115 articles
所有標籤 gemini-3-5-flash google google-io ai-models agent-tools deepmind gemini-3-5 gemini-3-5-pro gemini-omni gemini-omni-flash video-generation ai-video gemini-4 claude-mythos gpt-5-5 seedance bytedance pricing model-release gpt-5-6 openai chatgpt alignment leak gemini omni veo hidream open-source image-generation diffusion-transformer multimodal tutorial rumor llm api comparison guide best alternative openrouter aws azure google-cloud inference image-to-3d 3d 3d-generation tripo3d h3.1 pbr quad-mesh announcement wavespeedai multiview-to-3d text-to-3d text-to-image nucleus nucleus-image image-to-image materials texture patina image-to-map game-dev unreal unity blender material-extract video-to-video video-inpainting object-removal masking void sam3 text-to-audio music-generation music-cover style-transfer minimax image-to-video pixverse animation transition reference-to-video character-consistency text-to-video baidu ernie multilingual chinese fast audio-to-video music-video lip-sync runway-ml ideogram image-editing sora portrait-effect photo-styling parkour action-video talking-photo travel-photo ad-generation spokesperson virtual-try-on fashion ai-avatar free-tools avatar-generator talking-head ai-image image-generator video-generator wan-2-7 kling gpt-image-2 predictions deevid-ai wan alibaba video-editing video-edit wan-2.7 video-extend veo3 start-end-to-video kuaishou elements vace video-joiner wavespeed-ai gemma-4 on-device-ai audio-converter audio-processing file-conversion image-converter image-processing face-blur privacy video-converter video-processing ai-tools 4k midjourney flux nano-banana seedream best-ai-image-generator pixverse-v6 audio video-effects glm zhipu-ai claude gpt deepseek ai-news phota image-enhance upscaler image-quality photorealistic camera-control vfx anthropic cybersecurity ai-music suno lyria magihuman davinci sand-ai digital-human audio-video davinci-magihuman professional ai-image-generator qwen-image pollo-ai lovart freepik ai-video-generator vidu best-ai-video-generator higgsfield kling-image-o3 ai-image-generation girl-filter face-transformation portrait smile-filter photo-editing watermark-removal sora-alternative sora-shutdown pika grok ltx veo-4 photo-colorizer colorize photo-restoration body-swap face-swap portrait-transfer prismaudio video-to-audio foley ai-audio sound-generation hunyuan audio-generation v2a iclr recraft recraft-v4 text-to-vector svg design dall-e vocal-remover karaoke music-production stem-separation people-remover inpainting fotor photo-editor content-creation desktop-app mp3 wav flac aac png jpg webp heic mp4 mov avi webm janitor-ai media-io video-editor m2.7 ai-model agent coding benchmark age-filter entertainment aging dog-selfie pet-content gender-swap ghibli-filter anime studio-ghibli midjourney-v8 stable-diffusion best-tools ai-content-detector content-moderation content-safety nsfw-detection text-moderation image-moderation video-moderation moderation-api developer-guide sora-2 sketch-to-video infinitetalk celebrity-look-alike face-recognition clothes-changer fat-filter meme fortune-teller math-solver education story-generator creative-writing review baseten 2026 canva fal-ai fireworks-ai leonardo-ai modal gpu-cloud replicate cloudflare runpod together-ai ai-research helios bitdance bitdance-14b autoregressive qwen-image-2 typography skyreels skyreels-v3 talking-avatar portrait-animation soulx flashhead soulx-flashhead real-time