AI 語音、音樂與即時對話
Mistral 出 Voxtral 3 語音 Agent：50+ 語言即時對話，可 EU 託管亦可以自行部署
Mistral 喺 2026 年 10 月 20 日推出 Voxtral 3 語音模型系列同 voice agent SDK，主打聽、想、調工具、開口四個環節串成實時流程。
生成影像與聲音
AI 圖像、影片與 3D
Lightroom 手機版開眼一鍵搞掂，免費用户只有兩次機會
Adobe 話咗聲，Lightroom 手機版可以用生成式 AI 一鍵幫相中人「開眼」。免費版試兩次就要訂閲 Creative Cloud，而 Adobe 話會用你圖庫入面同一個人嘅相片當參考。
AI 語音、音樂與即時對話
你個聲唔啱就消失，AI 幫你錄返份「你」
ALS 病人 Jules Rodriguez 聲線逐日退化，AI voice clone 連口吃、呼吸、聲調都照樣還原，佢太太第一聽就哭了。舊式 voice banking 同新技術差唔多，差喺「似唔似人」。
AI 圖像、影片與 3D
8分鐘濃縮3分鐘 愛奇藝「跳看」有幾勁？
今年4月，愛奇藝喺北京影視行業論壇上演示「跳看」功能，用生成式AI自動篩選精彩劇情點，將8分鐘片段濃縮至3分鐘。功能背後，係公司580日嘅內部AI改造路徑。
AI 圖像、影片與 3D
73歲奧斯卡攝影師鮑德熹，同愛奇藝開「AI 劇場」創作營
鮑德熹話 73 歲擁抱新技術，聯同愛奇藝開創作營，揀 15 隊喺一季內製成 15 分鐘以上 AI 故事片，上線內地首個「AI 劇場」。
AI 圖像、影片與 3D
Meshy 出局部編輯 Meshy Edit：圈個位、講句「去掉帽子」，約一分鐘出新模型
3D 公司 Meshy 推出 Meshy Edit，圈選區域加一句話即可局部修改 3D 模型，未選部分保持原樣，約一分鐘生成，每次消耗 20 積分，向全部註冊用户開放。
AI 圖像、影片與 3D
Kling AI 發 4.0：立體聲、多語言對嘴同 Flash 輕量版，同 Wan、Seedance 打平
單次 30 秒影片、8,000 token 提示詞、15 個參考素材，仲有 720p 嘅 Flash 平價版。對照 Wan 3.0 同 Seedance 2.5，Kling 4.0 打住但冇跑贏，AI 影片呢場軍備競賽未必仲係開住加速。
AI 圖像、影片與 3D
TwelveLabs 影片模型 Pegasus 1.5 上床 Amazon Bedrock，一次睇到兩小時影片
TwelveLabs 嘅 Pegasus 1.5 已經可以喺 Amazon Bedrock 呼叫，將長時間影片自動切成帶時間碼嘅 JSON 元數據，一次處理最多兩小時，唔使預先索引。
AI 圖像、影片與 3D
Muse Wonder 官方跑分亮眼，3D 熔岩燈測試卻大翻車
Meta 10月12日推出 Muse Wonder，官方成績不俗，惟被要求製作 3D 熔岩燈時露餡。首席 AI 官 Alexandr Wang 承認未就 3D 顯式訓練，馬斯克一句「Hmm」更添爭議。
AI 圖像、影片與 3D
你教完個 AI 一次，佢就要記一世？Lovart 2.0 推「Arti」
AI 出圖快，但改稿、對準品牌調性、跨項目記憶照樣拖慢節奏。Lovart 2.0 新推個人設計 Agent「Arti」，宣稱會記住你嘅審美同工作習慣，仲可以 24 小時自動做設計調研。
AI 圖像、影片與 3D
最年輕 AI 教授博導創業：畀機械人數據補全身同「手感」
哈工大（深圳）26 歲長聘教授楊朔同團隊推 SeePhys Hub，補第一視角數據缺嘅身體姿態同觸覺，為 2027 全模態世界模型儲備。
AI 圖像、影片與 3D
影片由 1 分鐘調教到 10 分鐘 Higgsfield 同時開路語音創作
Higgsfield 公佈三項創作能力升級：GPT-6 Astra 將 AI 影片由 1 分鐘延長到 10 分鐘以上，GPT-Image-2.5 提升視覺精度，GPT-Live 開路語音創作。
AI 圖像、影片與 3D
字節借節目首次亮相「世界模型」：一句話搓出可走入嘅 3D 世界
喺《2026 美好奇妙夜》現場，字節演示其未發布嘅世界模型：一語生成微縮房間、憑空攪出物件並可交互、任意門打通不同場景。AI 已唔止生成內容，開始生成一個能持續存在、持續交互嘅數字世界。
AI 語音、音樂與即時對話
TII 出 Falcon-ASR：1.6B 阿拉伯語語音模型 字錯率 20.92%
TII 發布聚焦阿聯酋嘅阿拉伯語語音辨識模型 Falcon-ASR，1.6B 參數，6 個測試集平均 WER 20.92%；權重同 API 未開放。
AI 語音、音樂與即時對話
投資幾十億入語音 AI，執行組都話未到「ChatGPT 時刻」
語音 AI 被當做下一個大接口，但 PolyAI、Otter 兩間公司高層都承認：ASR 漏詞、轉寫出錯，整條 pipeline 一斷就全錯。
AI 圖像、影片與 3D
140億參數世界模型免費試玩 物理分數係自己交上去嘅
美國公司 Odyssey 開放世界模型 Odyssey-3 嘅公開研究預覽，文字即時生成可互動嘅虛擬世界；公司自稱物理基準測試拿分最高，但該紀錄唔符合基準規則。
AI 圖像、影片與 3D
Nikon 顯微鏡比賽冠軍用 AI 後期處理 影片被取消資格
Nikon「Small World in Motion」微觀影片比賽原本嘅冠軍得主，因為影片使用生成式 AI 處理，違反比賽規則而被取消資格。Nikon 稱會重審比賽規則。
AI 圖像、影片與 3D
世界模型「調教」機械人 虛擬世界練到盡先落場
業界分析指世界模型可喺虛擬環境生成近乎無限嘅訓練經驗，幫實體 AI 解決訓練資料稀缺嘅痛點，但技術仲處於初期，模擬同現實之間仲有落差要跨。
AI 圖像、影片與 3D
Google 凌晨推出 Nano Banana 2.1：4K 直出、中文海報改善、API 大減價
生圖模型再升一版：4K 攝影級輸出、蒙版編輯同主體一致性升級，1K/2K 生成價截半，開發者可經 API 接 gemini-nano-banana-2.1。
AI 圖像、影片與 3D
阿里 Qwen 出 Turbo 版圖生模型：8 步對 40 步，快咗幾多？
阿里 Qwen 團隊發佈 Qwen-Image-2.1-Turbo，係開放權重 Qwen-Image-2.1 嘅加速檢查點：同樣 7B 架構，去噪由 40 步壓縮到 8 步，仲提供託管 API。