用 MOSS 训练复杂风格为何总差一截?用户九次尝试未果求助
有用户用 MOSS 训练复杂风格,结果只是形似、与原风格差距明显,先后尝试 9 次不同 caption 风格与训练参数仍未达标。将学习率提高到常规推荐值的 5 倍后,生成出现人体结构崩坏,风格却与低学习率时无异,该用户正公开求助调参经验。
有用户用 MOSS 训练复杂风格,结果只是形似、与原风格差距明显,先后尝试 9 次不同 caption 风格与训练参数仍未达标。将学习率提高到常规推荐值的 5 倍后,生成出现人体结构崩坏,风格却与低学习率时无异,该用户正公开求助调参经验。
制作 15〜30 秒 PR 视频时,先用 ChatGPT 一次性提交题材、受众、核心价值与形式条件生成分镜方案,再逐场景把"柔和雨景"这类氛围词改写为"见什么、动什么"。示例中 20 秒视频被拆成 4 个 5 秒场景,主角固定为一把深蓝色长伞,人物、对话与手部动作全部剔除,末场景复用前一场景画面加文字。使用前需核对目的、事实、制作、时长四项,只保留一版企划备忘录。
作者在 ComfyUI 中搭建并实测了 Qwen-Image-2.1 的 Multiple-Angles LoRA,可通过提示词改变被摄主体角度。实测单张生成耗时 23 秒、显存占用 21GB,但该 LoRA 目前只专注主体角度变化,背景会消失,出图随机性也较强。文中给出了自定义节点安装命令、模型与 LoRA 文件放置路径以及工作流文件。
作者在 ComfyUI 中实测 Black Forest Labs 的新图像模型 FLUX 3 Klein,配套 19 个免费工作流,覆盖文生图、单图编辑与多图合成。
推荐理由:作者实测 Flux 3 Klein 在 ComfyUI 中的 19 个免费工作流,并列出模型在手部、人脸和字体上的短板。
一位用户在 ComfyUI ROCM 环境下用 AMD RX 6800 16GB 跑扩散模型,发现小模型反而更慢:3.89GB 的 Anima 生成 1280×720 单图需 109 秒,而 6.6GB 的 Illustrious XL 仅需 75 秒,5.04GB 的 MOSS 则要 490 秒。
Higgsfield 官方博客列出十款可在 Claude、ChatGPT、Cursor 或编码智能体中生成视频的 MCP 服务器,包括 Higgsfield、Runway、HeyGen、fal.ai、Dora、Vivideo、AITuber、OpenArt、Imagine.art 和开源的 mcp-video-gen。
作者介绍 ComfyUI 中 MiniMax H3 的新组合工作流,用轻量时间线节点 obvpm-timeline 搭配固定角色的 RefMod,在画布内完成生成、后向扩展、前向插入和切分插入。文中称时间线直接连接各镜头的潜在数据,避免 MP4 拼接带来的画质下降与音画错位,并附工作流、Colab 启动代码与节点仓库链接。
推荐理由:作者实测把 obvpm-timeline 与 RefMod 组合,演示在 ComfyUI 内完成前后扩展与切分插入的连续短剧制作。
作者仅用 AI 完成动画第 1 话的开头部分:先写故事,再制作角色,最后生成视频,成品呈现出明显的动画质感。此前其 AI 角色“シーサーわん”的视频已获得一定阅读量,这次改为按动画第 1 话的导入段落扩展成片。作者计划后续继续公开续集,逐步补完整条故事线。
为制作约14秒的竖屏美容室广告,作者先用 Codex 生成一张角色设定表(左侧脸正面/侧面/斜角,右侧全身正面/侧面/背面),再交给 Higgsfield 一次性生成视频,全程约5小时。成片人脸基本保持一致,但提示词明确要求不出现的镜子仍在1.9秒至2.6秒处映出白衬衫身影,最终直接删掉0.667秒片段,成片约14.4秒,未额外消耗 credits。
一位开发者用 Discord 机器人以游戏角色身份管理服务器,推理机通过 llama-swap 按需启停 llama、vllm 和 stable diffusion,图像生成使用 flux.2 klein 9b 配合参考图。
Reddit 用户 Dudelydad78 分享了 H3 Minimax 在 ComfyUI 中替换身体与背景的指南和可运行示例,称无需 LoRA。材料同时给出完整指南 PDF、原始与生成视频对比,以及包含其自定义节点的个人工作流 Ironmax.json。相关文件均托管在 Hugging Face 的 BaloneyKit for Minimax H3 目录下。
