Qwen VLo是一款多模态统一理解与生成模型，能够精准理解图像内容并高质量再创造。用户可通过自然语言指令生成或修改图像，支持多语言，提升创作体验。模型具备动态分辨率生成能力，用户可实时调整生成过程。尽管仍在预览阶段，Qwen VLo未来将不断迭代，提升稳定性与鲁棒性。

吉卜力工作室的视觉风格深受全球观众喜爱。OpenAI的GPT-Image-1模型使生成吉卜力风格图像变得简单，支持文本和图像输入，能够高质量捕捉艺术风格。用户可通过ChatGPT生成个性化插图，提升创作体验。

字节跳动的SeedFoley模型通过端到端架构实现视频音效智能生成，提升音效与视频的同步性。用户可在生成视频后选择AI音效，获得专业音效方案，显著改善创作体验。该技术结合视频特征与扩散模型，支持可变长度视频输入，提升音效质量，适用于多种视频场景。

FineVoice Video To SFX 是一款创新的 AI 工具，能够将文字和视频转换为音效，适用于视频剪辑和游戏制作。它通过简单描述生成匹配的音效，提升创作体验。

AI进化速度快，Suno 3.5发布，更新包括生成4分钟歌曲和创作体验改进，使用方法类似。