再次训练前如何对比风格 LoRA 检查点
在启动新一轮风格 LoRA 训练前,应选取早期与后期检查点,用相同提示词、种子、底模、分辨率和采样设置,分别在常用与较低 LoRA 强度下对比,并加入关闭 LoRA 的版本。再用数据集中缺失主体的提示词测试,检查是否只学到风格而未复制训练图中的物体或构图,最后用多个种子验证最佳检查点与强度,并按检查点、优化器步数和 LoRA 强度标注记录风格匹配、提示词遵循与伪影。
在启动新一轮风格 LoRA 训练前,应选取早期与后期检查点,用相同提示词、种子、底模、分辨率和采样设置,分别在常用与较低 LoRA 强度下对比,并加入关闭 LoRA 的版本。再用数据集中缺失主体的提示词测试,检查是否只学到风格而未复制训练图中的物体或构图,最后用多个种子验证最佳检查点与强度,并按检查点、优化器步数和 LoRA 强度标注记录风格匹配、提示词遵循与伪影。
一位用户在 Reddit 求助高质量 refmod 工作流优化方案,希望在保证画质的前提下缩短生成时间。其已在标准 refmod 工作流中加入 sage 和 spectrum 节点但未能提速,且不愿使用 turbo LoRA,认为画质损失过大。该用户通过 runpod 使用 5090 进行生成,同时征集可提速的节点或配置方案。
有用户在 ComfyUI 中遇到双角色同框场景生成难题:两个角色面部可见时往往表情呆板、缺乏可信互动,且不愿采用分别生成再拼接的工作流。该用户生成的是静态动漫风格图像而非视频,正寻求在单次渲染中实现有表现力、可互动双角色场景的技巧。
一位非 ComfyUI 熟练用户在 Reddit 求助,希望调好从 YouTube 视频里找到的工作流,实现从已有照片生成新姿势与新场景。该用户同时征集其他能实现同样效果的工作流建议。
有用户在最新版 ComfyUI 上运行 MOSS Image 时,同一套参数前一天还正常,次日重跑却输出模糊图像,元数据确认设置未变。该用户最终通过新建 Python 环境并从头重装解决了问题。
Claude 已开始为 ComfyUI 搭建水彩漫画生成工作流,用户原本只想让它整理水彩画、漫画、画材三个关键词的学习入口,结果它直接动手组装流程。作者随后让 GPT 汇总一份实现指示书,把人物特征、纸的留白、颜色叠加与晕染,以及生成后的检查修正步骤写成可交给 Claude 的形式。目前指示书已完成,工作流能否跑通和水彩漫画成品质量仍待验证。
视频配音、BGM、音效不必三种全上,应先选定一种声音角色再决定放入场景。以虚构伞店「しずく堂」20 秒竖屏介绍视频为例,四段镜头中仅第 3 段用自己录的一句旁白,BGM 与音效均不用。录好的音频按镜头号、角色、台词和版本命名,与记录使用与不使用音源的「音素材メモ」一起存入「音素材」文件夹。
在 ComfyUI 中加载 MOSS-Image 的 color-depth-control LoRA,可用 depth 与 color map 图像控制生成结果。
Higgsfield 发布 AI 视频编辑完整指南,其创作套件集成 35+ 模型与工具,覆盖视频转换、定向编辑与超分三类操作。Genjutsu 支持 4-30 秒参考视频的动作迁移与对象替换,Seedance 2.5 Edit 可用文本提示或 Draw to Edit 局部修改,FLUX.3 Upscale 可将视频提升至 1080p、2K 或 4K。
有用户在使用 Minimax H3 的基础 fl2va 模型加 turbo LoRA,寻求进一步提升首帧生视频效果的新模型、checkpoint、LoRA 与工作流。其反馈视频质量相对首帧衰减较快,末帧往往差到无法继续延长视频,提示词遵循度一般,细节常被忽略,且用 Grok 生成冗长提示词反而更糟。
创作者用 MOSS 生成参考图,再以歌曲片段配合 H3 的 ref2va 生成视频并剪辑,随后用 LMS 精修至 1920x1088,经 filmnet 从 24fps 插帧到 120fps 后隔帧取用,最终得到 60fps 成片。
创作者用“audio lock”工作流为自制音乐曲目测试对口型:以清理后的纯人声干声驱动口型,再在 Resolve 中把原曲合回视频。
作者用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成持枪女特工插画,采用 1344×768、Seed 2026101806,未使用 LoRA、ControlNet 或输入图像。
