跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

10月21日周三
  1. Hugging Face Daily Papers31

    OverSeer:用固定辅助相机视角提升多智能体世界模型的一致性

    OverSeer 是一种多智能体世界模型,通过在智能体第一人称视角之外引入空间固定的辅助相机视角,作为世界中心表示的代理,帮助模型维持时间与跨智能体的一致性。辅助视角经 delta-VAE 相对静态参考图仅编码变化,显著降低处理所需 token 与计算开销。在 Minecraft、Doom 及真实多相机采集上的实验显示世界与智能体一致性均有提升。

  2. note · dreammii · 图像视频创作分享16

    AI 音乐别只做完就放着!30 秒「试听短视频」的 3 步做法

    用 AI 生成音乐后,可通过 3 步把作品做成 30 秒试听短视频:先挑出最想让人听的 30 秒片段,再配 1 张契合曲风的图片和简短文字,最后发布前检查音量、文字可读性与素材版权。投稿 YouTube Shorts 建议用 9:16 竖屏,AI 生成曲也需按所用服务条款确认商用范围。

  3. Reddit comfyui · 创作与工作流分享54

    用 MiniMax H3 参考生视频加 LoRA 做角色替换的实测与工作流

    作者用 MiniMax H3 的参考生视频配合 LoRA 测试角色替换约一天,给出未挑选的早期结果。方法是用角色参考图替换视频中的人物,同时保留原视频的动作、场景与声音;作者也列出相似度漂移、细节与原人物混合、场景切换导致时间错位等限制,并称额外提示词有助于提升一致性。

  4. fal 官方博客28

    EAGLE-4 技术深度解析:Fireworks 与 fal 发布投机解码基准数据集

    Fireworks 与 fal 联合发布 EAGLE-4 技术分析及面向创意任务的投机解码基准数据集 Prompt Enhancement SpecBench。该数据集含 400 个样本,覆盖文生视频、图生视频、文生图、图生图四类各 100 例。EAGLE-4 在 Qwen 3.8 27B 上采用滑动窗口注意力与低秩候选头降低草稿成本,验证树由 GPU 延迟测量动态调整宽度与深度。

  5. Loomance · 本地AI动画实测69

    Wan 2.2 在 Loomance 与 WanGP 下对比评测:Fast Mode 与完整工作流结果不同

    作者对比了 Wan 2.2 在 Loomance 与 WanGP 两个工具下的渲染效果,发现 4 步 lightning 模式快约 10 倍但错误更多,30 步完整采样更干净。在六狗场景中,WanGP 有 3/5 次角色融化或合并,Loomance 为 0/5;高分辨率单人物场景两者接近。按需选择:快速变化或低显存用 WanGP,保持角色一致用完整采样。

    推荐理由:同一 Wan 2.2 模型在两种本地工具下的实测对比,为创作者在速度与保真度之间做选择提供参考。

  6. Reddit StableDiffusion · 创作者与工作流分享17

    在 Krea 2 中加载 LoRA 时的内存问题

    用户在使用 Krea 2 加载 LoRA 生成图像时遇到内存问题:配置为 5070 Ti 显卡和 16GB 内存,加载 LoRA 后生成一张图耗时 10 分钟,随后电脑死机。其使用 Forge Neo 与 Q8 量化模型,怀疑与内存不足有关,寻求优化管理建议。

  7. Reddit StableDiffusion · 创作者与工作流分享34

    Moss-Image SFT 搭配新版 DMD2 LoRA:8 步生成效果对比

    用户 AgeNo5351 在 Moss-Image SFT 模型上搭配新版 DMD2 LoRA,以 8 步生成图像,并与 base 模型 + DMD2 的旧结果在相同参数下对比。SFT 生成画面更锐利,没有 base + DMD2 的散景问题,但风格略显塌缩:电影感静帧缺少 80 年代模拟胶片质感,末图也不够接近 90 年代 DnD 画风。

  8. Reddit StableDiffusion · 创作者与工作流分享22

    用 Minimax H3 参考图生视频时,镜面反射总出现手机或相机怎么办?

    有创作者用 Minimax H3 的参考图生视频功能制作全 POV 的「Get Ready with Me」网红风格视频,画面本身效果很好,但镜面或窗户反射中人物总会手持手机或相机,约 80% 的生成结果都出现该问题。其已尝试不提及相机、负面提示、使用不含手机相机的参考图、pmad 与 dmad 等 turbo LoRA,以及让人物双手做别的事,手机仍会出现并悬浮在人物周围,目前尚未找到解决办法。

  9. note · catap_art3d · 图像视频创作分享55

    实测 MOSS-Image 在 ComfyUI 中的图像生成流程

    作者在最新版 ComfyUI 模板中试用了复旦 OpenMOSS 团队开源的 MOSS-Image 文生图模型,该模型分为 Base 与 SFT 两版,支持自然语言、标签列和 JSON 布局三种指令形式。在 RTX3060 12GB 上约 30 秒可完成生成,作者还借助 AI 智能体或 Open WebUI 配合本地模型生成布局提示词,并称其日文文字生成能力接近 Boogu-Image。

