OpenAI推出免费GPT-4o图像生成，支持文本控制和多轮交互，用户可在ChatGPT和Sora中体验。该模型能精确融合符号与图片，处理多个物体，生成速度快。用户每天限3次体验，API将逐步推出。

潞晨科技的尤洋博士在MEET 2025大会上介绍了视频生成模型Video Ocean，强调其在文本控制、机位角度、角色一致性和风格定制化方面的潜力。预计未来三年，该技术将突破现实限制，降低影视制作成本，推动行业变革。

最近，生成式扩散模型在文本控制下合成图像方面取得了显著进展。本文提出了一种统一语言界面，将计算机视觉任务转化为文本到图像生成问题，并创建了多模态训练数据集。实验结果表明，InstructCV模型在多任务视觉学习中表现优异，具有良好的泛化能力。

本研究介绍了一种新颖的任务——基于文本导向的主题驱动图像修复方法DreamInpainter，通过主题特征和令牌选择模块实现准确的主题复制和身份保留。实验证明了该方法在视觉质量、身份保护和文本控制方面的卓越性能。