8月26日，谷歌DeepMind发布Gemini 2.5 Flash图像编辑模型，支持基于文字指令的高精度修图，在多项任务中表现优于GPT-4o。新模型亮点包括“角色一致性”功能，可确保人物、动物或物体在多张图片中外观一致，适合批量制作品牌素材与产品目录。此外，它支持局部编辑、风格迁移以及简单因果推理（如生成气球撞向仙人掌的画面）。该功能已在Gemini应用上线，用户需切换至“Flash”模式使用，生成图像带水印。开发者可通过Gemini API等试用，费用为每百万token 30美元，单张图片约0.039美元。

可媲美GPT-4o的开源图像生成框架来了！腾讯联手InstantX解决角色一致性难题 腾讯混元与InstantX团队合作推出开源插件InstantCharacter，实现定制化角色生成。该插件基于DiTs（Diffusion Transformers），能高效生成并编辑个性化角色图像。 传统方法存在...

清华大学附属生数科技公司的AI视频生成平台Vidu已在全球正式上线。用户只需注册即可开始使用，无需排队等待，且提供每月80积分供免费体验（额外积分可通过付费订阅获取）。Vidu于4月份初次亮相时支持一键生成16秒视频，如今全面开放功能，新增了角色一致性、动漫风格及文字与特效画面生成，旨在提升用户体验...

中山大学和联想团队合作开发的AutoStudio是一款革新性的AI系统，专长于连环画创作。它能保持角色一致性，即使在频繁切换主角和处理复杂人物互动时也能生成连贯的画面。AutoStudio无需训练，借助大语言模型的三个智能体（主题管理器、布局生成器和监督员）协同工作，以及扩散模型生成高质量图像。研究团队在CMIGBench基准测试中，AutoStudio在一致性评估指标上超越现有方法，尤其在处理多轮交互和复杂情节上表现出色，比如理解自然语言指令并生成一致性高的图像，比其他竞品如Theatergen、MiniGemini、Intelligent Grimm和StoryDiffusion更为优秀。