PhysSkin++:基于自监督神经蒙皮的实时通用物理动画框架
PhysSkin++ 提出一种物理信息框架,从静态几何中学习连续神经蒙皮场,构建紧凑形变子空间,无需逐物体训练网络即可跨形状泛化。其神经蒙皮场自编码器配合物理信息自监督学习策略,在无仿真轨迹条件下稳定联合优化,支持网格、点云与 3D Gaussians 的直接动画绑定及实时降维仿真。实验验证了跨形状泛化、实时仿真与可控碰撞感知动画等应用。
PhysSkin++ 提出一种物理信息框架,从静态几何中学习连续神经蒙皮场,构建紧凑形变子空间,无需逐物体训练网络即可跨形状泛化。其神经蒙皮场自编码器配合物理信息自监督学习策略,在无仿真轨迹条件下稳定联合优化,支持网格、点云与 3D Gaussians 的直接动画绑定及实时降维仿真。实验验证了跨形状泛化、实时仿真与可控碰撞感知动画等应用。
VideoMaMa++ 提出一种掩码引导的扩散视频抠像框架,通过 preserve token 与 refine token 两个可学习嵌入实现滑动窗口推理,把已生成 matte 跨 chunk 边界传播,并用全局共享参考锚点防止长序列误差累积,无需额外训练。
PVBench 是一个量化评估生成视频物理合理性的基准,覆盖 46 个维度、7 大领域,包含 600 条精心设计的提示词,其中 30% 涉及机械臂、人形机器人、四足机器人等具身智能体。
SEAM 是一种零音频初始化方法,用已知子词为未见 token 构建嵌入,通过频谱滤波保留时序音素顺序,并用闭式岭回归将新嵌入对齐到预训练条件流形。在三种语言和两种 TTS 架构上,SEAM 用最多少 4 倍的训练数据即可接近或匹配基线,相比随机初始化和均值池化将样本复杂度降低 75%。该工作已被 EMNLP 2026 Findings 接收。
论文提出 StreamingSwap,一个参考引导的流匹配框架,用于实时流式视频换脸。方法上引入 Joint Rec-ID Loss,按噪声水平平衡显式身份监督与隐式重建,并通过 Face-RoI Generation 与 Short-Context Rollout Training 减少空间 token 和时序上下文。
SWIFT 是一种自引导训练方法,用冻结的弱去噪器外推干净回归目标,提升更强扩散模型且不增加推理开销。在 ImageNet-256 上,它以约一半总训练算力超过基线最佳 FID;在 RAEv2 上无引导推理 FID 为 1.15,加引导为 0.99。
SpecKCast 是一种免训练方法,在频域预测扩散模型输出以跳过冗余去噪步骤:对输出做 2D DCT,再用轻量卡尔曼滤波沿噪声调度导出的频带时间坐标跟踪每个系数的值与变化率,仅当预测不确定性超阈值时才调用 transformer。
有用户提问,能否用 wai-illustrious SDXL version 14 配合自训练 LoRA 生成的图像,再去训练一个用于 wai-anima 的 LoRA。
ComfyUI 前端 formatUtil-*.js 的图片扩展名白名单缺少 jxl,导致 .jxl 输出被归类为 other、isPreviewableMediaType() 返回 false,侧边栏只显示完成对勾(✓)而非缩略图。
作者在 ComfyUI 中测试了 FLUX.3 的图像生成与图像编辑,对比了 Base 版(CFG 3、25 步)与 Turbo 版(CFG 1、16 步)。生成方面模型在纹理、艺术风格多样性、野生动物和自然环境上表现不错,但在手、手指、脚、写实皮肤和复杂场景上较弱;图像编辑反而是其强项,Turbo 版在风格迁移、换装、背景替换、天气变化和物体移除上效果良好。
一位 ComfyUI 用户在 Reddit 求助,其训练的 LoRA 在 3k 步后持续在皮肤上生成重复纹理,且仅在启用该 LoRA 时出现,排除工作流问题。用户发现所用数据集图片本身带有类似纹理,只是不太明显,询问是否可在不重做数据集的情况下修复。
Flux.3 5.6B 整合包教程演示了同一套整合包的三种用法:文生图、单图修改和多图修改,演示界面迭代步数为 4。文生图先填提示词再检查尺寸与迭代参数后生成;单图修改上传参考图并写明改动部分;多图修改同时放入人物参考图和服装图并说明各自用途。进入 ComfyUI 节点界面需访问自定义端口 8187,实际以整合包启动显示的地址为准。
