-
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
-
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
-
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
-
美团 LongCat-AudioDiT 开源：刷新音色克隆 SOTA
一、LongCat-AudioDiT介绍 LongCat AudioDiT 是美团 LongCat 团队于 2026 年 3 月开源的SOTA 级中文语音合成（TTS）模型，美团最先进的基于扩散的文本转语音模型 LongCat-AudioDiT，该模型在人工智能音频领域引起了广泛关注。与依赖梅尔频谱图等中间表示的传统文本转语音系统不同，LongCat-AudioDiT 直接在波形潜在空间中运行，显…- 22.7k
- 22.7k
-
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
-
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
-
阿里改图模型升级！Qwen-Image-Edit-2511发布，为设计师带来更强控制力
前言 对于设计师而言，精准、可控且能保持设计元素一致性的AI图像编辑工具，是提升工作效率和创意实现度的关键。继此前表现出色的Qwen-Image-Edit-2509之后，阿里通义千问团队再次带来重磅升级——「Qwen-Image-Edit-2511」。这款新模型在人物一致性、几何结构理解和内置功能上均有显著提升，旨在更好地服务于真实的设计工作流，让创意落地更高效、更精准。 Qwen-Image-E…- 97.6k
- 97.6k
-
阿里通义实验室开源Z-Image：全球最强开源图像生成模型
Z-Image是什么 Z-Image 是阿里通义推出的图像生成模型，具有6B参数。模型包含三个变体：Z-Image-Turbo、Z-Image-Base 和 Z-Image-Edit，分别擅长快速推理、基础开发和图像编辑。模型采用单流DiT架构，支持双语文本渲染，能根据自然语言指令生成或编辑高质量图像。通过解耦DMD和DMDR技术，Z-Image在性能和生成质量上表现出色，适合多种创意应用。 目前…- 257.1k
- 257.1k
-
FLUX.2 – Black Forest Labs开源的AI图像生成与编辑模型
一、FLUX.2是什么 FLUX.2 是 Black Forest Labs 推出的AI图像模型，专为实际创意工作流程设计。模型支持最多 10 张图片的多图参考，生成高达 4MP 分辨率的高质量图像，具备极强的细节表现力和文本渲染能力。FLUX.2 提供多种版本，包括高性能的FLUX.2 [pro]版、可自定义参数的FLUX.2 [flex]版、开源的FLUX.2 [dev]版和即将推出的FLUX…- 40.7k
- 40.7k
-
精准高效版多图融合工作流-赋能各行业各应用场景
阿里通义 Qwen 团队宣布推出 Qwen-Image-Edit-2509，作为 Qwen-Image-Edit 的迭代版本。在计算机视觉和图像处理领域，多图融合（Multi-Image Fusion）通常指的是将多张图像通过算法和技术融合在一起，以产生一个单一的、高质量的图像，通常用于增强图像的细节、颜色、对比度等。这种方法在卫星图像处理、医学影像分析、视频监控等多个领域都有广泛应用。 一、介绍…- 33k
- 33k
-
第七集：comfyui节点如何连接—【Comfyui教程从零基础到精通】
ComfyUI作为一款基于Stable Diffusion的节点式操作界面，为用户提供了一个更加灵活和高效的文生图（文本生成图像）创作环境。本篇博客将详细介绍如何使用ComfyUI进行文生图操作，无论你是初学者还是有一定基础的用户，都能够通过本指南快速上手。 【CLIP文本编码器】就是一个我们最常见最常用的条件节点，告诉采样过程，我要什么，我不要什么。K采样器就会按照我们的要求进行采样工作，最终生…- 14.7k
- 14.7k
-
Wan-Alpha：生成高质量文本到视频透明素材生成VAE
