用 ChatGPT 一行提示词生成周刊少年杂志封面:从默认封面到自定义刊名与连载
作者用 ChatGPT 以 3:4 比例生成周刊少年杂志风格封面,一行提示词即可自动填出刊名、期号、写真人物与连载标题。把刊名、期号、定价、标题文字全部写进提示词并限定"只用这些文字"后,可得到自定义的《周刊少年アイホリ》2026 No.46 11 月 4 日号封面,指定文字均正确呈现。作者还发现泳装类内容易被拒绝,人物取腰部以上大图更有封面感。
作者用 ChatGPT 以 3:4 比例生成周刊少年杂志风格封面,一行提示词即可自动填出刊名、期号、写真人物与连载标题。把刊名、期号、定价、标题文字全部写进提示词并限定"只用这些文字"后,可得到自定义的《周刊少年アイホリ》2026 No.46 11 月 4 日号封面,指定文字均正确呈现。作者还发现泳装类内容易被拒绝,人物取腰部以上大图更有封面感。
Veras 4.5 的 Smart Selection 可按类别、对象、材质或自定义提示词快速选中可见像素,选区图会缓存并在切换渲染时恢复,适合快速局部修改。但它只是从图像推断区域,不继承 Revit、Rhino、SketchUp 或渲染器中的对象名与材质槽;Cryptomatte 则记录场景预先赋予的身份,适合可重复合成。2026 年 5 月官方曾表示暂不支持导出颜色分割图,团队计划后续加入。
Veras 4.5 将 Describe Source Image 移入主面板,由 Florence 2 生成短、中、长三档描述,可复制为提示词起点,切换源图会清空旧描述。该功能只报告画面所见,无法识别设计意图与必须保留的固定事实,直接照抄会把遗漏变成方案。正确做法是逐句标注"已观察/推断/缺失/误命名",再把固定几何与请求变更拆成两段写入提示词。
ComfyUI 0.42.1 加入 OpenMOSS 团队开发的 MOSS-Image Base 图像生成模型,支持用含坐标的 JSON 指定文字与物体布局,采用 Apache 2.0 许可。
用 DomoAI 的「AIアバター」功能可让照片人物开口说话:台词放进音频栏,提示词栏只写动作和表情,不要抄写台词。所选秒数不一定等于成片时长,生成后需对比播放时间与录音长度,确认最后一句完整。成片按声音、口型、面部顺序检查,有问题一次只改一项再重做。
一名大学生以「未来の東京」为主题用AI制作视频并投稿TikTok,发现制作视频和让人观看是两件事,AI视频并非做完就结束。制作中需反复调整图像和视频,试错超出预期;投稿后才意识到要思考什么样的内容能引起兴趣、如何让人看到最后。
ComfyUI-MangaScreen 是 ComfyUI 中可生成较高质量漫画网点色调的工具,作者逐项测试了 screen_lines、white_point、black_point、light_tone、dark_tone、gradation、pen_threshold、white_lines 等设置项的效果与注意事项。
在 ComfyUI 中实测 MOSS-Image sft 的 8/4/2step 加速 LoRA,RTX 4090 上 8step 生成耗时 10 秒、4step 9.5 秒、2step 9 秒,VRAM 均为 16GB。模型加载后单张图约 1-2 秒即可出图,减少步数后仍能生成一定文字。LoRA 体积较大,需额外约 1GB 显存。
MOSSimage 本地图像生成实测显示,INT8 精度下负载与 SDXL 大差不大,BF16 则接近 anima 较重版本、明显轻于 Qwen。作者用《圣剑传说2》封面复刻等定番测试,认为本地能画出这种奇幻背景的模型此前很少,Krea2 未能做到。LoRA 训练因过拟合失败,漫画气泡尾端定位测试中尾端普遍偏离口部数十至数百 px。
作者用 ComfyUI 将 Animagine XL 4.0 Opt 生成的红裙角色原图,经 Animagine XL 3.1 以 Denoise 0.85 转成全身手办风图像,未使用 LoRA 与 ControlNet。
作者在 RTX 5070 12GB 上实测 Wan 2.2 图生视频,约 34GB 模型权重下 GPU 实际只占用 8–9GB 显存,其余由 ComfyUI 动态加载从内存和硬盘流式读取。
推荐理由:作者用同一台机器把内存限制到 16GB 重跑,纠正了自己此前把内存当成瓶颈的结论,给出了可复现的显存与内存实测数据。
