InfiniDream:用程序化生成构建开放式逼真 3D 世界
InfiniDream 是一个 VLM 驱动的开放式程序化 3D 世界生成框架,通过符号约束资产生成复用现有程序化算法,产出可编辑、基于种子多样化的逼真资产。其端到端文本到世界管线结合语义场景规划与 Deterministic Frustum-Guided Grid Placement,实现大规模 3D 世界的精确物体摆放、程序化填充与动画。
InfiniDream 是一个 VLM 驱动的开放式程序化 3D 世界生成框架,通过符号约束资产生成复用现有程序化算法,产出可编辑、基于种子多样化的逼真资产。其端到端文本到世界管线结合语义场景规划与 Deterministic Frustum-Guided Grid Placement,实现大规模 3D 世界的精确物体摆放、程序化填充与动画。
有用户寻求为 Krea 2 训练一个学习绘画技法而非特定画师身份或作品内容的 LoRA,希望复现抖动粗糙的线条、粗马克笔式轮廓以及平涂、赛璐璐上色和带纹理上色等技法,并能迁移到完全不同的主体、角色、姿势与构图上。其征询数据集结构、打标策略与训练设置建议,并询问是否有人成功为 Krea 2 训练过风格向 LoRA、如何减少主体与构图过拟合。
可灵 AI 发布视频画质提升指南,针对光照不足、噪点、压缩伪影、模糊、构图不佳和动作不完整等问题给出对应修复方法。使用 Kling VIDEO 3.0 Omni 可上传 3–10 秒视频,通过提示词调整光照、色彩、背景与构图并保持原动作,输出设置可选 1080p 或 4K。指南还按社交短视频、YouTube 长视频和老旧录像分别给出画质优化建议。
可灵 4.0 支持 3–30 秒视频生成,其 Omni Reference 最多可接入 15 个参考素材(含最多 10 张图片),用于在老照片动画中保持人物面部与服装一致。该模型强化了大动作稳定性,让挥手、走几步、转身等动作更自然,Keyframes 模式最多可用 10 张关键帧图控制场景切换。
可灵 AI 发布指南,介绍如何用 Kling IMAGE 3.0 与 IMAGE 3.0 Omni 从文字或图片生成 AI 艺术作品。IMAGE 3.0 支持最多 10 张参考图,可用自然语言指令微调细节;IMAGE 3.0 Omni 的 Image Series 模式可保持多张插画角色与风格一致,并原生输出 2K/4K。
给大家分享下这个纯AI红薯号最近一个月数据 要不是小红书最近把我的号限制了,数据还能再好点
SunoMV 抽样 1,531 个分镜项目、65,853 个镜头发现,无理由约束时 AI 默认退回中景(32.6%)、平视(50.1%)和推镜头(28.4%)。其解法是给每句歌词写一句与歌有关的运镜理由,再由理由推出景别、角度与运镜,并先用角色卡、场景卡锁定人物与地点。SunoMV 下一版将让 AI 起草分镜时为每个镜头附一句理由,显示在导演模式与手机端分镜卡片上。
有用户在 Reddit 求助 Fizgig MOSS 图像 LoRA 训练经验:尝试 30-70 epoch、0.25-0.5 MP、20-40 张图、alpha rank 16、学习率 0.0001,并在 ComfyUI 工作流中加入 block 22。
用户分享在 RTX 3060 12GB 上加速 Moss 图像生成的 ComfyUI 节点配置:启用该节点的 ultra fast 设置,搭配最新 8 步 LoRA 并将权重设为 0.2-0.4,采样器设为 50 步、CFG 4、Res_multistep、Simple、2mp。该 LoRA 用于弥补跳过的采样步数。
用户训练 Moss 的 LoRA 两天后发现,角色相似度和细节始终难以收敛,风格与概念类训练则问题不大。同一批数据集此前在 Krea 2、Anima、Z-Image 上均可用,Twitter、Reddit、Discord 上也有多人反馈类似问题;Fizgig 作者虽有进展,但 LoRA 仍未充分收敛。
教程讲解如何在 ComfyUI 中安装 MiniMax H3 Director 插件,把镜头、参考图和音频拖到时间线上,由插件实时编译出 H3 训练时读取的分镜 prompt。
推荐理由:教程把 H3 时间线插件的安装、模型目录与分镜编译讲成可复现步骤,并列出训练区间与商用授权等前置限制。
Seedance 2.0 是字节跳动的视频加音频生成模型,支持文生视频、首尾帧图生视频和多模态参考生成,时长 4 到 15 秒、最高 4K。目前有文档可查的自助接入路径是 OpenRouter,模型标识为 bytedance/seedance-2.0,采用异步提交加轮询的方式,2026 年 10 月 19 日标价每秒 0.06726 美元起。
