-
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
-
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
-
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
-
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
-
[商用API]LTX-2 – Lightricks推出的电影级AI视频生成模型
一、LTX-2是什么 LTX-2 是 Lightricks 开发的先进 AI 视频生成模型，专为高质量视频创作设计。能以原生 4K 分辨率和 50fps 的帧率生成电影级视频，支持多模态输入，包括文字、图片和草图，同时提供精细控制功能，可调节镜头角度、物体动作、时间节奏等。LTX-2 采用混合架构，结合扩散模型和 Transformer，具备多 GPU 推理能力，生成速度极快。支持 LoRA 微调…- 34k
- 34k
-
字节跳动开源视频生成模型Lynx：输入单张人物图像，即可输出高保真动态视频！
一、概述 Lynx 是字节跳动推出的高保真个性化视频生成模型，Lynx 基于开源 Diffusion Transformer （DiT） 基础模型构建，引入了两个轻量级适配器来确保身份保真度。ID 适配器采用 Perceiver Resampler 将 ArcFace 衍生的面部嵌入转换为紧凑的身份标记进行调节，而 Ref 适配器则集成了来自冻结参考路径的密集 VAE 特征，通过交叉注意力在所有 …- 82k
- 82k
-
【付费】ComfyUI支持Sora 2：视频生成工具的创新与挑战
在2025年9月30日，OpenAI公司隆重推出了其新一代视频生成工具—Sora 2。此次发布标志着AI技术领域迈出了重要的一步，不仅更新了其视频生成技术，还宣布将与电商平台携手合作，共同打造一项创新的即时购物功能。这一举措预示着AI技术正逐步向应用平台方向转型，为消费者带来更加便捷、智能的购物体验。Sora 2 带来了更佳的人物运动表现能力、更好的时间连贯性，以及在长视频序列下更稳定的视频场景 …- 48.3k
- 48.3k
-
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
-
【Comfyui】Wan 2.1 图片转360°视频-360度产品动画旋转展示
通过可控旋转变换（建议5°步长），可将静态图像转化为多视角数据序列。该技术利用插值算法生成连续帧，系统化采集人物0°-360°的标准角度图像。经测试，仅需采集8个基准视角（0°/45°/90°/...）即可满足LoRA模型的训练需求，显著降低3D建模的数据采集成本。首先通过图生视频工作流生成360度旋转视频，提取关键帧图片，再利用在线工具统一尺寸。基于Wan2.1生成，其功能是使生成的图片实现36…- 42.3k
- 42.3k
-
multitalk数字人还没有捂热，新王又登基，Infinite talk数字人无限续杯！
本以为wan2.2+mulittalk数字人已经无敌了，谁知道infinite talk才是真正的数字人之王，因为她不仅支持声音驱动图生视频，也支持声音驱动视频生视频，而且可以生成无限时长! 一、InfiniteTalk数字人介绍 infiniteTalk 是一个无限长度的语音视频生成模型,它是和multitalk是一个研发小组开源的数字人项目，让我记住他们的的名字，MeiGen-ai,昨天刚开源…- 60.1k
- 60.1k
-
阿里开源通义万相Wan2.2：官方模型+KJ加速模型版
通义万相2.2最令人瞩目的，当属其生成电影级高清视频的能力。目前，该模型单次便可生成5秒的高清视频。这5秒视频绝非普通水准。在光影、色彩、构图以及人物微表情等细节处理上，通义万相2.2达到了专业电影制作的水平。 一、Wan2.2简介 通义万相 2.2（Wan 2.2）是阿里云推出的新一代多模态生成模型。该模型采用创新的 MoE（Mixture of Experts）架构，由高噪专家模型和低噪专家模…- 60.8k
- 60.8k
-
通义万相wan2.1全家桶模型整合（含kijai版）：文生视频+ 图生视频+首尾帧ComfyUI视频
前段时间，阿里开源了万相视频生成大模型Wan2.1系列，在评测集VBench中，万相2.1超越了Sora、Luma、Pika等国内外开源模型。 万相2.1可以在comfyui上自由调用，支持文生视频、图生视频和视频生视频，而且现在还出现了很多wan2.1的lora，今天我们一起来学习wan2.1的本地部署。 一、安装插件 在comfyui中调用万相2.1模型需要用到WanVideoWrapper插…- 94.7k
- 94.7k
-
ComfyUI安装阿里Wan2.1AI视频生成模型保姆级教程
阿里最新开源视频生成模型Wan 2.1现已支持Windows本地部署！这款完全免费的AI大模型可在普通家用电脑上离线运行，生成效果媲美主流开源模型，在VBench榜单表现优异，甚至超越部分闭源模型。无论是文字转视频还是图片转动态画面，都能轻松实现。 通过ComfyUI工作流接入Wan 2.1模型，用户无需复杂配置即可体验AI视频生成乐趣。该方案部署流程简单快捷，特别适合普通用户快速上手。下面将详细…- 876.6k
- 876.6k
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：×