作者在 ComfyUI 中用 Qwen Image 2.1 搭建只绘制左右两侧的扩图工作流,原照片按 960 px 高居中放在 2240x960 画布上,两侧先用照片边缘镜像填充,再由模型生成并回贴原图。
AITuber 盘点了 Mootion 的替代方案:做旁白故事 Shorts 选 AITuber 或 Revid,职场动画讲解选 Vyond 和 Animaker,镜头控制选 LTX Studio,无人出镜频道交给 AutoShorts。
作者让 Claude Code 在 M1/16GB Mac 上从零安装配置 ComfyUI,自动排查扩展报错并跑通出图,首张 512×768 图片耗时约 4 分半。
Higgsfield 在 Cinema Studio 4.0 中给出让 AI 视频看起来像实拍的方法:生成前先设定灯光、机位、镜头与色彩,而非留在 Auto。该工具支持最多 50 个参考素材、50+ 调色板、最长 30 秒、最高 1080p,并可一次生成 4 个版本对比。生成后可用 Relight、Edit Color Palette 或 Edit video 修正细节。
有用户在 ComfyUI 中训练了两个 LoRA,希望让它们生成的人物套用网络图片里的拥抱姿势,但用 ControlPose 等方式尝试后结果始终异常。该用户询问是否有办法以外部姿势图为参考,让两个 LoRA 生成的人物摆出同一姿势。
GPT Image 2.5 可用的万圣节头饰模板共 9 种,含南瓜帽、黑猫耳、大女巫帽、小恶魔角、蝙蝠耳、幽灵兜帽、吸血鬼迷你帽、兔耳和假面舞会面具。模板分白黑线稿版与仅头饰上色版两种,编号一致可任选。用法是向 ChatGPT 等图像生成 AI 上传角色图和模板,报出编号即可让角色戴上对应头饰。
作者公开一套换装与换妆提示词模板,只改参考图中人物的服装和妆容,保留脸型、发型、表情、姿势、背景与构图,在 ChatGPT 或 Gemini 中把占位词替换成目标风格即可。
一份面向 ChatGPT 等生成 AI 的提示词教程,分 5 步把地雷系 AI 美女图做成 iPhone 随手拍质感:从露出全脸的地雷系妆容与色调起步,逐步加入遮脸、小物与手抖闪光等情境。每步附英文提示词与日文说明,并给出 10 组可复现作例,覆盖黑发波波头、茶发长卷、姬发式等造型与咖啡馆、电梯厅、旧书店等场景。
一份面向 ChatGPT 和 Gemini 的手绘风日常插画提示词合集,共约 100 种题材,全部以可直接复制的 JSON 格式给出。每个题材除基础版外,还提供 9:16 竖版、1280×670 的 note 封面横版,以及更换背景、光线氛围的改编版,并附 negative_prompt 与 aspect_ratio 字段。
一位 ComfyUI 新手在 KREA 2 文生图模板中询问 LoRA 用法:enable_lora 开关是否必须设为 true,以及能否在子图内串联多个 LoRA 节点并从 MODEL 接入 on_true。
有用户用局部重绘工作流横向对比 MOSS-Image、Flux.2 klein 9B 和 Qwen Image Edit(2511),认为 MOSS-Image 表现不及预期,而 Flux.2 Klein 与 Qwen Image Edit 能稳定完成任务。该用户补充 MOSS-Image 在常规文生图(T2I)上表现不错,并承认测试可能存在技巧因素,工作流将发在评论区。
面向 2026 年从剧本到画面的需求,ScreenWeaver、Saga、Morphic、Autodesk Flow Studio、Higgsfield Popcorn 和 Google Flow 被列为 LTX Studio 的六个替代方案。
用户求助如何用 H3 Minimax 或 LTX 编辑视频以调整光照或添加特效。其常用流程是以原视频为动画源、图 1 为视觉终态交给 Minimax 编辑,中近景有效,但更开阔的镜头即使以 2 mp、30 steps 且不开 turbo 也完全丢失面部动画,尝试多种 sigmas 与 samples 及 face refiner 均无效。