streaming nano-banana-2 nano-banana-pro ai-images q3 wavespeed-desktop android mobile playground batch-processing lora workflow ai-pipeline ffmpeg audio-conversion image-conversion video-conversion video-merge video-trimming video-enhancement video-upscale inworld tts text-to-speech voice-ai coming-soon gpt-image kimi moonshot-ai ai-assistant local-ai personal-ai prediction genie-3 world-model interactive-environments mova clawdbot personal-assistant automation chatbot javascript typescript sdk python speculation ai-collaboration productivity ai-agents no-code app-builder development apple background-remover face-enhancer image-enhancement image-eraser inpaint tools claude-code codex ai-coding cursor developer-tools image-enhancer ai-platforms hedra avatars heygen creative video-marketing ideas adobe firefly quality rankings image-translation localization image-upscaling enhancement video-extension video-upscaling enterprise developer clipdrop stability-ai dalle deepai performance black-forest-labs vertex-ai infrastructure hailuo-ai hugging-face tencent text-rendering imagen kling-ai serverless luma-ai dream-machine nightcafe ai-art pika-labs lm-arena runway digital-twins tips video-production synthesia dalle-3 prompting avatar multi-modal aimlapi byteplus comfyui dreamina kie-ai openart poyo-ai topaz upscaling skywork qwen training fine-tuning depth controlnet pose upscale outpaint canny lightricks sdxl background-removal marketing event e-commerce product-photography mochi cogvideo social-media instagram
Gemini 3.5 Flash 正式發布——Flash 級模型在 Agent 基準測試上超越 Pro 級
Gemini 3.5 Flash 於 I/O 2026 正式推出，預設開啟思考模式，每百萬 token 定價 $1.50/$9，在 MCP Atlas 及大多數 Agent 測試套件上超越 Claude Opus 4.7 與 GPT-5.5。本文分析 Flash 的領先之處、落後之處，以及如何部署。
4 分鐘閱讀
Gemini 3.5 Pro 下個月即將到來——Flash 版本已透露的訊息
Google 在 I/O 2026 上發布了 Gemini 3.5 Flash，並將 Pro 版本推遲至六月。Flash 已在程式碼和代理基準測試上超越 Gemini 3.1 Pro，但在複雜推理方面有所退步——這正是 Pro 需要彌補的差距。以下是已知資訊、未知資訊，以及如何提前規劃。
3 分鐘閱讀
Gemini Omni Flash 正式發布：10 秒多模態影片、SynthID 浮水印標記、音訊編輯功能暫緩推出
Google 在 I/O 2026 上發布了 Gemini Omni Flash——一個能跨文字、圖像、音訊與影片進行推理的單一模型，可生成帶同步音訊的一致影片輸出。本文詳述已發布的功能、尚未推出的部分，以及它與 Veo 的差異。
2 分鐘閱讀
Google I/O 2026 的 Gemini 4.0：哪些已確認、哪些來自匿名消息、開發者真正需要關注什麼
Google I/O 今日上午 10 點（太平洋時間）正式開幕。關於新版 Gemini 的賽前報導從「漸進式 3.5 更新」到「深度整合的完整 Gemini 4.0」眾說紛紜。以下整理哪些是官方確認的資訊、哪些來自匿名消息來源，以及模型卡片發布後開發者應立即評估的七個面向。
2 分鐘閱讀
Gemini Omni 演示影片剛剛洩露——Google 全新影片模型究竟能做什麼
距原始 UI 字串洩露八天後，首批 Gemini Omni 示範影片浮出水面。對話式編輯表現強勁，原始畫質遜於 Seedance 2.0，且每段影片消耗約 43% 的 AI Pro 每日配額。這是 I/O 2026 前一週的真實評測。
1 分鐘閱讀
Google神秘的「Omni」影片模型：Gemini UI洩露在I/O 2026前透露了什麼
Google似乎正在Gemini內部測試一個名為Omni的新影片生成模型，這一消息來自Google I/O 2026前夕發現的UI字串。以下是我們目前所知的、尚不清楚的，以及它可能帶來的影響——包括對WaveSpeedAI上的Veo。
2 分鐘閱讀
Google Veo 3.1 Lite 現已登陸WaveSpeedAI
使用 Google Veo 3.1 Lite，從任意參考圖像生成高品質影片。在 WaveSpeedAI 上享受快速、經濟實惠的 AI 圖像轉影片生成，無需冷啟動等待。
1 分鐘閱讀
Google Veo 3.1 Lite Start-End-to-Video 現已登陸WaveSpeedAI
定義起始和結束幀，讓AI自動生成中間的影片過渡效果。Google Veo 3.1 Lite Start-End-to-Video 現已上架WaveSpeedAI，無冷啟動延遲。
1 分鐘閱讀
Google Veo 3.1 Lite 文字轉影片現已登陸WaveSpeedAI
使用 Google Veo 3.1 Lite 從文字提示生成影片。快速、經濟實惠的 AI 文字轉影片生成，無需等待冷啟動，現已在 WaveSpeedAI 上提供。
1 分鐘閱讀
什麼是Google Gemma 4？架構、基準測試及其重要性
Google Gemma 4是DeepMind迄今最強大的開源模型系列，以Apache 2.0授權提供四種規格，支援多模態輸入、原生推理，並可部署至樹莓派等端側設備。
4 分鐘閱讀
Suno vs MiniMax Music vs Google Lyria 3：AI音樂生成全面比較
深入比較 Suno v5.5、MiniMax Music 2.5 與 Google Lyria 3 Pro 的 AI 音樂生成能力，涵蓋音質、人聲、創作控制、定價及 API 存取等面向。
5 分鐘閱讀
Google Lyria 3 Clip現已登陸WaveSpeedAI
Google Lyria 3 Clip 可根據歌詞、描述及音頻等文字提示生成完整音樂曲目，支援圖像引導生成、負面提示詞及可重現結果。提供 REST API，每段剪輯僅需 $0.04，無冷啟動延遲。
1 分鐘閱讀