WorldCast 构建覆盖 8 类任务、320 个手工案例、1352 个待生成视觉状态的基准,评测 12 个图像模型、统一多模态模型和视频生成系统。GPT-Image-2.5 搭配 GPT-6 Astra 取得 72.8 分,超过参评视频生成系统;改为一次输出全部步骤的网格图后降至 50.1 分。
Kling 4.0 单个任务最多接受 15 个参考输入,按类型拆分:最多 10 张图片、5 段视频(每段 3 至 30 秒,合计 30 秒)、7 个元素(含最多 3 个视频元素)和 3 个声音克隆。
Code2Video-Compass 是一个面向代码视频生成的通用基准,覆盖 T2V、I2V、V2V 三种设定,包含 10 大类、24 个子类共 2,104 个任务。
RLSplat 提出一种资源线性预算可控的前馈 3D Gaussian Splatting 框架,表示规模、推理延迟与峰值内存随 Gaussian 预算减少而线性下降。
WorldStream 是一个开放式 3D 世界模型,可把可玩地形扩展到预设地图之外、响应运行中世界里的开放式语言指令,并在重返旧地时还原此前的编辑。它用分层规划器输出结构化决策状态:Macro 固定一组瓦片的地貌与水文结构,Micro 将其细化为瓦片语义,再由确定性本地代码编译成地形、道路、聚落、植被与实体。单一世界记录保存规划、种子、对象身份、可变状态与编辑,支撑有界预算下的持续扩展与交互。
StyleStream 2.0 提出快速可控的流式语音风格转换框架,在消费级 GPU 上把端到端延迟从 1.0 版的约 1s 降到 520ms,实现 2 倍加速且保持转换质量。
StreamEval 是一个覆盖虚拟人对话、虚拟人表演、世界生成、指令编辑和参考编辑五类任务的交互式流式视频生成统一基准,包含 300 个时长 15-300s 的脚本化测试用例,从任务执行、状态一致性、视觉保真度和视听协调四个维度以 0-100 分制评估。
创作者用 ComfyUI 默认工作流对比测试了 Krea2、MOSS、Qwen2.1 和 Flux3 四款开源模型,每个模型与提示词组合跑 3 个不同种子取最佳结果。
作者在 Windows 11 上用 ROCm 让 TRELLIS.2 在 AMD RX 9060 XT 16 GB(gfx1200)的 ComfyUI 中正常运行,并把修复与工作流放在 GitHub 仓库 ovaoz/trellis2-amd-windows。
一位 ComfyUI 新手用 Civitai 训练了一男一女两个角色 LoRA,搭配 WAI-Illustrious-SDXL 检查点,单独生成时效果良好,但同图生成时出现特征混合、角色重复(2 女、2 男甚至 3 人)和保真度下降。
作者在 RTX PRO 6000 Blackwell 上对 LTX-2.5(图像加提示词生成 10 秒 1080p 带音频)做端到端剖析并重写慢速环节,同一模型、同一图片与提示词、同一 600 W 功耗上限下,原版 ComfyUI 每片段 130.1 秒、19.2 Wh,优化后为 42.9 秒、6.9 Wh。
Flux-3 的提示词改写模型与系统提示词生成的详细提示词,效果优于手写提示词,可用于 Flux-2 9B 的非简单图像编辑。该模型通过独立机器上的 llama.cpp server 部署,几秒内即可返回结果,比 ComfyUI 内置 GenerateText 方法快。当 Flux-2 不配合手写提示词时,额外等待可能值得。
作者发布 ComfyUI 安装与 FLUX 3 Klein 入门教程,覆盖 Windows 安装、模型下载、图像编辑、布局与批量生成等 16 个示例,并给出 RunPod、SimplePod、Massed Compute 与 Linux 路线。
Krea 3 于 10 月 15 日发布,本文核对官方输入输出、网页使用指南与 API 文档,梳理换家具、换背景两类编辑示例中哪些细节被保留。发布页称多数原生 2K 编辑低于八秒,$0.06 是 2K 基础项,API 另列每张 1K 参考图加 $0.02、2K 参考图加 $0.07,high 模式每轮再加 $0.02。
AI 图像放大后模糊,应先核对元图像像素尺寸、显示位置与保存方式,而非直接重新生成。Midjourney 现行 Upscalers 指南中,V8.2 正方形 SD 图像为 1024×1024,经 Subtle 或 Creative 放大后为 2048×2048,HD 图像本身即 2048×2048 且目前无法再放大。
