-
FLUX 3 Image Klein王炸更新：重磅官宣开源 4K细节 + 像素级精准编辑 10张参考图
一、FLUX 3介绍 FLUX 3 是德国 Black Forest Labs（黑森林实验室）2026年7月发布的多模态基础模型，把图像、视频、音频和动作预测统一到了一个架构里，不再只是画图工具。可在 ComfyUI 里直接运行，既能按提示词生成图像，也能用多张参考图做编辑。它借鉴了家族在图像、视频和音频模型间共享的训练成果，保留了大尺寸 FLUX 3 Image 的控制特性，包括边界框。…- 1.4k
- 1.4k
-
千问Turbo开源：Qwen-Image-2.1-Turbo低显存畅玩国产顶级极速出图
一、Qwen-Image-2.1-Turbo介绍 Qwen-Image-2.1-Turbo 是通义千问团队 2026 年 10 月 9 日发布的官方加速版图像模型，主打 8 步出图，同时把文生图和图像编辑合并到一个模型里，并原生支持透明图和多图参考。 它基于 Qwen-Image-2.1 的 7B 架构，去噪步数从常规几十步压到 8 步，速度提升明显。实测中，生成一张 1K 图片约快 2—…- 1.3k
- 1.3k
-
Qwen Image 2.1 终于有 ControlNet ：Qwen-Image-2.1-Fun-Controlnet-Union
一、Qwen-Image-2.1-Fun-Controlnet-Union介绍 Qwen-Image-2.1-Fun-Controlnet-Union是Qwen-Image 2.1 可搭配使用的 ControlNet Union 模型/节点，主要用于在 ComfyUI 里对 Qwen-Image 2.1 图像生成进行结构控制（Canny、深度、灰度、HED、线稿、MLSD、姿态、涂鸦）和图像修…- 14.6k
- 14.6k
-
ComfyUI多人姿势编辑器：Gaoshang Pose漫剧角色空间站位方案
一、Gaoshang Pose是什么 在 ComfyUI 中摆好人物动作、转身和站位，再将姿势参考图接入 Qwen Image 2.1 图像编辑工作流。 支持 1–9 个人偶独立编辑、9 张人物参考图、彩色编号选人，适合编排多人构图与剧情站位。 功能 最多 9 人：添加人物后，使用不同颜色的编号按钮切换角色，分别调整动作、站位和体型。 9 张人物图：输入 1–9 按编号对应编辑器中的人物，自动生成…- 19.1k
- 19.1k
-
Qwen-Image-2.1已开源支持文生图、图像条件编辑：能力实测，画质能接近 GPT-image 2.5
一、Qwen-Image 2.1介绍 本周日，阿里千问正式开源图片生成模型 Qwen-Image-2.1，以小模型的体量解决了大部分生产力难题：它实现了文生图与图像编辑一体化，原生支持透明图生成，最高可以接收 10 张参考图，还进一步强化了局部编辑、人像与商品保真。 Qwen-Image-2.1，千问图像系列当前兼顾生成效果、推理效率与使用成本的开源图像模型。Qwen-Image-2.1 将文生…- 99.4k
- 99.4k
-
Qwen Image 2.1效果抢先预览！文字/影视/电商/编辑全拉满，即将开源！
今天，Qwen团队推出Qwen-Image-2.0，新一代图像生成基础模型，首次将图像生成和图像编辑统一到一个模型中，以更小体量，实现复杂文字渲染和极致真实质感。图文排版、专业书法、多格漫画、写实摄影……更多玩法等你探索！Qwen-Image-2.1 将高质量图像生成与灵活编辑融于一体，兼顾出色表现与推理效率。通过灵活的输出形式和精细的创作控制，从生成全新画面到调整复杂构图，为多样化的视觉创作提供…- 13k
- 13k
-
AI歌词生成歌曲YUE2：AI歌曲高速生成,支持老显卡,音频时长和歌词自动对齐
一、YUE2概述 YuE2-3B 是原始 YuE 歌词到歌曲模型的继任者。团队将其定位为前沿质量的开源音乐生成，最亮眼的特性是带可编辑乐谱的符号化规划。YuE2 不会从文本直接跳到音频，而是先写出包含旋律与和弦（ABC 记谱法）的方案，再据此渲染音频。由于该方案是显式的，你可以： 作曲与编辑：完整旋律加和弦、仅旋律，或不使用乐谱直接生成 自带乐谱：输入已有的 ABC 乐谱，让 YuE2 演唱它 用…- 29.5k
- 29.5k
-
2026年10月秋叶大佬最新Comfyui整合包：ComfyUI-aki-V3.2（v3.7+）和V1.1（Intel Arc版）-史诗级更新
本文持续更新秋叶大神最新发布的ComfyUI整合包。ComfyUI是一个非常便利的AI绘画工具，拥有节点式和工作流式的AI绘画界面，并支持多种节点的使用。秋叶大神发布ComfyUI整合包主要是为了改善国内ComfyUI的入门生态，使新手更轻松入门。尽管ComfyUI以其高度可定制和自定义的编辑方式而受到广泛使用，但对于新手来说却具有一定的难度。此外，快速的更新速度、不兼容的更新、以及社区化松散等问…- 15m
