-
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
-
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
-
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
-
MiniMax H3满血版开源！8G显存可玩，全模态支持及Flux3预览版，Seedanc2.0大量对比实测
一、MiniMax H3介绍 MiniMax H3是一个通用型全模态生成系统，可统一理解文本、图像、视频和音频组成的多模态上下文，生成最长15秒、最高2K分辨率并带有原生立体声音频的视频。 MiniMax 正式发布新一代通用全模态生成模型 MiniMax H3，作为品牌首款计划开源的多模态视听生成模型，H3 将文本模型成熟的推理、上下文技术迁移至视频生成领域，面向开发者与商业场景提供一体化音视频生…- 265.2k
- 265.2k
-
实测Flux3即将开源,新王登基是否超越Seedance：稳定扩散之父新赌注，一眼看懂世界
7月23日下午，Black Forest Labs（BFL）在社交媒体上扔下一枚重磅炸弹：正式发布多模态模型FLUX 3，覆盖图像、视频、音频与动作预测四大模态。这条推文在短时间内获得57.6万次浏览、238条回复与676次转发。官方明确将枪口对准Seedance 2.0、Gemini Omni和Grok Imagine，声称FLUX 3的输出“在每一种风格上都更加真实”。 与多数实验室分别训练不…- 36.5k
- 36.5k
-
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
-
Qwen3.6-35B-A3B 越狱版来了！目前最强“无审查”开源模型？6G 显存都能跑，本地 AI 彻底自由了
最近AI圈真的越来越离谱了。如果你一直关注本地大模型，会发现现在的开源模型不仅越来越聪明，甚至开始挑战闭源商业AI。今天要介绍的这位，直接把“本地AI”推向新阶段——它不仅无审查、无限制，而且非常聪明，6G显存就能跑！ 它就是： 🔥 Qwen3.6-35B-A3B Uncensored HauhauCS Aggressive 一个目前热度极高的“越狱版”开源模型。简单说：它没有官方模型那些条条框框…- 214.2k
- 214.2k
-
GPT Image 2 全量开放！100+案例，跟 Nano Banana 2 正面PK（附提示词）
GPT Image 2 正式全量开放，打开 ChatGPT 就能用我第一时间冲进去测评，把能想到的场景全试了一遍一口气整理了这篇可能是全网最全的 Image 2 提示词案例合集（此时手已麻...）合集分为写实摄影、游戏与娱乐场景、UI设计、海报设计与商业视觉、角色设计、知识可视化与信息图表、创意玩法、网页摘要与知识图谱生成等多个大类为了让大家更直观地感受 Image 2 的实力 每个案例我都同时丢…- 71.1k
- 71.1k
-
ComfyUI国内怎么稳定使用Nano Banana2 ：Comfui-banana 插件集成gemini-3.1-flash-image-preview生图
一、什么是Nano Banana2 Nano Banana 是 Google 于 2024 年推出的革命性 AI 驱动图像生成与编辑模型，正式名称为 **gemini-3.1-flash-image-preview**。这款模型以其前所未有的角色一致性保持能力、闪电般的处理速度（仅需几秒生成1024×1024高质量图像）和强大的多模态理解能力，在AI图像生成领域掀起了一场技术革命。 2月27日凌晨…- 143.9k
- 143.9k
-
Fish Audio S2 Pro音频克隆与生成-AI声音克隆-精准复制声色特征-AI变声配音
一、什么是Fish Audio S2 Pro Fish Audio 是生成式AI文本转语音（TTS）和声音克隆平台。Fish Audio支持用户将文本转换为自然流畅的语音，提供多种语言和声音风格。Fish Audio 提供声音克隆功能，用户上传目标人物的音频样本，基于AI技术克隆出该人物的声音，用在生成个性化的语音内容。Fish Audio提供API接口，方便开发者集成到自己的应用程序中。Fish…- 50.3k
- 50.3k
-
Suno迎来最强对手？国产开源音乐大模型ACE-Step1.5：4G显存就能生成AI音乐！
一、ACE1.5 介绍 ACE-Step 1.5大模型现已支持ComfyUI，仅需4G显存即可本地运行，输入曲风和歌词10秒生成AI歌曲。该模型支持生成长达10分钟音乐，兼容50+语言，还可进行LoRA训练定制歌手风格，为音乐创作者和爱好者提供低门槛AI音乐生成方案。 🌉 其核心是一种新颖的混合架构，其中语言模型（LM）充当全能规划器：它能将简单的用户查询转化为完整的歌曲蓝图——从短循环到 10 …- 43.8k
- 43.8k
-
ComfyUI接入Qwen3.5大模型：性能媲美Gemini 3，图片视频智能解析
