Adobe一直是将AI深度融入创意软件的先驱,几乎在旗下所有应用中都嵌入了图像、视频、音频及矢量生成工具。如今,Adobe推出了全新的基于提示词的Firefly AI助手,正式向Gemini的Nano Banana等AI应用发起挑战。用户只需描述想要达到的效果,Firefly AI助手便会在Photoshop、Premiere、Lightroom、Illustrator等多款应用中自动执行"复杂的多步骤工作流程",从而实现目标。
Adobe指出,Photoshop等应用的复杂性对那些有创意构想却缺乏操作技能的用户而言是一道"门槛"。Firefly AI助手的出现正是为了解决这一问题。它的工作方式与ChatGPT等基于提示词的AI助手相似,但背后有Adobe强大的软件套件支撑,能够实际执行所需的每一个步骤。正如Adobe所说:"你不再需要规划操作流程,只需从最终效果出发即可。"
Adobe强调,尽管Firefly AI助手承担了大量繁琐的执行工作,用户始终掌握主导权。"助手在执行任务的过程中,你可以随时介入,调整方向、修改输出结果,打造属于自己的独特作品。"此外,助手会保留Adobe的原生文件格式,确保最终输出内容可以完整地继续编辑。
用户可以借助"创意技能"功能,通过单个提示词启动复杂的工作流程,并根据个人工作习惯进行定制化调整。例如,用户可以先使用"社交媒体素材"技能,再指示助手进行裁剪,或使用生成式延伸功能,使内容适配Instagram、Facebook等不同平台的格式要求。
Firefly AI助手还具备情境感知的创意决策能力。Adobe举例说明:假设有一张以森林为背景的产品照片,"助手可能会提供一个简单的滑块,让用户增减周围的树木和植被——无需进行复杂的编辑操作,就能轻松调整场景效果。"此外,助手还能通过Adobe旗下的Frame.io平台,组织、共享团队成员的工作内容,帮助收集反馈并推进协作。
Adobe强调,Firefly AI助手建立在公司专业级创意工具的基础之上,能够以其他AI智能体无法实现的方式提供"精准的情境感知结果",并会随着使用逐渐学习用户的创作风格。这一论点无疑是Adobe为应对"生成式AI应用正在蚕食Photoshop等传统软件"这一市场叙事所做出的回应。Adobe Firefly AI助手将于未来数周内进入公开测试阶段。
如果用户希望在Adobe应用中使用其他AI图像生成工具,Adobe还新增了Kling 3.0和Kling 3.0 Omni,这两款被定位为"通用视频模型,针对快速、高质量的内容生产进行了优化,并支持智能分镜和音画同步"。除此之外,平台上已有的可用模型还包括谷歌的Nano Banana 2和Veo 3.1、Runway Gen-4.5、Luma AI的Ray 3.14、ElevenLabs的Multilingual v2、Topaz Lab的Topaz Astra等多款工具。
Q&A
Q1:Adobe Firefly AI助手是什么?它能做什么?
A:Adobe Firefly AI助手是Adobe推出的一款基于提示词的AI助手,用户只需用自然语言描述想要的创意效果,助手便会自动在Photoshop、Premiere、Lightroom、Illustrator等多款Adobe应用中执行复杂的多步骤工作流程,帮助用户实现目标,同时保留原生文件格式以便后续编辑。
Q2:Firefly AI助手会取代用户的创作控制权吗?
A:不会。Adobe明确强调,用户始终保持对创作过程的主导权。助手在执行任务时,用户可以随时介入,调整方向或修改输出内容。助手更像是一个执行工具,帮助用户降低操作门槛,而非替代用户的创意判断。
Q3:Adobe Firefly AI助手何时可以使用?支持哪些应用?
A:Adobe Firefly AI助手将在未来数周内进入公开测试阶段。目前支持的应用包括Photoshop、Premiere、Lightroom、Illustrator等Adobe主流创意软件,用户可以通过"创意技能"功能在这些应用中启动跨平台的多步骤工作流程。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。