-
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
-
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
-
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
-
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
-
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
-
FLUX2 KLEIN 全面升级 True V2底模开源模型：FLUX.2生态中首个支持文字渲染的9B级模型
一、Flux2-Klein-9B-True-V2介绍 Flux2-Klein-9B-True-V2是基于官方FLUX.2 [klein] 9B改进的文生图/图生图模型，作为FLUX.2生态中的重要成员，它首次在9B级别实现了高质量的文字渲染能力。这个开源模型不仅保留了原版的核心优势，还通过微调增强了多项实用功能。 核心能力亮点： 支持文生图(Text-to-Image)和图生图(Image-to-…- 88.9k
- 88.9k
-
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
-
百度文心开源文生图模型ERNIE-Image：实现顶级文生图与精准文字渲染
一、ERNIE-Image介绍 ERNIE-Image 是由百度文心大模型团队开发的一款开源文生图模型。它基于单流 Diffusion Transformer（DiT）架构，并配有一个轻量级 Prompt Enhancer，用于将简短输入扩展为更丰富、更结构化的描述。在仅有 8B DiT 参数规模的前提下，达到了开源文生图模型中的领先水平。 整体来看，它在复杂指令跟随、文字渲染和结构化图像生成方面…- 59k
- 59k
-
ComfyUI使用Gemma4实现图片反推,开源最强小模型？本地跑 31B 媲美百亿大模型实战测评
一、Gemma4是什么？ 2026年4月2日，谷歌DeepMind正式推出Gemma 4系列多模态开源模型，时隔一年接力Gemma 3，凭借全场景覆盖、端侧深度优化与商业友好开源协议，成为谷歌迄今最强、最亲民的开源AI模型家族。最具颠覆性的是，它专为手机打造超小参数版本，普通千元机就能本地离线运行，真正实现“把AI装进口袋”。 模型规格：包含高效 20 亿（E2B）、高效 40 亿（E4B）、2…- 87.1k
- 87.1k
-
京东开源图像模型JoyAI-Image-Edit，空间编辑与理解能力达到世界一流水平
一、JoyAI-Image-Edit介绍 JoyAI-Image 是一个统一的多模态基础模型，用于图像理解、文本到图像的生成以及指令引导的图像编辑。它结合了 8 亿像素的多模态大型语言模型 (MLLM) 和 16 亿像素的多模态扩散变换器 (MMDiT)。JoyAI-Image 的核心原则是理解、生成和编辑之间的闭环协作。更强大的空间理解能力通过更优的场景解析、关系基础和指令分解来提升基于场景的生…- 80.8k
- 80.8k
-
小白泪目！这个插件让ComfyUI界面全中文化，从此告别语言障碍！（纯干货，建议收藏）
刚接触ComfyUI的你，是不是经常面对这样的场景： “这个新出的节点是干啥的？” “官方汉化怎么这么多没翻译的？” “右键菜单全是英文，点错了怎么办？” 别慌！今天我要分享一个最强汉化神器——DD-translate插件，让你彻底解决ComfyUI的语言障碍，学习效率翻倍！ 为什么你需要DD-translate插件？ 1. 官方汉化的局限性与旧版插件的终结 虽然ComfyUI官方已经支持中文，但…- 181.7k
- 181.7k
-
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
-
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
-
Qwen团队推出Qwen3-ASR：一个模型搞定多语言+抗噪+专业词汇识别！
在今天这个语音应用爆发的时代，我们身边越来越多的场景都在和语音识别打交道：网课里的实时字幕、客服热线的自动转写、视频里的多语种字幕……但一直以来，市面上的语音识别系统往往存在几个“老大难”： 多语言支持不够，不同语言需要不同模型； 噪音环境下表现差，车站、商场这种场景几乎无法使用； 专业词汇识别率低，一遇到专有名词或新兴词汇就抓瞎。 阿里云Qwen团队推出的Qwen3-ASR Flash采用统一模…- 32.6k
- 32.6k
-
【保姆级教程】windows最完整安装OpenClaw教程 + 飞书接入，全程避坑
最近 OpenClaw 热度很高，但官方对 Windows 原生环境并不算友好，很多人会卡在 Node 环境、权限、路径、插件安装等问题上。下面我把自己完整跑通的流程整理成一篇“照做就能成”的教程：从环境准备 → OpenClaw 安装 → 初始化配置 → 接入飞书机器人，最后再补一份常用排错命令。 一、什么是 OpenClaw？ OpenClaw（曾用名 Clawdbot）是一款 2026 年爆…- 77.6k
- 77.6k
-
InfiniteTalk官版双人对话工作流
一、InfiniteTalk双人数字人 为解决虚拟人长视频生成的质量退化问题，基础研发平台/计算和智能平台部/视觉智能团队推出 InfiniteTalk 技术，实现无限时长视频生成。该技术口型精准且动作流畅，支持“语音驱动图像”和“语音驱动视频”多种模式，已在 GitHub 开源并获 1.6K Stars, Hugging Face 月下载量 64.8K，受到了很多好评，能够应用到电商直播、教育、…- 56.1k
- 56.1k
-
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
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：×