一份面向 AI 美女图像生成的提示词合集,收录约 100 种以世界各地及日本旅拍场景为主题的 JSON 格式提示词,可直接复制到 ChatGPT、Gemini 等工具使用。每个主题均提供基础版、9:16 竖屏版、1280×670 的 note 封面横版,以及背景与氛围改编版,并附 negative_prompt 与 aspect_ratio 字段。
作者在 AI 图像创作连载第二篇中借助 ChatGPT 学习运镜与透视,梳理出相机高度、距离、朝向三要素,并区分低角度、近距离与荷兰角(倾斜构图)的表达效果。随后按“贴近地面的低机位、略微仰视、正面拍摄、突出持魔法的右手”设计构图,由 ChatGPT 补全身体扭转与四肢分工并生成提示词。首张生成图透视冲击力强但手部偏粗,用同一提示词重生成后手部比例恢复正常。
作者公开了在 8 GB 显存本地训练 MOSS-Image 角色 LoRA 的一套参数:默认设置训练 800 步,大数据集或难概念再延到 1200–1500 步,学习率 0.0004、rank/alpha 8/8、512² 分辨率。
推荐理由:作者给出 MOSS-Image 角色 LoRA 的完整训练参数与步数区间,并解释为何 8000 步会过拟合,可作为本地训练的起点参考。
Higgsfield 发布教程,介绍如何用 Cinema Studio 4.0 将房产照片转为逐个空间的视频片段,再拼接成带房源信息和音乐的房产导览。操作流程包括上传清晰照片作参考、在 Director's Panel 设置相机/镜头/光圈/灯光/节奏、从 30+ 运镜预设中每片段选一个轻柔移动,并用 Extend 和 Edit Video 修正结果。
VX Studio 创始人 Shaurya Gupta 以 90 集、约 1600 次生成的竖屏剧为例,说明 AI 视频引擎没有记忆,同一角色跨镜头会出现脸型、年龄和身高漂移,连续延展到第四次时已像换了演员。
推荐理由:一位 AI 短剧制作平台创始人复盘 90 集竖屏剧的实操经验,逐条列出角色一致性、镜头延展与宽景失真的失效点及应对办法。
作者在 ComfyUI 中用轻量版 Qwen-image2.1 搭配 Flux2 的 flux2-klein-4b-fp8 高速版,做出细线维持型、实黑、漫画风三种黑白线画效果,8GB 显存即可运行。作者称单纯转黑白线画时 Flux2 速度更快,但两者结果差异不明显;该工作流对无脸角色会自动生成眼睛,需要用提示词调整。
RenderBob 依据 Runware 的 FLUX 3 Video 文档整理关键帧用法,最多可传入 10 张图片,每张按帧序号或时间戳定位,官方将每个固定点视为强引导并提示会出现漂移。
用 ComfyUI 将 Animagine XL 4.0 Opt 生成的白裙银发天使插画,经 Animagine XL 3.1 以 img2img 转换为手办风全身图,未使用 LoRA 与 ControlNet。
一位用户想在同一个 ComfyUI 工作流里把图像模型和文本编码器分到两台机器上运行,以缓解 MacBook M1 Pro 16GB 的内存压力。他手头还有一台 Mac mini M2 Pro 16GB,希望借此拆分负载。帖子未给出具体实现方案。
OpenMOSS 团队于 2026 年 10 月 16 日开源 5B 文生图模型 MOSS-Image,权重 Apache 2.0,发布当天支持 ComfyUI。
推荐理由:梳理 MOSS-Image 在 ComfyUI 的安装、采样参数与显存取舍,并说明 JSON 版式控制的坐标约定与当前边界。
Synthesia 视频制作人实测十款 AI 视频生成器并给出排名,Seedance 2.5 因电影级运镜与运动表现居首,但仅支持 720p、最长约 15 秒且难以免费获取。
可灵官方博客对比了 IMAGE 3.0 Omni、Leonardo AI、Adobe Firefly、Krea、Canva、Picsart 六款 AI 图像编辑产品,按模型、平台、免费额度与编辑流程逐项列出。
可灵 4.0 支持文生视频与图生视频,单段最长 30 秒,在大幅运动与复杂运镜中保持更稳定的画面。其 Omni Reference 最多可组合 15 个图像、视频、声音参考与 Elements,另可用最多 10 张上传图片作为关键帧控制画面节点。官方围绕日常生活、教程、个人故事、爱好与节日等方向给出 20 个视频创意示例。
水輝在 RTX 3060 Laptop(VRAM 6GB)上分享三种 AI 图像生成提示词写法:单词罗列随机性高、定型文按风格/构图/姿势等分项指示便于修正、自然文章最常用。三种方式在 GPT、Gemini 等生成式 AI 上同样可行,作者称近期模型有时不写负面提示词,写了反而可能被生成出来。
作者公开了用 Seedance 2.5 制作一人称动画短片《加班后的晚饭》的全部视频提示词,流程是先用 Midjourney 生成每个镜头的首尾两张图,再用 Seedance 2.5 的关键帧功能让两图之间动起来。