Kapwing 发布教程,演示用 GPT-6 Astra 连接 Blender 搭建巨龙与场景的灰模、动画和相机镜头,再用 GPT Image 2 生成设计图与写实首帧,最后由 Seedance 2.5 生成 10 秒连续镜头。
推荐理由:作者实测用 GPT-6 Astra 驱动 Blender 搭 3D 场景,再经图生 3D 与 Seedance 2.5 出片,并列出三家 3D 模型对比与逐项成本。
Kapwing 发布教程,介绍用 Claude 技能生成机位指令 Prompt,再在 Kai 中以 Seedance 2.5 把一条固定机位素材重拍成多机位剪辑。
推荐理由:作者用 Seedance 2.5 实测单机位转多机位,给出完整 Prompt 与失败案例,可迁移到短剧多机位剪辑。
Stable Diffusion Art 发布 MiniMax H3 参考生视频(ref2va)在 ComfyUI 的完整工作流教程,可组合最多 9 张参考图、3 段参考视频和 3 段音频,一次生成带同步立体声对白、音效与音乐的 24fps 多镜头视频。
推荐理由:教程给出 MiniMax H3 参考生视频在 ComfyUI 的完整节点配置与提示词结构,可迁移到多镜头角色一致性流程。
Synthesia 官方博客发布 2026 年 5 个最佳 Tavus 替代方案,基于 157 名评分者对 609 段对话的评测。Synthesia 以视觉质量 0.95、整体体验 0.48 居首,Tavus 分别为 0.42 和 0.08;Anam 对口型得分 0.60 最高。Tavus 的不足包括每分钟约 $0.24–$0.37 的成本、自助套餐仅 1 至 15 路并发,以及知识库仅支持英文。
ScreenWeaver 联合创始人发布 ScreenWeaver 与 LTX Studio 的逐项对比,结论是:从概念、客户 brief 或图片出发、本周要交付广告或剪辑成片。
Higgsfield 官方博客对比了 9 款 AI 对口型视频生成器,涵盖 Higgsfield Lipsync Studio、HeyGen、Sync Labs、LipDub、Kling AI、Rask AI、Captions、D-ID 和 Vozo AI。
Luma 于 2026 年 10 月 1 日推出 Luma Variants,可将一条已过审静态广告自动适配为 Story 9:16、Portrait 4:5、Square 1:1、Medium Rectangle 6:5、Widescreen 16:9 五种尺寸并翻译文案,但官方未公布定价。
Google Flow 不提供任何官方 API、密钥或 SDK,开发者只能通过 Gemini API 或 Vertex AI 调用其背后的 Veo 3.1 视频模型。
Topaz Labs 提供官方 Image API 与 Video API,用 X-API-Key 调用,按 credits 计费:Gigapixel 每 24 MP 输出 1 credit,10 秒 1080p Proteus 视频 4 credits,credits 单价 $0.08 至 $0.12。
Wireflow 用 Veo 3.1 Fast 各跑一次 8 条 Veo 3 提示词,8 秒 720p 带声音,结果 5 条通过、1 条部分通过、2 条失败。通过的多是单一镜头、单一动作加一句 15 词以内的台词;失败集中在要求一条 8 秒片段内切三个镜头,以及 39 词长台词被截断到 31 词。
推荐理由:作者用同一套参数实测 8 条 Veo 3.1 Fast 提示词,逐条给出成败原因与改写方式,可对照自己的出片流程。
在 VIBE 应用中,用户可在 iOS 和 Android 手机上直接选用 Google Veo 3.1 系列三个版本生成带声音的短视频,无需开发者账号或 API key。
作者为本地图像生成模型MOSS-Image训练了画风LoRA「SepiaBlue Luminous」,已在Civitai公开,触发词为qsv2style。训练用100张仅画风共通、人物与场景各异的ChatGPT生成图,基于MOSS-Image-Base、1024分辨率、rank 16、学习率1e-4跑1000 step,最终选用400 step版本。
用户使用 MiniMax H3 video extender(backported)做视频延长,首次生成后在第二次生成做超分时,模型 latent upscale 子图内的 sample custom advanced 节点报错。发帖者询问原因,并希望获得可替代的节点建议。
一位 ComfyUI 桌面版新手想在本地用 Wan 图生视频工作流加载自己下载的 LoRA,但替换 LoRA 参数后效果异常,解包 subgraph 手动调整又报“not enough memory”,而打包状态下低分辨率可正常运行。其目标是实现 IMAGE → PROMPT → RESULTS 的简单流程,复现模型页面示例效果。