- 15m
-
Minimax H3导演台插件震撼发布：ComfyUI_MiniMaxH3_Director（全能玩法大集结：文生视频、图生视频、首尾帧控制、多参考图生成等）
一、ComfyUI_MiniMaxH3_Director 介绍 ComfyUI_MiniMaxH3_Director 是一个基于 MiniMax H3 视频模型的 ComfyUI 插件及工作流集合，主要用于在本地或云端通过节点方式生成和编辑视频 。它提供了文生视频、图生视频、视频编辑等多种工作流，支持二次采样高清放大及音画同步功能 。MiniMaxH3Director 是面向长视频、多段生…- 161.8k
- 161.8k
-
AI漫剧从0到1全流程SOP:爆款AI漫剧教学手册-北京航空航天大学（附PDF下载）
想做 AI 漫剧却怕门槛高、没人带？❌别再自己瞎摸索了！ 由北航何静副教授团队+清华新媒沈阳团队联合打造,带你拆解百万播放量AI漫剧创作全流程，面向新手小白。该手册是一份关于利用AI工具进行漫画与短剧创作的系统性教学指南，内容主要围绕AI漫剧的全流程制作展开，涵盖工具介绍、角色设计与生成、一致性控制、动态视频生成、剧情创意设计、转场技巧以及创作思路总结等方面。 手册首先列举多款AI视频生成工具，并…- 72.1k
- 72.1k
-
Qwen3.8-27B 本地部署实操：从 GGUF 到 vLLM（全网最详细版）
Qwen4.0 架构来了，Qwen3.8-Flash-Next重磅来袭：125B总参却只激活6B，效率碾压大模型 模型体验地址：https://modelscope.cn/models/Qwen/Qwen3.8-Flash-Next/files 一、Qwen3.8-27B介绍 Qwen3.8-27B 这几天之所以被本地模型用户高度关注，不是因为它参数量特别大，恰恰相反，是因为它把相当强的 Codi…- 57.7k
- 57.7k
-
MiniMax 发布 Music3 音乐模型：给歌词和描述，可生成最长 5 分钟歌曲
一、MiniMax Music 3介绍 MiniMax-Music3 是 MiniMax 于 2026 年 8 月 14 日发布的音乐生成大模型，能够创作长达 五分钟 的完整歌曲。在给定歌词和详细音乐描述的条件下，该模型可生成结构连贯、富有表现力的人声、不断演化的编曲以及稳定的长时音频质量的歌曲。 MiniMax Music 3 结合了用于长距离音乐结构建模的 8B 全局大语言模型（Global …- 54.3k
- 54.3k
-
LTX-2.5模型发布:6.8秒生成10秒720P视频
一、LTX2.5模型介绍 LTX-2.5 是LTX领先研究团队推出的最新开放世界视频生成模型，为媒体与娱乐、机器人、实时生成等领域的使用场景奠定基础。该模型可生成更高质量的视频，更准确地遵循提示词，并在多次生成中保持角色、场景和声音的一致性。在 2 张英伟达 GB200 芯片配置下生成 10 秒 720P 视频仅需 6.8 秒，原生集成 ComfyUI 工作流工具。 全新多镜头支持让创作者可生成跨…- 76.8k
- 76.8k
-
微软开源轻量级多模态图像生成模型Mage-Flow：四步完成专业级编辑的秘密
2026年7月23日，微软宣布开源轻量级多模态图像生成模型系列 Mage-Flow，将最新的原生分辨率文生图与图像编辑能力以约 40 亿参数的紧凑规模完整开放给开发者和研究社区[1][2][3]。这一模型族以“高质量输出 +低算力门槛”为目标，可在单卡消费级 GPU 上高效运行，被视为对当前动辄数十亿乃至上百亿参数的闭源图像模型的一次有力补充。 Mage-Flow 由微软研究团队牵头，在学术论文、…- 40k
- 40k
-
阿里开源Wan-Dancer舞蹈生成模型,突破分钟级舞蹈生成瓶颈
一、Wan Dance是什么？ Wan-Dancer是阿里通义万相开源的音乐驱动人像舞蹈视频生成模型，参数量达140亿，可根据输入音乐自动生成与节拍匹配的人物舞蹈视频，支持输入单张人物照片与音频，自动生成15 秒至 3 分钟、节拍精准对齐的高清连贯舞蹈视频 。 音乐驱动舞蹈生成：输入人物照片与音乐，自动生成与节拍精准对齐的舞蹈视频。 分钟级长视频生成：突破传统 20 秒限制，稳定生成 …- 73.7k
- 73.7k
-
Qwythos-9B 完整上手指南：一个用 Claude 数据训练出来的本地推理模型（4GB 显存即可本地部署）
一家叫 Empero AI 的独立研究机构，发布了一个开源模型 Qwythos-9B，并且在模型介绍页上明确写着——它的训练数据来自 Claude Mythos 和 Claude Fable 的输出。 公开承认用闭源商业模型的输出来训练开源模型，这件事本身就够刺激了，更何况 Anthropic 的服务条款明确禁止这种做法。消息一出，评论区两极分化：有人觉得这是开源社区对闭源模型护城河的一次正面冲击…- 35.7k