一名用户在同一台 5090、32GB 内存机器上用 MiniMax H3 生成视频时发现,ComfyUI Desktop 版几乎占满系统内存、电脑卡顿,换用 Portable 版并复制相同模型与工作流后,系统内存占用降至约 45%,显存仍约 31GB,生成速度基本一致。该用户称 Portable 版安装远比预想简单,并询问是否为 Desktop 版普遍问题。
作者用 Z-Image Turbo(8 步)加自训角色 LoRA(0.8)再经 SDXL refine 生成固定角色,多数露手画面出现六指、手指粘连和指甲异常。
推荐理由:作者实测对比了整图编辑与手部裁切编辑两条路线,给出可复用的裁切修复流程与具体参数。
在 ComfyUI 中用 Z-Image-Turbo BF16、Flux.2 Klein 9B、Qwen Image 2.1 和 Krea.2 Turbo 分别以英文与日文提示词生成同一张少女卧室写真,作者认为两种语言的生成精度没有明显差距。
Reddit 用户实测 Qwen Image 2.1 默认工作流的提示词增强器(PE),将 max_tokens 从默认 4096 提到 12000 仍不够用:开启 thinking 时 token 全耗在推理上导致输出为空,关闭后又会写出 12k token 指令被截断,生成效果更差。
字节跳动 Seed 团队的 Seedream 图像模型可通过 BytePlus ModelArk 官方 API 或第三方转售 Key 调用,覆盖 3.0、4.0、4.5、5.0 Lite 和 5.0 Pro 五个版本。
用同两条提示词分别测试 Kling 3.0 Pro 与 Veo 3.1 Standard,Veo 3.1 在人物对镜头说台词的镜头更自然,Kling 3.0 Pro 在冷萃咖啡液体产品镜头更贴合提示词。
有用户在 ComfyUI 中搭建了两套工作流,用于为 MakeHuman 角色的 UV 重新贴图,并保持纹理布局可用于 3D 管线。第一套工作流重排 UV 布局并逐块处理纹理,可用 Qwen 自动生成描述或手动输入;第二套按身体部位分通道处理,每块超分至 2160 px 后放回 2048 x 2048 布局,支持加载此前结果进行局部编辑与混搭。
一位用户在 AMD RX 7800 XT(16GB 显存)上寻求长视频角色替换工作流,要求 1 分钟以上视频中替换主角时保留其手持或交互的武器、工具、杯子等物体,且生成时间不能过长。其尝试中,Wan Animate 2.2 未能正确替换为拟人角色,Mocha 替换效果较好但手指不一致且 1 分钟视频耗时过长,Scale 2 标准工作流则忽略参考图、凭空生成新头部和手部。
Apple 的 Image Playground 应用随 iOS 27 更新,新增用自然语言描述任意视觉风格的 "Any Style" 选项,并支持通过触摸和自然语言修改已生成图像,还可制作联系人海报和锁屏壁纸。
作者用 MOSS-Image-Base 配合 Qwen3.5-9B 文本编码器和 FLUX.2 VAE,在 RTX 4070 12GB 本地环境分别用 30 张动画图和 30 张实拍图训练角色 LoRA,并给出 ai-toolkit 的完整步骤与 PowerShell 执行脚本。
在 Pollo.ai 上用同一提示词「Please make a holy sword.」分别测试 Seedance 2.5 与 Wan 3.0,两者均在 30 秒内生成完整锻造过程。Seedance 2.5 把工序拍成圣剑诞生的奇幻叙事,Wan 3.0 则更像匠人完成一件工作的记录。两者都重点刻画了锤打热铁与淬火入水,却跳过了上柄、刻纹等细节。
一位 ComfyUI 新手用 Wan 做文生视频,按推荐先做 5 秒片段,时长和画质都不错,但想拼成 1 分钟完整视频时卡住了:单独生成第二段、并写入完全相同的角色与场景描述后,画面却差别很大。ta 在 Reddit 的 comfyui 版块发帖求助多段片段保持一致的方法。
一位用户因笔记本硬件老旧(i5-8300H、8GB 内存、Intel UHD Graphics 630 核显),安装 ComfyUI 后加载图像模型频繁报错,想找免费在线运行图像生成的办法。Google Gemini 建议其使用 Google Colab,但同样遇到问题。
用户在 ComfyUI 中使用 GGUF 格式的 Moss q4 文件时,间歇性遇到 "Unexpected architecture type in GGUF file: 'moss_image'" 报错,同一工作流有时正常运行、有时必定失败。用户已更新 ComfyUI 并安装 Moss 自定义节点,文本编码器使用 w4a8 类型,尚未找到报错原因。