有用户反映 ComfyUI 因过去几个月安装大量自定义节点而启动变慢,想知道哪些节点可以删掉。其已搜到一个看起来有希望的清理方案,询问是否有人用过、是否有效,以及有没有更快更简单的办法,或干脆全部移除后按工作流报错逐个试错重装。
作者发布 Evangelion 同人概念验证,把 AI 渲染的 Sachiel 与 Redshift 渲染的 CG 初号机放在同一镜头里完成身体接触,复杂运镜中接触点逐帧保持 1:1,无漂移。
推荐理由:作者用 AI 角色与 CG 角色逐帧对齐的实拍级合成,展示 AI 图层与深度通道接入传统 VFX 流程的具体做法。
有用户在初步测试后认为 MOSS 模型是自己试过的最强图像修复(inpainting)模型,工作流已嵌入示例图片,缺失时可通过 Civitai 链接下载。
学生可免费获得一年 Google AI Pro,并在 Google Colab 每月免费使用 A100 达 35 小时。配套的 ComfyUI Notebook 会根据 Colab Pro 提供的 T4 或 A100 自动切换对应模型。
有用户在 ComfyUI 社区求助:用 Flux 2 Klein 工作流做 i2i 换脸时,生成结果在头部大小、位置和面部表情上与原图不匹配,眼睛、嘴和眉毛无法精确对齐。该用户此前先训练模型生成“够用”的照片,再在最后一步做换脸,但效果仍不理想,并询问这一目标目前是否仍无法实现。
Qwen 2.1 因能生成透明背景图像而受好评,但其“官方”模板中用于增强提示词的默认模型 qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot 及所有变体,都带有明确指令,会“静默”把透明背景请求改成纯白背景。用户可通过“越狱”加入强制透明指令或自行编写提示词绕过,但并非 100% 可靠,即使明确要求透明,仍常得到纯白背景。
针对 4 天前发布的 MOSS 模型,有人依据官方代码绘制了 MOSS 5B 架构图,并附上论文与代码梳理中的补充信息。该图用 Typst 的 CeTZ 绘制,采用模块化设计,可单独渲染各模块或复用到其他图中,以 MIT 协议开源。
一份面向ChatGPT、Gemini等工具的AI美女图像提示词合集,共约100种,以JSON格式提供,可直接复制使用。每类题材除基础版外,还附9:16、1280×670、背景改编与氛围改编版本,覆盖马德里老电影院、纽约地铁读书等城市场景。提示词含prompt、negative_prompt与aspect_ratio字段,面向note头图、SNS与短视频素材等用途。
日本创作者 ponko 用 ChatGPT 当老师,学习在 AI 图像生成前先设计动作线与重心,以摆脱角色僵直站姿。首轮课题是"被爆炸惊到跳开、落地瞬间"的姿势,她先自行拆解重心落在弯曲的右腿、右手撑地、左手护身,再让 ChatGPT 点评。她发现四肢各有角色、相机位置会改变动作可读性,"感觉不错"这类模糊指令无法传达意图。
MindStudio 团队实测 Elorian 的视觉语言模型 Glimpse,它在测试中通过列车与人物相对静止、画面水印和静态尘柱等线索,判断一段人物横跨两列行驶火车的视频为 AI 生成。
作者用同一提示词让 AI 生成插画缩略图,要求加入前景虚化、有纵深的背景和地面来增强空间感,结果人物服装按要求呈现,但标题文字意外倾斜、画面上下被裁切,构图出现视线引导混乱。作者认为空气感本身(逆光、街景反射虚化、花瓣与发丝)没有问题,问题出在构图:标题右肩上扬而手扶栏杆伸向左后方,整体不协调。
爱沢在 X 发布朝、昼、夕方、夜、深夜五个场景的 ChatGPT 图像生成提示词,供免费使用。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,以保持脸型、发型、发色与瞳色,并统一采用细腻干净的动漫插画风格、柔和光线与连续阴影。五场景分别对应双手捧杯的清晨、展示青紫色色卡的午后、室内持杯全身的傍晚、沙发小憩的夜晚和窗边关灯前的深夜。
ComfyUI 虚拟人节点开发更新,角色性格改善后回复变长,数据增加带来"知性提升"的感觉。新增背景颜色与图片切换、环境识别能力,并扩充独白与哼歌词汇(此前仅有星空、 fluffy 等词),还向 VOICEVOX 词典注册了读音修正。
用 DomoAI 的 AI 视频功能,以一张图片加一段英文提示词生成花火大会约会片段:男友第一人称 POV,穿浴衣的女性回头说「きれいだね!」并牵手,身后烟花绽放。提示词还要求自然日语女声与准确对口型,作者评价效果"漂亮但有点好笑",并称性能不错。DomoAI 免费生成带水印,作者建议订阅。