- 35.7k
-
3步出图！最新图片编辑模型BooGu：Boogu-Image-0.1生图模型硬刚Qwen
一、Boogu-Image 0.1 系列概览 Boogu-Image 是 Boogu 团队开源的一体化图像生成与编辑大模型系列，参数量为 10B。该系列包含 Base、Turbo、Edit 三个核心变体。Base 版本作为基础模型，支持文生图功能；Turbo 版本专注于极速推理，通过蒸馏技术将生成速度提升数倍；Edit 版本则侧重于图像编辑能力，支持局部修改、物体增删等操作。三者共享相同的参数量架…- 65.9k
- 65.9k
-
Bernini：全能Wan视频编辑与生成模型，AI视频编辑先理解再动手
一、Bernini 介绍 Bernini 是字节跳动商业化技术团队于 2026 年 6 月开源的统一视频生成与编辑框架，该框架核心主打“先理解、再生成”的协同机制，旨在有效解决传统模型由于无法精准理解复杂指令而导致的画面失控、帧间闪烁等行业痛点。 目前，Bernini在字节自建的测试中已稳居行业第一梯队。其推理代码与第二阶段模型Bernini-R的权限已正式放开，包含完整功能的全版本也将在近期迎来…- 97.1k
- 97.1k
-
Krea2 Turbo模型：多风格生成工作流，人像效果足以撼动Z-Image人像王座的最新模型
一、Krea 2 是什么？ Krea 2 是 Krea AI 于 2026 年 6 月发布的开源文生图模型，参数规模达 120 亿，采用扩散 Transformer（DiT）架构。一个面向"创意探索"的基础图像生成模型系列。Krea 2 在 Artificial Analysis 文生图榜单上位列全球前十、独立实验室第二。模型采用 12B 稠密 DiT 骨干、Qwen3-VL …- 99.8k
- 99.8k
-
清华团队开源SCAIL-2： 动作转移、分段队列换装、人物替换多角色+动物全支持
一、SCAIL-2 介绍 SCAIL-2 是一种将受控角色动画与端到端上下文条件化相结合的模型。该代码用于 SCAIL-2 模型的推理，SCAIL-2 模型是一个支持端到端角色动画的开源模型。消除了这种依赖，实现了端到端驱动。通过使用多个现成模型（SCAIL-Preview、Wan-Animate、MoCha），合成了 6 万对运动数据，并通过统一的运动迁移接口（包含专用掩码通道和 RoPE 设计…- 72.3k
- 72.3k
-
最强开源生图AI模型：Ideogram 4.0登场，已超越Nano Banana Pro精准定位文生图
一、Ideogram介绍 Ideogram公司宣布推出其最新的4.0版本开放权重文生图模型（简称 Ideogram4），目前在设计类图像生成领域处于领先地位，被称为“设计前沿的开源图像模型”。在设计专属评测（Design Arena）、排版测试、通用图像排行榜上，都是开源模型里的第一，整体接近甚至在某些设计任务上超越一些闭源大模型。 Ideogram4.0的核心规模为9.3B参数，采用单流架构，使…- 114.1k
- 114.1k
-
微软开源高质量生图模型Lens，秒级出图对标Z-image-turbo
一、Lens介绍 Lens是一个38 亿参数的基础文本到图像模型，旨在实现高效训练和快速高分辨率生成。它结合了密集描述预训练、混合分辨率学习、GPT-OSS 多层文本特征和 FLUX.2 语义 VAE，以远低于大型 T2I 模型的训练计算量达到具有竞争力的质量。 该存储库提供了从 Lens DiT 检查点生成图像所需的最小推理代码。 高效基础模型——基于Lens-800M进行训练，Lens-800…- 53.8k
- 53.8k
-
Netflix开源Void-inpainting视频擦除 ：一键抹掉视频瑕疵，效率革命才刚开始
一、VOID介绍 VOID,全称为视频物体与交互删除模型(Video Object and Interaction Deletion)，由Netflix联合索菲亚大学研究团队开发的前沿AI视频编辑系统，专为影视后期制作设计，核心能力是智能删除视频中的物体并动态重构场景，实现物理一致性与视觉连贯性的自动修复。。它的输入是一段视频和你想抹除的物体掩码，输出是抹除后的完整视频。 核心功能 物体擦…- 43.3k
- 43.3k
-
Qwen3.6 系列首个开源模型 Agent :270亿参数的稠密多模态模型
一、Qwen3.6介绍 Qwen3.6 是一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模上获取顶尖编程能力的理想…- 85.3k
- 85.3k
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×