一、Wan-Alpha介绍 WAN Alpha是万相开源（WanX）2.1版本中的核心组件VAE，主要用于实现图生视频功能。它通过深度学习模型生成高质量动态画面，支持动作特效、角色动画等场景化生成，并具备灵活的参数调节能力。 这个项目是基于wan2.1视频生成模型，通过联合学习RGB和Alpha通道来生成透明视频。一个有效的变分自动编码器（VAE），编码到RGB潜在空间的阿尔法通道来实现。生成…- 31k
- 31k
-
第二集：ComfyUI基础概念讲解新手轻松搭建工作流—【Comfyui教程从零基础到精通】
1.更适合零基础学员：0基础从你适不适合开始讲起。 本视频讲解了从零开始搭建ComfyUI工作流的过程，重点介绍了最基础的纹身图工作流的搭建步骤。首先通过添加采样器节点作为核心，连接大模型加载器、Clip文本编码器和VAE解码器等节点，完成输入与输出端的配置。接着设置参数，如CFG、采样器调度器，并输入正负提示词。最后通过执行生成预览图像，展示了工作流的运行效果。视频还强调了一个输出端可连接多个输…- 70.7k
- 70.7k
-
ComfyUI 局部重绘的3种工作流搭建方法和原理讲解
今天给大家带来的是 ComfyUI 的局部重绘的工作流，跟之前一样，我会通过一些理论知识来帮助大家对 ComfyUI 的工作流和节点有更深的认知，还是那句话，知其然，还要知其所以然。 为什么要写局部重绘，是因为我发现虽然市面上有很多 ComfyUI 的基础局部重绘的教程，我也看了很多，但老有一种隔靴搔痒的感觉，让我似懂非懂。 抱着“假设-验证-结果-总结”的探索精神，我看了大量相关的视频，教程和官…- 23k
- 23k
-
Ai数字人:HuMo—清华和字节共同开源多角色参考+物品参考+对口型
一、HuMo是什么 HuMo是清华大学联合字节跳动智能创作实验室推出的开源多模态视频生成框架，专注于人类中心的视频生成。能从文本、图像和音频等多种模态输入中生成高质量、精细可控的人类视频。HuMo支持强大的文本提示跟随能力、一致的主体保留以及音频驱动的动作同步。支持从文本-图像、文本-音频以及文本-图像-音频生成视频，提供更高的定制化和控制能力。HuMo支持480P和720P分辨率的视频生成，72…- 19.5k
- 19.5k
-
[ComfyUI]Nunchaku双截棍-V1.0.1正式版上线,速度起飞！仅需10秒生图！
ComfyUI-nunchaku v1.0.1 更新 • 修复 Qwen-Image ControlNet 不生效的问题。 • 新增Qwen-Image 节点参数： * num_block_on_gpus：在启用 cpu_offload 时，增大该值可降低 CPU 内存消耗，但会增加显存消耗。 * use_pin_memory：在启用 cpu_offload 时，打开该选项会增加内存消耗，但能加快…- 273.6k
- 273.6k
-
ComfyUI 通义万相Wan2.2-S2V数字人：无限时长对口型唱歌数字人，一键对口型+姿态复刻
一、Wan2.2-S2V介绍 ComfyUI官方宣布，高性能音频驱动视频生成模型Wan2.2-S2V已实现原生适配—无需额外插件，即可直接在ComfyUI中调用该模型，将静态图片与音频结合，生成对话、唱歌、角色表演等动态视频内容。无论是追求电影级画质，还是需要分钟级长视频创作，这个工作流都能满足多场景需求。 Wan2.2-S2V模型的核心优势 在开始操作前，先明确该模型的核心能力，以便根据需求调整…- 66.7k
- 66.7k
-
如何排查和解决 ComfyUI 中模型相关的问题
模型架构不匹配 症状： 生成过程中出现张量维度错误，特别是在 VAE 解码阶段常见错误消息： Given groups=1, weight of size [64, 4, 3, 3], expected input[1, 16, 128, 128] to have 4 channels, but got 16 channels instead Given groups=1, weight of s…- 18.6k
- 18.6k
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：×