商湯開源 SenseNova U1 圖文交錯生成增強版模型：支持多頁連續創作，角色風格不“跑偏”
重點摘要
商湯開源 SenseNova U1 圖文交錯生成增強版模型，專為繪本、故事書、多頁 PPT 及圖文教程等連續創作場景強化。該模型支援多頁內容連續生成，並能維持角色風格一致性
### 商湯開源 SenseNova U1 增強版：圖文交錯生成再進化，連續創作不再「斷片」
商湯科技近日宣布開源 SenseNova U1 圖文交錯生成增強版模型，這款模型專為需要同時處理文字與圖像的連續創作場景進行強化。不同於傳統單圖生成或簡單圖文配對，該模型能一次產出邏輯連貫、風格統一的長篇幅內容，例如繪本、故事書、多頁簡報或步驟型圖文教學。最關鍵的是，它在多頁創作中能維持角色、場景與視覺風格的一致性，解決了過去生成模型常見的「跑偏」問題——比如前幾頁的主角明明是藍色帽子，後幾頁卻莫名變成紅色帽子。
### 重點整理：跨頁連貫與風格穩定
這款模型的兩大亮點在於「多頁連續創作」與「角色風格不跑偏」。所謂圖文交錯生成，是指模型不是單純生成圖片或文字，而是同時輸出互相搭配的圖文序列，且每一幀之間要有因果或敘事關聯。例如，使用者只需給出一個故事開頭，模型就能自動完成後續頁面的文字解說與相應插圖，並且確保角色外觀、場景色調、字體風格從頭到尾保持一致。這對繪本創作、教案設計、產品說明書等需要大量視覺一致性場景來說，是突破性的進步。
### 背景脈絡：從單張生成到敘事流
過去幾年，AI 繪圖模型如 Stable Diffusion、Midjourney 雖然能產出高品質單圖，但若要生成多頁連貫內容，經常出現角色變臉、背景風格跳躍、文字內容與圖像脫節等問題。商湯此次開源的 SenseNova U1 增強版，正是針對這個痛點進行專項強化。它採用新的訓練策略，讓模型理解「前一頁的內容如何影響後一頁」，並在生成過程中加入跨頁注意力機制，確保圖文間的邏輯鏈不被中斷。此外，開源策略也讓學術界與開發者可以基於此模型進行二次開發，加速圖文生成領域的技術落地。
### 可能影響：創作者門檻大幅降低
對台灣的內容創作者、教育工作者與設計師而言，這款模型的出現可能改變創作流程。過去製作一本 20 頁的兒童繪本，需要逐一繪圖、調整配色、撰寫故事旁白，耗時數週；如今透過 SenseNova U1，創作者只需描述故事走向與角色設定，模型就能自動產出草稿，再經人工微調即可完成。這不僅節省時間，也讓缺乏繪畫技能的文字工作者有機會將想法視覺化。此外，多頁 PPT 或圖文教程的自動生成，也對企業內部訓練材料、產品行銷手冊的製作效率帶來顯著提升。
### 可能影響：開源生態與商業應用並進
開源意味著更多開發者可以測試、改進甚至整合到自己的產品中。短期內，我們可能會看到基於 SenseNova U1 的本地端應用或雲端服務出現，例如針對兒童教育的互動故事生成器，或是幫 YouTuber 快速產出影片腳本搭配示意圖的工具。長期來看，若模型在角色一致性與長文本理解上表現穩定，勢必會被整合進更大型的創作平台，甚至與 AR/VR 內容生成結合。不過，仍需留意 AI 生成內容的版權歸屬問題，以及可能被用來產生誤導性資訊的風險。
### 讀者可關注的後續
目前模型已於 GitHub 等平台開源，有興趣的開發者可前往下載原始碼與預訓練權重。建議關注以下幾個方向：第一，模型對繁體中文與在地文化內容的支援度——由於訓練資料以簡體中文與英文為主，台灣創作者使用時可能需額外進行字詞轉換或風格調整。第二，官方是否會推出 API 或雲端試玩版本，讓非技術使用者也能體驗。第三，社群如何圍繞該模型開發外掛或微調工具，例如將角色綁定特定 LoRA 以強化個人化風格。商湯後續也可能更新模型版本，加入影片生成或語音
Related
相關文章
Edge AI Daily 早報（6月19日）