多格式视频剪辑的审批可追溯,关键在于剪辑前先制定并确认交付矩阵,逐项记录投放渠道、格式、片尾卡与字幕、音频文件及审看负责人和最终批准人。每个审看版只对应一个明确待决事项,并标注版本、日期、格式,例如 COM-16x9-v07 · 2026 年 10 月 10 日 · 节奏和镜头顺序。客户对创意内容的批准不等于对最终交付文件的确认,交付前还须逐项核验源版本、裁切、字幕、混音状态与导出规格。
Frank Houbre 给出跨镜头保持同一角色的制作方法:先做一张正面主图加两三个角度参考,再使用模型自带的角色参考入口而非纯文本提示,最后按镜头风险拆解分镜。
推荐理由:作者按官方文档横向对比 Kling、Seedance、Flow、Runway 的角色参考入口,并给出可复用的分镜与参考图准备流程。
用 Grok API 的 grok-imagine-image-quality 模型在 3:4 比例下同提示词分别生成 1K(864×1152)与 2K(1776×2368)图像对比后发现,人脸特写 1K 已足够,全身等人物较小的构图差距明显:1K 睫毛糊成线块、珍珠耳环成模糊点,2K 能逐根画出睫毛并保留高光。
作者用 ChatGPT 做了四组 AI 漫画生成实验,核心变量是漫画相对小话的摆放位置:把文章改成一页漫画、在文章前后各配一页漫画、在正文中间插入漫画,以及用「小说—四页漫画—小说」结构让漫画承担中篇叙事。实验还分别指定透明水彩、Copic、液体墨水等画材,并强调需向 ChatGPT 说明前后文意图,否则不同摆放方式的差异会被抹平。
用户在用 Minimax H3 ref2va(DaSiWa)做视频角色替换时,模型过度保留原视频内容,只替换画面中未出现的部分,无法完成身份替换。该用户询问是否需要借助 ControlNet,并寻求可用的提示词或工作流。
一名 ComfyUI 用户更新后程序出错,只能重新下载便携版,但新版附带大量用不到的内容且无法正常使用。该用户希望找回更新前的旧版 ComfyUI。
IT之家实测联想 YOGA Pro 15 RTX Spark,搭载 RTX Spark N1X 超级芯片与 128GB 统一内存,128G 版本售价 42999 元。
针对 Midjourney、DALL-E 3 等工具生成图像普遍「AI 味重」的问题,可通过 5 种提示词方法建立个人视觉风格:混合两种以上风格(如浮世绘×蒸汽朋克)、用「swirling brushstrokes」等特征描述替代艺术家姓名以规避版权风险、锁定 3 色品牌色板、指定 fabric/paper 等纹理、固定 3-4 种构图模式。
一名用户在 10 月 12 日更新 ComfyUI 后,原本 20-26 分钟完成的 12 步 1.0mp 生成任务变慢至 2 小时,采样器卡在 33%。其配置为 Ryzen 7 5700x、5070Ti 16GB 显存、48GB 内存,使用 foxydits seedhunter v2.5.1 工作流与 singularity 模型加 turbo lora。
用户在 Mac Studio 64GB 上通过 ComfyUI 本地运行 Z-Image Turbo 做纯文生图,人像效果令人满意。
用户对 Moss Image 2MP 做了对比测试:50 步 euler + sgm_uniform 与 8 步 turbo LoRA(权重 0.8)相比,turbo LoRA 快 10 倍。
用户首次尝试 ComfyUI 0.42.1 便携版,选用 Wan 运动迁移模板并装好全部模型后,运行即失败:或直接断连无报错,或在 sampler 阶段失败,常规版本同样如此。设备为 Legion Pro 7、32GB 内存与 5090 24GB 显存,NVIDIA 驱动已更新,用户不确定是否该运行 3 个更新 bat。
Manga2Animate 是一个多智能体框架,将漫画动画化拆解为动画脚本与视觉分镜两个中间表示,每个表示由创建智能体生成、配对审核智能体对照原漫画分镜审查。框架采用表示专属选择与双层反馈机制逐步精修两者,再合成最终动画。实验与用户研究表明,其产出比现有最优方法更忠实于原漫画、镜头间一致性更好。
研究者提出 Stateful Harness 框架,把世界状态演化与视频渲染分离:由规则维护世界状态,用冻结的视频模型渲染每个事件,再用生成片段更新状态。团队构建 WorldState-Bench,含 50 对反事实孪生样本,在仅靠规则提示下 11 个视频后端中最佳仅 32% 正确;MiniMax-H3 明确指定结局后升至 64%,接入完整框架后达 92%。