AI 设计与生产月报 · 2026 年 9 月
FAI 实验室
本期现有 10 件大事可供阅读，包括：Omniverse NuRec：复用行驶数据，为新车型生成感知训练视角；Comfy Router 发布：统一接入图像、视频、3D 与音频模型；ComfyUI 原生支持 Qwen-Image-2.1 与透明图像输出。
Omniverse NuRec：复用行驶数据，为新车型生成感知训练视角
NVIDIA 官方教程展示车型适配流程：用已有行驶记录重建三维场景，按目标摄像头布局渲染，再用 Harmonizer 整理画面并准备感知训练数据。NuRec Skill 可协助数据获取、渲染与后处理；画面修复不能补救错误校准或未覆盖场景，合成数据也不能替代实车数据验证。数据集、模型和容器需要相应 NVIDIA NGC / Hugging Face 账户及许可；FLABS 未运行该工作流，不把厂商效果视为本站实测。
设计与创作工具
Comfy 官方博客一手09.23Comfy Router 发布：统一接入图像、视频、3D 与音频模型
Comfy 宣布在 Developer Platform 提供 Router，用同一个接口接入多家媒体模型，并按任务选择提供方。公告列举了首批接入的模型；可用性、单次价格、授权及输出限制需继续核对相应提供方。
Comfy 官方博客一手09.20ComfyUI 原生支持 Qwen-Image-2.1 与透明图像输出
Comfy 的集成说明介绍 Qwen-Image-2.1 的图像生成与编辑工作流，包括原生透明通道、2K 输出和多参考图。Logo、图标与商品抠图是其举例的使用方向；素材权利、模型许可与实际输出质量需独立确认。
Comfy 官方博客一手09.01Trellis.2 与 Pixal3D 原生接入 ComfyUI 3D 流程
Comfy 宣布 Trellis.2 与 Pixal3D 可原生运行，并更新 3D 加载、预览、保存、网格后处理及 PBR 贴图流程。文章介绍基于消费级硬件的使用方向；网格可制造性、版权及组件许可仍需针对实际资产核验。
Isaac ROS 5.0 加入面向 AI Agent 的机器人开发工作流
NVIDIA 官方发布说明介绍了 Isaac ROS 5.0 对 ROS Lyrical 与 Ubuntu 24.04 的支持，以及用于环境设置、操作任务和双目感知模型适配的 Agent 工作流。文章还描述了可独立使用的抓取放置工作流，并列举机器人上下料等生态应用。 厂商提供的案例与性能数字不是本站实测；运行环境、硬件支持与各组件许可证需逐项核对，不将框架开源等同全部模型和应用均可无条件商用。
ElevenLabs 官方博客一手09.28ElevenLabs 发布 Eleven v4 与 Turbo，面向配音、对话及多语言音频制作
ElevenLabs 官方发布 Eleven v4 和低延迟变体 Eleven v4 Turbo，介绍自然语言表演指令、音频标签、多说话人对话及跨语言音色保持能力。文章称两者支持90多种语言，并已通过 ElevenAgents、ElevenCreative 和 ElevenAPI 提供，适用方向包括旁白、有声书、角色台词和本地化配音。 官方榜单、偏好测试及延迟数字未由本站复核，不计作本站排名或实测。声音克隆能力不代表取得任意声音的使用授权；套餐、声音授权和输出商用条件需单独核验。
工作流与实践
Comfy 官方博客一手09.23Comfy 优化 MiniMax H3 视频 VAE 编码与解码
Comfy 介绍 H3 视频 VAE 的内核融合、卷积和量化解码优化，并给出特定测试条件下的耗时对比。速度数字来自官方测试，不能外推到所有显卡、分辨率或工作流；部署前仍需核对精度取舍。
工程与行业
Comfy 官方博客一手09.05Comfy 推出驻场创意服务，帮助团队把原型接入生产流程
Comfy 介绍 Forward Deployed Creatives 服务：专家与团队协作，在真实素材和品牌要求下验证、搭建工作流，并帮助内部人员接手。这是服务说明，报价、交付范围及可达到的收益需按具体项目确认。
Comfy 官方博客一手09.04Comfy 公布 H3 音画同步创作挑战获奖案例
Comfy 回顾与 MiniMax 合作的 H3 音画同步挑战，介绍同次生成中声音与动作结合的作品及评审流程。该活动已经结束；获奖结果属于主办方评审，不作为本站工具质量排名。
西门子回顾 IMTS 工业 AI 演示，强调加工建议仍由人作最终决策 · 该内容已下架或调整展示方式。
研究预览
Runway 官方研究一手09.03Runway以研究预览展示GWM Worlds 2实时音视频世界与交互控制
Runway以研究预览介绍GWM Worlds 2，将音视频生成用于连续交互环境。文章提出WorldPrompt，用持续世界上下文、首帧、带时间戳的主体动作和相机输入组织生成。官网声明模型生成720p、24fps视频及48,000Hz音频，并展示预编排、轮流决策和实时控制等使用方式；所列影视广告、互动体验及具身智能应用仍属于研究与演示定位。 研究预览不等于所有用户或所有付费套餐已可用。官方说明快速相机旋转可能降低细节、纹理及几何质量，长期记忆不完善，参考图受首帧/预填音视频范围限制；部分演示动作预先编排，且预编排方法质量更好。720p/24fps/音频频率是厂商声明，未本站实测；不把可输入物理规则的生成环境当作工程级准确仿真或量产能力。