5 绘制的折纸风格弹出式城市。
X：Krea AI (@krea_ai)AI 评分 Krea 上线 FLUX 3 Image，支持多轮编辑与 4K 生成
Krea 宣布 FLUX 3 Image 已在其平台上线。该模型支持多轮编辑且不改动其他像素，可用边界框排布图像，生成分辨率最高 4K，并支持最多 10 张参考图组合。
X：Claude (@claudeai)AI 评分 Claude 用户用 Opus 5.5 等模型创作的作品合集
Anthropic 展示用户近期用 Claude 创作的作品，包括用 Opus 5.5 搭建的可运转水车、3D 喷气发动机和从银河系外飞至木星卫星的 3D 网站，以及用 Sonnet 5.5 制作的折纸弹出城市。另有作品用 Claude Code 绘制插画诗歌，以及一个跟随西雅图实时天气与时间变化的像素漫游项目。
X：PixVerse (@PixVerse)AI 评分 PixVerse 推出 ChatGPT 插件：一句提示词生成电影级短片
PixVerse 上线 ChatGPT 插件，用户输入 "pixverse cinematic story" 并描述故事、情绪或风格，即可由 PixVerse 自动完成镜头、画面与节奏，生成电影级短片。插件可通过 app.pixverse.ai/cli/marketing 获取。
X：PixVerse (@PixVerse)AI 评分 PixVerse 推出 ChatGPT 插件：一句提示词生成电影感短片
PixVerse 上线 ChatGPT 插件，用户添加插件后输入 pixverse cinematic story 并描述故事、情绪或风格，即可生成电影感短片，镜头、画面与节奏由 PixVerse 自动处理。
X：PixVerse (@PixVerse)AI 评分 PixVerse 新插件可将任意角色变成会说话的主持人
PixVerse 推出新插件，用户选择角色后即可让其开口说话，在镜头前自然地表达、反应和做手势，视频片段由 PixVerse 自动生成。
X：AK (@_akhaliq)AI 评分 UniEvo-VL：单模型自进化框架，无需外部监督提升图像生成
UniEvo-VL 是一个自进化框架，让单个多模态模型同时充当教师和学生，从自身建设性反馈中学习，在无外部监督下提升图像生成能力。该框架由 AK 在 X 上分享，发布于 10 月 1 日。
X：AK (@_akhaliq)AI 评分 Tavus 发布 Griffin 模型，称首个通过视频图灵测试
Tavus 发布 Griffin，称其为首个通过视频图灵测试的模型，48% 与其实时对话的人认为它是真人，此前系统的通过率低于 3%。Griffin 在 NVIDIA 全双工 AI 视频基准上排名第一，被定义为首个 Human Interaction Model（HIM），可同时听、看、说，并生成完整画面而非仅面部。
X：Thariq (@trq212)AI 评分 Karpathy 分享让大语言模型输出更易读的提示词技巧
Karpathy 分享理解大语言模型输出的提示词技巧，包括要求模型用 ASD-STE100 受控语言写作，或提出 80% 接近该规范以降低严格程度。他还建议让模型生成图表、HTML 交互网页，以及用 ElevenLabs API key 配音的 3b1b 风格讲解视频。他认为随着模型变强，工作会更多上升到监督与理解层面，可以索取以往不划算的大型定制一次性软件产物。
X：Testing Catalog (@testingcatalog)AI 评分 Tavus 发布视频对话模型 Griffin 研究预览
Tavus 推出视频到视频模型 Griffin 的研究预览版，面向实时面对面对话，可从对话中学习交流行为，在对话中边看边听，能中途插话或在有人进入画面时作出回应。
X：Testing Catalog (@testingcatalog)AI 评分 Tavus 发布实时视频对话模型 Griffin 研究预览
Tavus 推出视频到视频模型 Griffin 的研究预览，面向实时面对面对话，可在对话中观看和聆听，并能在对方说到一半时打断或对进入画面的人作出回应。
The DecoderAI 评分 Tavus 发布 Griffin 人机交互模型，48% 测试者一分钟通话后误认为真人
Tavus 推出 Griffin，公司称其为首个 Human Interaction Model（HIM），可在接收和生成视频的同时处理语音、面部表情、语调、手势和停顿。
TechCrunch · AIAI 评分 ChatGPT 上线虚拟试穿与商品收藏功能
OpenAI 宣布在全球范围上线两项 ChatGPT 购物功能，包括虚拟试穿服装与配饰，以及把商品保存到应用内 Library 的 Favorites 收藏功能。
The Verge · AIAI 评分 Google 在 Gemini Live 推出 Guided Vision 实时视觉描述功能
Google 在 Gemini Live 中上线 Guided Vision，可在兼容 Android 设备上通过共享摄像头，对镜头所指向的内容提供实时语音描述，帮助读取小字、描述周围环境、寻找或识别物体。
X：Runway (@runwayml)AI 评分 Runway Labs 发布 Project Continuum 研究应用，探索实时视频界面