用 4 张照片、同一提示词在 SJinn 上同条件生成 9:16 竖屏 30 秒视频,对比 Kling 4.0、Seedance 2.5 与 Wan 3.0。Wan 3.0 细节与画质最佳、手部和人物稳定性最好,Kling 4.0 动作最自然,Seedance 2.5 因仅 480p 而画质吃亏。三款模型均一次生成成功、零重拍,但“夹秋刀鱼”等食物抓取仍是共同难点。
DomoAI 的 Relax 模式可在满足套餐、模型、时长三个条件时不消耗积分生成视频,但同一套餐下部分模型和时长仅支持 Fast 模式。用户应按套餐→模型→时长的顺序在定价页核对,并确认「Relax モード」开关已开启,不能仅凭生成按钮上积分数字消失来判断。适合能等到使用时限、含一次重做余量的试作用 Relax,赶时间的用 Fast。
OpenMOSS 团队开源的 5B 文生图模型 MOSS-Image 已可在 ComfyUI 中运行,提供 Base 与 SFT 两个版本。实测在 RTX 4090 上生成耗时 14 秒、占用 15GB 显存,需搭配 qwen3.5_9b 文本编码器与 flux2-vae,并使用 BBOX 节点(需开启 Nodes 2.0 的 Vue 节点设计)。作者评价其画风与文字生成表现不错。
作者在 RTX 5090 上用 int8 文件实测 Qwen-Image 2.1 Turbo,原生 2K(4 MP)图像平均 11.8 秒,30 步基础模型为 36.9 秒,约快 3.1 倍。
推荐理由:作者用 300 次渲染实测 Turbo 与基础模型的差异,并给出可复用的 8 步 sigma 与分辨率设置。
作者在 RTX 5090 上用 ComfyUI 0.41.0 做了 428 次渲染,对比 FLUX 3 Klein Distilled int8 与 Qwen-Image 2.1:按原样输入的 23 类文生图中 Qwen 胜 7 类、Klein 胜 4 类、12 类打平,13 项编辑中 Qwen 胜 4、Klein 胜 3、6 项打平。
用户用 Anima-Standalone-Trainer 训练 Anima 角色 LoRA,数据集约 36 张图配 danboruu 标签 txt 字幕,触发词为 @mychar,优化器 prodigy、学习率 1、Cosine 调度、100 epochs、BFloat16。
面向想拍成片却不想用 Higgsfield 的创作者,可按项目类型选替代工具:写剧本的剧集或短片用 ScreenWeaver(39.99 美元/月起)或 Saga(19.99 美元/月起)。
用 Midjourney 生成游戏用 3D 奇幻女性角色,涵盖可爱魔法师、成年魔导士、魔女、圣女、战斗法师 5 种类型,每类各配角色设定图与立绘两版英文提示词,共 10 条并附日文翻译与设计思路。设定图用横版 16:9 排布正面、侧面、背面与斜角全身图及表情差分,立绘用竖版 9:16 单人居中全身构图,两者共用同一套外观描述以保持形象一致。
创作者在 Pollo AI 上实测视频生成模型 Vidu Q4 Preview,用 GPT Image 2.5 生成原创角色插画后,制作了 5 秒万圣节短片和 16 秒自我介绍动画,日语台词语调与口型表现自然。该模型在短动画制作上成本较低,所需 credits 随视频长度和分辨率变化。
一位创作者把 Pinterest 引流用的 AI 配图从 Midjourney 换成 Flux 后,月佣金从 5 万日元先跌到 2 万日元,再回升至 8~9 万日元。
MiniMax H3 在 Mac 上卡住,是因为其 int8 量化版视频 VAE 依赖 MPS 不支持的 int8 矩阵运算(aten::_int_mm),ComfyUI 2026 年 9 月的修复只覆盖了 UNET 本体,未覆盖视频 VAE。
这份提示词集收录 100 种「AI 美女×旅行绝景」主题的 JSON 格式图像生成提示词,可直接复制到 ChatGPT、Gemini 等工具使用。每个题材除基础版外还附 9:16、1280×670、背景更换、氛围更换 4 种改编版,并配有 negative_prompt 与 aspect_ratio 字段。
作者因连续三天高强度使用 Astra 生成单眼皮男性画像,触发使用限制导致账号被锁三天。最终放弃在 ChatGPT 内解决双眼皮问题,转而让 ChatGPT 快速开发出一款手机端 PWA 网页应用,手动擦除插画中的双眼皮线条。该应用将在下期公开,作者称根本问题并未解决。
SINGULATELIER 打造专属 AI 角色 HAZ(映月),作为品牌统一视觉形象,贯穿音乐、影像、物贩等不同主题的 note 投稿。作者将服装、场景、构图等细节交由 AI 员工克里斯决定,自己只负责方向与最终判断,并借 GPT PLUS 定期任务功能实现每日定刻产出图像与文案。