一、Qwen3.5介绍 近几个月来，Qwen加大了对基础模型开发的投入，力求打造卓越的实用性和性能。Qwen3.5 代表着一次重大飞跃，它融合了多模态学习、架构效率、强化学习规模化和全球可访问性方面的突破性成果，为开发者和企业带来前所未有的能力和效率。 Qwen3.5 具有以下增强功能： 模型选型：Qwen3.5-9B-Q8_0 GGUF版本配置详解，12GB显存流畅运行 图片解析：上传照片自动输…- 124.5k
- 124.5k
-
LTX2.3重磅发布：音视频同步高清工作流，数字人、图生视频、文生视频
一、LTX-2.3介绍 AI视频生成领域迎来了一个里程碑式的突破！Lightricks公司突然放出重磅炸弹—LTX-2.3开源AI视频生成模型正式发布！这可不是一次普通的开源——它能一次性生成20秒4K高清视频，而且实现了音画同步。从最早的文生视频到现在的音画同步。这款新模型由 Lightricks 推出，带来更强大的生成能力与优化体验。 模型亮点 细节更精细：全新隐空间与升级的 VAE，让纹理更…- 206.2k
- 206.2k
-
实时数字人SoulX-FlashTalk：4090显卡实时生成直播视频！
一、SoulX-FlashTalk介绍 SoulX-FlashTalk是由Soul AI Lab团队开发的140亿参数数字人生成框架，专为实时、高保真、长时稳定的音频驱动虚拟形象生成而设计。它在2025年底提出，并于2026年初开源，解决了数字人直播中“无限流”场景下的模型崩溃与高延迟难题。它主打的核心场景就是“高保真”与“实时性”。 不仅要画质好，更要速度快，非常适合用在AI 客服、虚…- 102.4k
- 102.4k
-
阿里云通义开源6B参数 Z-Image 基座模型，生成图片拒绝 AI “大众脸”
阿里云通义今日（1 月 28 日）正式开源发布 Z-Image 基座模型。Z-Image 是一个拥有 6B 参数的高效图像生成基础模型，采用单流扩散变换器架构，适用于社区驱动的微调和自定义开发。 一、Z-Image基座模型介绍 Z-Image（造相） 是阿里巴巴通义实验室开发的一个强大且高效的图像生成模型，拥有 6B 参数。它采用 可扩展单流 DiT（S3-DiT）架构，将文本、视觉语义 toke…- 97.2k
- 97.2k
-
阿里千问声音克隆:Qwen3-TTS语音生成模型全家桶开源上线
2026年1月22日，阿里巴巴通义实验室旗下的 Qwen 团队正式宣布 Qwen3-TTS 系列模型全面开源，并同步发布 GitHub 仓库 QwenLM/Qwen3-TTS。这一消息迅速在 AI 社区引发热议——不仅因为其技术实力远超预期，如今，它竟以完整、可本地部署、支持微调的开源姿态亮相，堪称一场“意料之外，情理之中”的技术馈赠。 一、什么是Qwen3-TTS? Qwen3-TTS是由Qwe…- 67.6k
- 67.6k
-
qwenEdit2511多视角控制Lora：Qwen-Image-Edit-2511-Multiple-Angles多角度AI图像生成工作流
Qwen-Image-Edit-2511-Multiple-Angles介绍 还在为AI生图的复杂相机角度提示词烦恼吗？Qwen-Image-Edit-2511多角度LoRA模型配合ComfyUI的qwenmultiangle节点，提供了一个直观的解决方案。它将繁琐的提示词编写工作，转化为简单的拖拽操作，用户只需调整手柄，即可在10秒内获得96种预设相机角度之一的图像，极大提升了创作效率和体验。 …- 143.9k
- 143.9k
-
开源视频模型新王：LTX-2音画同步生成，多种控制引导实现精确创作
什么是LTX-2? LTX-2是一个基于扩散变换器(DiT)架构构建的开源音视频基础模型。与传统的生成静音视频的视频生成模型不同,LTX-2同时生成动作、对话、音效和音乐,确保视觉和音频元素之间的完美同步。 核心特性 同步音视频生成: LTX-2的独特架构同时生成两种模态,无需单独的音频合成和同步步骤。 多种模型变体: 根据你的硬件和质量要求选择合适的检查点: 模型 描述 使用场景 ltx-2-1…- 121k
- 121k
-
Qwen-Image-Edit2511+AnyPose免骨架姿态迁移lora：无需OpenPose，一键让你的动漫IP模仿任意姿势！
基于 Qwen-Image-Edit-2511 的 LoRA 技术，AnyPose 能够通过动作参考图来调整特定人物的动作,仅需一句提示词，参考图姿态即可完美“瞬移”给原图人物！4步极速出图。解决 ControlNet 姿势控制无效的痛点，用 AnyPose Lora 轻松实现人物姿势替换， 还分享了复杂姿势避坑、服装细节保留的提示词技巧； 两种放大方案实测对比，按需选择 4K 超清输出或零偏移放…- 104.1k
- 104.1k
-
阿里通义重磅更新Qwen-Image-2512：AI图像生成技术突破,真实感飞跃!
刚刚，阿里通义千问团队开源Qwen-Image-2512。 2025年最后一天，通义千问正式开源新一代图像生成模型Qwen-Image-2512，实现人物肌肤质感、自然纹理还原与复杂文字渲染的大幅提升。仅需输入文字指令，新模型即可生成高质量图片，人物发丝清晰可见。同时，千问新模型支持流畅生成漫画风格PPT、数据信息图等复杂图像，可满足专业设计场景下的多样化需求。 Qwen-Image-2512 是…- 135.2k
- 135.2k
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：×