Runway Labs 发布 Project Continuum，一个围绕实时视频界面构建的操作系统研究应用，并给出四种与电脑交互方式的早期预览：Portals、Visual Thinking、Responsive Video Interfaces 和 Interactive Worlds。
X：Runway (@runwayml)AI 评分 Runway Labs 发布 Project Continuum，用实时视频界面重构电脑交互
Runway Labs 发布 Project Continuum，一个围绕实时视频界面构建的操作系统研究应用，并首次展示四种与电脑交互的新方式：Portals、Visual Thinking、Responsive Video Interfaces 和 Interactive Worlds。
X：Runway (@runwayml)AI 评分 Runway Labs 发布 Project Continuum 操作系统研究应用
Runway Labs 发布 Project Continuum，一个围绕实时视频界面构建的操作系统研究应用，并首次展示四种与电脑交互的新方式：Portals、Visual Thinking、Responsive Video Interfaces 和 Interactive Worlds。
X：Runway (@runwayml)AI 评分 Runway Labs 推出 Project Continuum：围绕实时视频界面的操作系统研究应用
Runway Labs 发布 Project Continuum，一个围绕实时视频界面构建的操作系统研究应用。官方同时放出一段简短的演示走查视频。
X：fal (@fal)AI 评分 Tavus 发布 Griffin，称首个通过视频图灵测试的模型
Tavus 发布 Griffin，称其为首个通过视频图灵测试的模型，48% 的实时对话者认为它是真人，而此前系统的通过率低于 3%。该模型在 NVIDIA 的全双工 AI 视频基准上排名第一，并被称作首个 Human Interaction Model（HIM）。
X：fal (@fal)精选AI 评分 Black Forest Labs 的 FLUX 3 Image 在 fal 上线
Black Forest Labs 的 FLUX 3 Image 已在 fal 平台上线，主打精准图像编辑，保留未修改部分。该模型支持原生 2K 和 4K 图像生成，最多可组合 10 张参考图，能在一次生成中完成多处定向编辑，并对布局和构图提供细致控制。
推荐理由：FLUX 3 Image 在 fal 上线，列出原生 2K/4K 生成与多参考图编辑等能力，可据此判断图像编辑工作流的变化。
X：fal (@fal)AI 评分 fal 推出 Recast，一键替换视频中的角色
fal 推出 Recast，可一键替换视频中的角色：上传一段现有视频和一张新角色的参考照片，即可在保留原始运动、镜头运动、剪辑和音频的前提下更换出镜人物。该功能由 H3 Max 驱动，fal 称其在整体质量、提示词理解和美学上优于领先视频模型。用户可在 fal 平台 minimax/h3-max/recast 页面试用，用于生成角色变体或为不同受众改编广告素材，无需重新拍摄。
X：fal (@fal)AI 评分 Grok Imagine Video 1.5 Lite 上线 fal，支持文生视频与图生视频
xAI 的 Grok Imagine Video 1.5 Lite 已在 fal 上线，这是 Grok Imagine 视频家族中的轻量级模型，支持文生视频和图生视频并带原生音频。该模型可生成 1 至 15 秒、480p/720p/1080p 分辨率的视频，覆盖从 16:9 到 9:16 的 7 种宽高比。
X：fal (@fal)AI 评分 Grok Imagine Video 1.5 Lite 上线 fal，支持原生音频与 1080p 输出
Grok Imagine Video 1.5 Lite 已在 fal 上线，是 Grok Imagine 视频家族中的轻量级模型。它支持文生视频与图生视频，可生成 1 至 15 秒、带原生音频的视频，输出 480p、720p 和 1080p，覆盖从 16:9 到 9:16 的 7 种宽高比。
X：OpenAI Developers (@OpenAIDevs)AI 评分 GPT-6.1 Astra 用 Blender MCP + Lichtfeld Studio 生成 Gaussian Splats
GPT-6.1 Astra 在生成简单 Gaussian Splats 上表现突出。用户让它结合 Blender MCP 与 Lichtfeld Studio，复刻了一个新的 ChatGPT agent 圆点，成品在基于 playcanvas 的 SuperSplat 编辑器中网页预览效果清晰锐利。
X：OpenRouter (@OpenRouter)精选AI 评分 Black Forest Labs 的 FLUX 3 Image 上线 OpenRouter
Black Forest Labs 的新旗舰图像模型 FLUX 3 Image 已在 OpenRouter 上线，支持文生图与多参考图编辑，原生渲染最高 4K。