针对 ComfyUI 自定义节点 Manga Screen 与 ++++ 的漫画工具引发的话题,作者为自家工具 Comic Creator 探索了 AI 漫画制作方案。
作者依据 Google Cloud 视频生成提示词指南(10 月 15 日更新)中的 13 个 Camera angles 与 12 个 Camera movements,用 ChatGPT 生成同一女性、同一路巷、同一夕照的对照图,做成 25 个运镜名称速查表。
Pixolm 用同一张竖版香水瓶原图在 Custom Create 中测试 16:9、21:9、9:16 三种扩展比例,模型为 Nano Banana 2.1、1K、Standard,各生成 1 张,Task History 确认费用各 8 Credits、合计 24。
在 ComfyUI-MangaScreen 中用 Anima 模型生成格斗插画,作者认为 Qwen-image 版本质量不错,但涂色渐变细腻的图像适配较差,illustrious 可能更不适合,扁平配色与线条风格更易出效果。因 Qwen-image 版本短时间难以做好,改用 Manga-Lite 完成,并指出头发和眼睛容易变粗,需反复调参,并非所有画风都适用。
ArchiGen 介绍用渲染器的 Cryptomatte 通道控制 ComfyUI 局部编辑:把选定的对象或材质 ID 导出为与图像同尺寸的灰度蒙版,再接入 inpainting 或合成流程。
在 ComfyUI 上对 Hunyuan3D-v2.1、Hunyuan3D multi-view、Pixal3D、UniForge3D、Moge、TripoSplat 等本地免费 3D 生成方案做了人物建模对比。
用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成了一张从高于脸部位置俯拍、角色仰视镜头的黑兔女郎原创角色图,未使用 LoRA 或构图引导。
有用户在 Linux 上尝试本地图像生成时发现,SwarmUI 和 ComfyUI 都与 Python 3.14 存在兼容问题,而 Invoke AI 在 RTX 3050 4GB VRAM、16GB 内存的低配硬件上常报模型错误或直接崩溃。
创作者用 MiniMax H3 的参考图生视频(ref2va)功能,以 3 张参考图、14.63 秒人声音乐轨和 3795 字符结构化提示词,生成 361 帧(15.04 秒)、1920x1088 带模型生成音频的视频。
有创作者用 Ostris Toolkit 和 Fizgig 测试了此前在 Krea2、ZIB、IDG4、SDXL 上有效的训练方法,但用于 Moss Image 角色训练时相似度只有约 80%。其尝试 Academia SD 和 LOKR 方法效果更差,自认数据集已足够,遂向社区征集 Moss Image 角色 LoRA 训练经验。
用户在 ComfyUI 默认模板工作流中使用 FastH3,将 LoRA 的 model 输出接入 Basic Guider 和 Basic Scheduler 后,Model Attention Backend 与 Model Sparse Attention 两个节点断开连接,FastH3 因此失去加速效果。该问题来自 Reddit StableDiffusion 社区求助帖。
有用户在 onetrainer 上以 10 epochs、本地 batch 2、repeats 10 训练角色 LoRa,导入 ComfyUI 后用 mychar_camille 提示词生成,结果与训练图完全不像。该帖未给出解决方案,仅求助如何调整训练以得到可用的角色 LoRa。
这篇 Midjourney 教程以一张自然光女性头像为例,演示网页端从零到出图的完整流程:先在 Explore 浏览作品养审美,再用 Personalize 选图建立可切换的审美配置(P),随后在 Create 写提示词与参数生成图片,挑底图后用 Vary 或 Edit 换衣、蒙版重画、扩画布补留白。
一个电商内容团队用 AI 辅助开发搭建了 ComfyUI 内部流水线:产品图加已审脚本经并行 GPU 生成,再做超分、语音转写与字幕,最后人工审核并归档。团队提出三个运营问题:如何用轻量检查区分语音生成错误与转写错误、如何把人工接受率和审核耗时纳入吞吐量衡量、以及如何把拒收原因转化为脚本或生成环节的改进。