一位 ComfyUI 用户分享其基于 LM Studio 的图片提示词增强工作流,测试了从 4B 到 35B 的 7 个 GGUF 模型,发现部分模型效果不佳。其中某个 GPT 模型即使在系统提示词和 Structured Output 中明确要求不要推理,仍会输出推理内容,而其他模型均正常。该用户表示不愿为云服务付费,并提到 gemma 4 的结果。
作者实测用 Minimax H3 开源模型配合 Atlas Cloud 自托管端点(2.4 美分/秒)生成 30 分钟影片,成本可压到 100 美元以内,而此前用 Seedance 2.5 制作 31 分钟竖屏影片总花费约 600 美元。
ArchiGen 提出用"准备账本"比较 AI 渲染器:计时从打开源项目开始,而非 AI 任务启动,需记录模型清理、相机设置、源图渲染、控制通道导出、遮罩与参考图筛选等人工分钟数。可复用设置与逐视图工作应分开统计,例如 45 分钟一次性设置加每视图 5 分钟,在第四个视图后优于 2 分钟设置加每视图 15 分钟。失败的导出同样计入工时,参考图的查找与授权核查也属于输入劳动。
一位从 WebUI 迁移到 ComfyUI 的用户发现,KSampler 节点无论 denoise 设置如何都会跑完全部步数,而手动把步数设为「原始步数 × denoise」才符合预期效果。他询问这是否是节点行为变更,以及这种乘法计算是否正确、还是需要更复杂的换算,并考虑用简单节点自动按 denoise 计算步数。
作者用 Hermes Agent 搭配 Qwen3.8 Flash Next 125B IQ3_S 与 ComfyUI 上的 MOSS-Image,在本地完成日文信息图与漫画风格图像生成。
作者为 MOSS-Image 训练了一个 LoRA,配合 trmz/flux2-klein-alpha 的 RGBA VAE,在提示词末尾加上 isolated on a transparent background 即可从采样器直接得到透明 PNG,无需抠像或色键。
作者用 GPTimage 做了一套自用角色设计 Skill,把画风固定成 GPTimage 主流风格并压低头身比,让角色更偏动画比例。实测中仅用提示词、常规画风与头身调整生成犬耳女仆三组对比,无记忆的 GPT 版本仍出现不被认可的犬耳。作者称该 Skill 可复用,也能只做调整而不重新生成。
一位创作者把 Midjourney 提示词整理成合集在 note、Gumroad、PromptBase 上出售,实现月稳定收入 5 万日元以上。其中 note 上的「动漫角色生成提示词集」定价 1000 日元、月均售出 150 套,Gumroad 英文版月售约 100 套、单价 15 美元,PromptBase 月售约 150 套、单价 5 美元。
用户用 ai-toolkit 和 DiffSynth 为 Moss Image 训练了多个角色 LoRA,但生成图片时图中每个人物都会出现该 LoRA 同一张脸的变体。其尝试了边界框和多种提示词方法均无效,作为 LoRA 新手求助问题所在。
这份提示词合集提供约 100 种可直接复制到 ChatGPT、Gemini 等工具使用的 JSON 格式图像生成提示词,围绕海岸、旧书店、车站、机场、街角等日常场景,通过视角、反射、透明材质、光线与尺度感营造“把日常变成非日常”的画面。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成「反向坐椅子」角色,仅靠标签指定反向坐姿、身前靠背、双臂搭靠背与前倾姿势,未使用 LoRA、ControlNet 或输入图像。
一名 ComfyUI 用户在 Documents 和 ComfyUI-Shared\models 中搜索后仍未找到 custom_nodes 文件夹,导致无法安装 ComfyUI Manager。该用户表示正按某教程操作,需要该文件夹才能继续。
作者用单张 RTX 4090 和开源权重模型本地完成 The Flaming Lips 歌曲的 4 分钟非官方粉丝 MV,全程不用云服务、不调付费 API。
推荐理由:作者公开了单卡本地完成 4 分钟 MV 的完整管线与逐环节耗时,可据此估算自建音乐视频流程的算力成本。
VideoGen 推出 Model 1 Creator Program,凡在制作中使用 Model 1 的影片均可参与,署名"Made with VideoGen Model 1"并投稿即可获得百万级邮件推送、社交渠道曝光、额外 credits 和媒体资源对接。