推荐理由：FLUX 3 Image 在 OpenRouter 上线，给出多参考图编辑、4K 输出与按分辨率计费的具体价格，可据此评估图像生成成本。
X：OpenRouter (@OpenRouter)精选AI 评分 Black Forest Labs 的 FLUX 3 Image 上线 OpenRouter
Black Forest Labs 的新旗舰图像模型 FLUX 3 Image 已在 OpenRouter 上线，支持文生图和多参考图编辑，原生渲染最高 4K。
推荐理由：FLUX 3 Image 在 OpenRouter 上线，给出了多参考图编辑、4K 生成与按分辨率计费的具体信息。
X：OpenRouter (@OpenRouter)AI 评分 OpenRouter：单条提示词支持最多 14 张参考图精准编辑
OpenRouter 展示了一项图像编辑能力：用户可输入最多 14 张参考图，并用一条提示词完成精准编辑。该功能将多图参考与单提示词编辑结合，具体支持的模型与开放范围尚未在原文中说明。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Tavus 预览 Human Interaction Model Griffin：能看、能听、能发声、能像人一样呈现
Tavus 预览了其最新模型 Griffin，一款能看、能听、能发声并像人一样呈现的 Human Interaction Model，目前尚未公开可用，此次仅为有限的研究预览。
X：Claude (@claudeai)AI 评分 用 Opus 5.5 打造的交互式 3D 喷气发动机
一位创作者用 Opus 5.5 做出了可剖切、可拆解的交互式 3D 喷气发动机。Claude 官方还盘点了近期用 Claude 完成的其他作品，包括 Opus 5.5 搭建的运转水磨、3D 星际漫游站点，以及 Sonnet 5.5 生成的折纸风格弹出式城市。
X：Claude (@claudeai)AI 评分 Claude 用户用 Opus 5.5 和 Sonnet 5.5 创作的作品合集
Anthropic 展示了近期用 Claude 创作的一批作品，包括用 Opus 5.5 搭建的可运转水车、浮雕卡片、可拆解的 3D 喷气发动机，以及用 Sonnet 5.5 制作的纸折叠立体城市。另有作品用 Claude Code 绘制插画，以及一个跟随西雅图真实天气和时间的像素漫游项目。
X：Aravind Srinivas（Perplexity CEO） (@AravSrinivas)AI 评分 Perplexity 开源多项贡献：多模态决策模型、本地推理引擎 Lily 与安全工具
Perplexity 近期开源了多项贡献，包括 pplx-decider-v1-27b 多模态决策模型，在 11 个基准上平均得分 85.7%，领先 Jev。pplx-embed-v2-context-9b-preview 为上下文嵌入向量模型，在 ConTEB 和 turbopuffer context-bench 上表现最佳。
The DecoderAI 评分 Suno 推出 Speech 功能，可生成带配乐的语音音频
AI 音乐生成器 Suno 新增 Speech 功能，可将口述文本与匹配的背景音乐合成为单条音轨，用户输入想法或文字并描述想要的音色与音乐风格，模型即生成人声与音效。
X：AK (@_akhaliq)AI 评分 Adaptive Reward Routing：通过前向过程 RL 实现音视频联合扩散的多奖励优化
论文 Adaptive Reward Routing 提出通过前向过程 RL 为音视频联合扩散模型做动态多奖励优化，取代单一评分方案。该方法面向生成式媒体，论文已在 HuggingFace 上线（2609.37200）。
X：Runway (@runwayml)AI 评分 时尚品牌如何用 Runway Dev 从草图做到完整广告大片
Runway 展示时尚品牌如何用 Runway Dev 完成从草图到广告大片的流程：把草图渲染成真实服装、探索配色与图案、生成电商产品图，并制作棚拍或外景的模特照片与视频。完整演示已上线。
X：Gemini (@GeminiApp)AI 评分 Gemini 9 月 AI 发布回顾：Gemini 4 Argon、Gemini 3.8 Live、Googlebook 与 WeatherNext 3
Gemini 9 月发布回顾涵盖多项更新：Gemini 4 Argon 作为最新前沿模型，具备高级推理能力和 100 万 token 输出上限，主打网络安全防御等复杂任务。
X：Suno (@suno)AI 评分 Suno 幕后：Braylon Browner 与 Nina McNeely 如何从舞蹈到歌曲构建创意世界
Suno 发布幕后内容，由 Braylon Browner 与艾美奖获奖编舞/导演 Nina McNeely 出镜，展示从舞蹈到歌曲、再到围绕动作构建完整创意世界的过程。
X：AK (@_akhaliq)AI 评分 EgoTools：面向真实第一视角视频的工具中心推理
研究提出 EgoTools，聚焦真实第一视角视频中的工具中心推理，解决多数智能体演示忽略的"手中持有什么工具、如何使用"问题。该工作关注跨镜头切换时的工具身份保持，作者称首次尝试在镜头移开的瞬间就丢失了螺丝刀。论文已发布在 HuggingFace，编号 2609.39378。