Image Generation

主要新闻

1. 1

   中国美容産業、AI導入で製品開発を加速

   中国の美容産業がAIを導入し、製品開発のあらゆる段階を短縮している。 AIによる効率化により、中国企業がイノベーションギャップを埋めようとしている。美容製品の開発サイクル短縮は市場投入までの時間削減につながる可能性がある。

   記事では具体的な企業名、数値、導入時期は明記されていない。

2. 2

   Hugging Face上托管着数千个深度伪造裸露工具

   发生了什么：AI Forensics的研究人员测试了Hugging Face上的图像编辑工具，发现9款顶级工具中有7款可以轻易地将女性穿衣照片转换为裸露照片。在另一项使用蜜罐的测试中，他们在一周内收集了超过1000条提示词，其中73%具有性质内容，这些性质内容中83%试图脱掉或色情化提交的照片——95%针对女性，6.7%针对明显的儿童。 为什么重要：估值数十亿美元的Hugging Face托管了大约5000个能够生成真实人物非共识亲密图像的AI图像模型，但似乎缺乏平台级的保障措施。与OpenAI和Google等主流模型使用称为护栏的安全机制不同，Hugging Face上的开源模型可以通过简单提示词轻易被滥用——并且每周已被数千人以此种方式主动使用。

   值得关注：Hugging Face未回应WIRED提出的内容审核问题。在WIRED与该公司联系后，一些推广裸露化服务的页面被删除，但两者的关联并不明确。欧盟和英国计划在年底前禁止"裸露化"应用程序。

3. 3

   Jack Conte谈AI对网络创意未来的影响

   发生了什么：Patreon创始人Jack Conte在一段视频演讲中分享了他对人工智能如何塑造互联网创意工作未来的看法。 为什么重要：作为一个帮助数百万创意工作者直接从受众获取收入的平台负责人，Conte对AI对创意和创意经济影响的看法，对任何从事或依赖网络创意工作的人都具有重要参考价值。

   值得关注：该视频已在YouTube上发布，提供了Conte关于随着AI日益普遍，创意工作者和互联网生态系统如何适应的完整观点。

4. 4

   Midjourney收购占星应用Co-Star，任命创始人为首席设计官

   发生了什么：AI图像生成初创公司Midjourney在春季完成了对个性化占星应用Co-Star的收购。Co-Star创始人Banu Guler将继续主持该应用，并同时担任Midjourney的首席设计官。 为什么重要：Co-Star结合人类洞察、NASA数据和AI技术，为用户提供个性化的日常星座运势和配对指数。此次收购表明Midjourney正在将业务扩展到图像生成之外的消费者应用领域，而Guler的设计专长可能有助于塑造Midjourney首批专属应用的开发方式。

   值得关注的是：Midjourney计划开发其首批应用，包括专门用于图像生成的应用。目前，Midjourney的AI模型通过网络和Discord运行；这些新应用标志着公司向独立产品的转变。交易条款尚未披露。

5. 5

   Midjourney收购占星应用Co-Star

   发生了什么：以图像和视频生成器著称的AI实验室Midjourney已收购社交占星应用Co-Star。交易条款未披露。Co-Star的约二十名员工已加入Midjourney。 为何重要：Co-Star拥有约430万月活用户，利用AI和人工撰写生成星座运势和占星兼容性评估。此次收购表明Midjourney正在向消费者应用领域扩展，超越其核心图像生成业务，此前公司已致力于建立医疗和水疗部门。

   需关注的是：Midjourney目前主要通过Discord运营，没有独立应用。Co-Star团队在构建消费者应用方面的经验表明Midjourney可能最终会开发自己的独立应用程序。

6. 6

   Black Forest Labs推出涵盖视频、音频和机器人的FLUX 3多模态模型

   发生了什么：Black Forest Labs宣布推出FLUX 3，这是一个统一的多模态模型，采用单一架构进行训练，可处理图像、视频、音频生成和动作预测。该公司还推出了FLUX-mimic，这是基于FLUX 3构建的视频动作机器人模型，已与奥迪合作进行测试，可在单个本地GPU上进行真实工厂部署。 为何重要：FLUX 3复现并扩展了其他前沿实验室此前分别演示的功能（Gemini Omni、Grok Imagine、Seedance 2.0），该团队承诺将推出开放权重的开发者版本。机器人应用表明视频世界建模可直接转移到机器人控制，可能会降低实验室构建具有竞争力的开源模型的门槛，而无需依赖封闭生态系统。

   值得关注的是：FLUX 3 Video目前处于早期访问阶段。该模型在单一架构中统一图像、视频、音频和机器人控制的能力——通过联合训练而非作为独立模块——将决定多模态系统是成为行业标准还是继续按任务分散。