  10. Reddit StableDiffusion · 创作者与工作流分享40

    用户用 MOSS-Image 在 ComfyUI 成功训练 Fizgig 角色 LoRA

    用户基于 MOSS-Image 在 ComfyUI 的 8 步 LoRA 工作流中成功训练出 Fizgig 角色 LoRA,称效果接近其能达到的 Krea2 LoRA 水平。训练集为 40 张 1:1 高质量图,约 80% 面部、20% 身体,采用 LoKR(factor 8)、学习率 5e-5 至 1e-4、70 epochs、seed 42。工作流在 RTX 3080 上约 90 秒出图。

  11. Reddit comfyui · 创作与工作流分享20

    求 ComfyUI 工作流:修正人体结构与抖动线稿,用 Illustrious 或 Anima 重释概念

    一位用户寻求 ComfyUI 工作流,希望用 Illustrious 或 Anima 重新诠释自己的画作概念,以修正人体结构并提亮最暗的颜色。其表示 Gemini、Meta 和 GPT 给出的结果人体结构雷同,且不遵循提亮指令。该用户强调这只是一次性实验,无意在绘画水平上作假。

  12. Reddit comfyui · 创作与工作流分享22

    ComfyUI 用户求助:H3 工作流 OBVPM 的 latent upscaler 放大后头发出现闪烁伪影

    一位 ComfyUI 用户在 H3 工作流 OBVPM 中拼接场景后,用内置的 h3 latent upscaler 放大视频,83 分钟渲染后头发变成闪烁的「海市蜃楼」状伪影,想知道这类问题叫什么、如何解决。该用户使用 16GB 显存的 5060 显卡,并询问是否有比 OBVPM 更好的放大方案或替代工作流。

  13. note · kasmintea · 图像视频创作分享15

    AI 插画如何营造秋日空气感:构图、逆光与季节元素

    作者用 AI 生成插画尝试加入秋意,指出即便指定构图与标题保持水平,画面水平线仍会偏移。逆光与半逆光让远景偏亮、近景更清晰,松果明暗与前后景虚化接近相机对焦效果。作者认为季节元素如同俳句季语,秋可用红叶、栗子、月与芒草,天气与光线则直接承载情绪。

  14. 宝玉的分享 · 创作与项目分享42

    NotebookLM 视频概览系统提示词:完整创作工作流

    NotebookLM 的 Video Overview 创作技能文件公开,完整呈现从读取笔记本来源、协助用户选定主题、确认设置到提交视频生成管线的多步工作流。该提示词重点在于意图消歧:区分新建视频与询问已有视频,用户重新开始时丢弃旧选项,并原样保留用户确认的主题文本提交生成。文件还包含问卷与审核卡片的 schema、格式与视觉风格规则、本地化要求及示例工具调用。

  15. Reddit comfyui · 创作与工作流分享71

    我如何搭建端到端 AI 换脸视频工作流

    作者拆解了一套从原始素材到成片的 AI 换脸视频工作流,用 00 到 09 十个文件夹划分镜头规划、参考图、生成包、帧对齐、终版合成与质检等阶段。生成环节在 ComfyUI 上用三台 NVIDIA DGX Spark 跑两遍流程,先 1280×736 草稿再 1920×1088 精修,8 秒 1080p 级片段约需 1 小时。

    推荐理由:作者复盘 54 个镜头、8163 帧的换脸视频全流程,重点在帧对齐与版本管理这类容易被忽略的工程环节。

  16. Hugging Face Daily Papers38

    任意 3D 场景仅需 1K Tokens:面向大规模场景生成的 3D 原生表示

    研究者提出直接在由 DINOv2、SigLIP2、DA3 等 2D 基础模型导出的高维隐式 3D 潜空间中生成 3D 场景,并用扩散 Transformer 在该空间内做扩散建模,避免 2D 多视角或视频扩散带来的表示冗余与空间一致性受限。实验显示该方法在效率与空间一致性上优于 2D 方案,并验证了随表示与模型容量提升的可扩展性。论文已被 NeurIPS 2026 接收,代码已开源。

  17. Reddit comfyui · 创作与工作流分享55

    作者发布 MOSS-Image ComfyUI 工作流并对比 Qwen Image 2.1 与 FLUX 3 Klein

    作者在 Civitai 发布 MOSS-Image 的 ComfyUI 工作流,无需付费或登录,需配合 AusBoss 节点使用。该工作流可在 8GB 显存、16GB 内存的机器上运行,在作者的 5090 上 4 步约 2 秒出一张图,包含 SeedVR2 超分、替换图中文字、画框定位和文生图自动提示词功能。