AI Engineer World's Fair 2026規模再創新高，標誌AI工程從幕後走向舞臺中央。行業面臨結構性調整：楊立昆警示OpenAI年虧210億美元揭示商業模式脆弱性，Transformer之父轉投OpenAI反映人才爭奪白熱化。Anthropic多線佈局——語音支持七種語言、加入碳清除聯盟、落子首爾辦事處，展現生態擴張野心。監管壓力加劇，意大利依據DMA調查蘋果iCloud，巴西開放iOS側載佣金降至5%，蘋果圍牆花園持續崩塌。
今天起，Claude Design要把設計師和程序員變成同一種人了
猝不及防！Anthropic深夜甩出Claude Design大更新，設計系統一鍵導入，代碼雙向同步，9大平臺一鍵導出。Anthropic設計師親自下場錄屏：AI跑了八輪自查，才敢把設計稿給你看。
OpenAI 成為 Rust 基金會白金會員，合計贊助 60 萬美元
OpenAI 正式成為 Rust 基金會白金會員，將提供總計 60 萬美元資金，用於支持 Rust 開源項目維護者及 Rust 創新實驗室等計劃。這標誌著 AI 巨頭對安全、高效系統編程語言的重視。 #OpenAI #Rust #開源
Claude Design 上線首周用戶破百萬，和 Claude Code 共享 AI 配額
Anthropic 今天（6 月 18 日）發佈公告，在宣佈 Claude Design 上線首周用戶規模突破 100 萬後，進一步強化和 Claude Code 的雙向聯動，實現從設計到編程的無縫工作流。
谷歌時隔6年再發智能音箱，Gemini上桌，售價不到700元
智東西 編譯 | 劉煜 編輯 | 陳駿達 智東西6月18日消息，谷歌昨日宣佈，其首款搭載居家版Gemini語音助手的智能音箱（Google Home Speaker）已開啟預售，將於當地時間6月25日正式上市，售價為99.99美元（約合人民幣677.03元）。在此之前，谷歌已有6年沒有推出過獨立智能音箱產品。 谷歌這款智能音箱外觀近似球形，風格類似亞馬遜新一代Echo音箱與蘋果舊款音箱HomePod Mini。 ▲谷歌智能音箱（圖源：谷歌官網） 使用音箱時，用戶只需通過口令“Hey Google”或“OK Google”喚醒Gemini，就可以繼續下達相應指令。這與谷歌舊款音箱、智能顯示屏等喚醒語音助手的方式相同。此外，用戶只要按照日常說話習慣下達命令，Gemini便能理解用戶意圖，相比之前大大提升溝通效率。 一、加強短時對話記憶，會員可與Gemini不限次數對話 谷歌此次推出的全新音箱升級諸多功能。其中，音箱搭載的Gemini語音助手擁有10款全新擬人化語音音色，用戶可以根據喜好自行選擇聲線。音箱還可支持用戶一次性下達多條語音指令，即使指令未能說對、說完整，用戶中途改口Gemini也能識別。 Gemini還具備多鏈路推理能力，落地到實際生活場景中比較實用。例如，用戶問：“我支持的足球隊下場比賽天氣如何？”Gemini收到指令後，會自動查詢賽事時間、舉辦地點，同時匹配相應時段天氣，再給出答覆。 同時，Gemini加強了短時對話記憶，能承接上下文實現連續對話功能。即使用戶連續追問、甚至串聯多項任務、不重複交代前置條件，該語音助手也能實現來回連貫交流。 ▲谷歌Gemini對話場景（圖源：谷歌官網） 不僅如此，Gemini搭配的連續對話功能，能讓應答後的音箱麥克風保持短暫收音，用戶無需重複喊“OK Google”就能繼續提問。該功能現已全面支持所有Gemini原生適配的語言，包括
微軟，考慮接入DeepSeek
這篇消息聚焦「微軟，考慮接入DeepSeek」。原始導語提到：Copilot Cowork轉為按量計費。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。