用 MiniMax H3 生成动漫视频遇到的问题:2D 变 3D、镜头漂移与 GPT Image 伪影
有用户在 Reddit 求助 MiniMax H3 生成动漫视频的调优经验:画面一动就从 2D 变成带大量体积光影的 3D 质感,动画过于精细顺滑,且即使明确要求完全静止镜头,仍会出现轻微运镜与视差。
有用户在 Reddit 求助 MiniMax H3 生成动漫视频的调优经验:画面一动就从 2D 变成带大量体积光影的 3D 质感,动画过于精细顺滑,且即使明确要求完全静止镜头,仍会出现轻微运镜与视差。
针对 Nvidia 面向 RTX 系列 GPU 的 VFX 扩展(支持近乎即时超分、补帧和 HDR)在 ComfyUI Manager 中安装失败的问题。
作者用 Krea 2 与 MiniMax H3 在 ComfyUI 为自己的歌曲 No Rehearsals 制作了一支海岸黑色电影风格的音乐视频预告。工作流分四步:Krea 2 生成角色设定图(近景肖像、全身正面与背面,服装保持一致),参考图生视频把角色设定图与场景或车辆参考组合成新镜头,图生视频用于已定稿的画面,首尾帧控制打火机点燃并露出两人面孔等特定变化。
一位 ComfyUI 新手用 ChatGPT 指导搭建写实 AI 网红工作流,先后尝试 SDXL、Qwen、RealVisXL、Inpaint 与 OpenPose,并用 GPT 生成图片做数据集训练了 3 组 LoRA,每组 25 epochs,但接入 ComfyUI 后出图仍偏"AI 感"。
作者针对上一版 14 智能体 RTX 5090 影视流水线的反馈做了修复,并放出新粗剪与 GitHub 完整源码。
作者用35组、103张测试图在ComfyUI中对照FLUX.3 Klein Q8、FLUX.2 Klein BF16和Qwen-Image 2.1 INT8,检查人像、中文包装、数量空间与连续编辑。中文及中英包装样例中Qwen-Image 2.1更符合要求,连续编辑后段出现明显问题,最终背景修改仅FLUX.2完成。作者认为FLUX.3并未在所有场景压过上一代,中文仍有不足。
Wireflow 用 Kling O3 Edit Video 节点完成广告产品替换测试:将 7 秒 720p 竖屏广告中的黑色饮料罐换成陶土马克杯,耗时 3.5 分钟、消耗 142 credits(按套餐约 $1.49–$2.13),人物、动作、背景与音频均保持一致,但杯身沿用了罐子的较高轮廓。
日本创作者 kawaki 公开了仅用 ChatGPT 生成写实 AI 美女图像的 10 套针织穿搭提示词,涵盖ボレロ风叠穿针织、交叉挂脖、露肩、裹身等款式,并搭配坐沙发、床上抱膝、回眸等姿势与机位变化。
用 Nano Banana 2.1 生成图像时,在提示词里指定相机与镜头就能大幅改变成片质感,作者整理了 9 种相机与 6 种镜头的提示词方案。
OpenMOSS 团队发布的 5B 参数 DiT 图像生成模型 MOSS-Image 已可在 ComfyUI 本体使用,作者用 RTX 4070(12GB 显存)以 INT8 权重实测动漫与写实两种画风。
一份面向AI动画新手的7天制作流程,每天投入1小时,目标完成首条可投稿视频。流程用Bing Image Creator生成静止画、Kling将其转为约3秒动态视频,再用免费FFmpeg在Windows上输出9:16竖版无声MP4,成品为720×1280px。作者实测未产生额外费用,但消耗了Kling账户已有的30积分,Midjourney、CapCut及SNS投稿均未在本次验证中完成。
一位创作者总结了用 Midjourney、DALL-E 3 生成理想图像的 10 个提示词技巧,包括具体指定主题、明确风格、指定 16:9 等宽高比、细化光照与色彩、控制机位构图、使用负面提示词、固定 seed 值、调整 --quality 等参数以及用参考图统一风格。作者称固定 seed 值可减少 40% 生成时间,指定宽高比让从生成到交付缩短 30%,负面提示词把出图异常概率降到 1/10。
这套动漫风 AI 美女图像提示词集共约 100 种,覆盖海岸公路、便利店、酒店、面包店、自助洗衣房、车站前、咖啡馆等日常场景,全部以 JSON 格式给出,可直接复制到 ChatGPT、Gemini 等工具使用。每个题材除 1:1 基本版外,还提供 9:16 竖版、1280×670 的 note 题图横版,以及背景和氛围改编版。
GPT6 Astra 在生成一重眼男性角色时反复被画成双眼皮,改用青年漫画风黑白插画并详细指定眼睑结构后成功维持一重,横脸与表情变体也基本通过。但用于插画时一重与作画同时崩坏,作者称 Work 额度在 3 天内耗尽,下回或为最终回。
一篇分享指出,AI 插画中的"空气感"可通过降低远处光量、辉度与彩度来可视化,让画面深处变暗以营造纵深。作者认为提示词无法直接操控灯光,应描述光源位置带来的变化,并借助斜向光、长影与明暗渐变建立距离感。掌握绘画基础理论有助于提升审美判断。
10月17日,作者让 AI 以「图像生成详细指定图解入门」为主题制作讲座式教材,AI 自行搭出全12讲结构,并附上白马克杯的照片、水彩、黏土三种画风比较图、构图与照明的切换模式图,以及把「时尚沉稳的咖啡图」改写成可验证条件的练习题。作者强调这些图只是并列示例,并非固定条件下的生成实验,目前也只确认教材完成,尚未验证学习效果。
插画师爱沢公开了 10 月 17 日至 18 日在 X 发布的 5 组 ChatGPT 图像生成提示词,覆盖清晨开窗、白天选彩铅、傍晚沙发挥手、夜晚地毯休息、深夜侧卧入睡五个场景。
AI 绘图时「小公女セーラ」及其英文「A Little Princess」均会被屏蔽,SakanaAI 解释原因是该名称在网络上被污染:有人用 AI 生成该角色的恶意图像并用于恶意点击网站。作者尝试查看 SakanaAI 提供的真相网站时,浏览器弹出钓鱼诈骗警告。
同一组提示词分别投给 ChatGPT、Qwen-Image-2.1 和 Krea2 生成图像,ChatGPT 画角最贴近"头到太腿中段"的指定,但漏掉了手放太腿的姿势;Qwen 和 Krea2 画到膝盖附近,手部位置均按指定还原。
作者以「AI 视频提示词中的光与质感」为主题,用大滝昇平公开的 Motion Explainer 流程配合 Claude Code,做出 3 支各含 8 个动画的解说视频和一张早见表,从列出名称到成片约 15 分钟。
正在连载的 AI 漫画《灯し屋のレテとルチア》公开了制作中的设定资料,涵盖两位主角的立绘与表情集、周围登场人物设定画,以及灯し屋外观、港口、下町路地、古き森、森の村、ドーラの家、眠り木等场景。作者首次尝试为背景制作“背景アンカー”参照图,以便与 AI 持续绘制时保持人物与场所的一致性。
用 DomoAI 做照片生成 AI 视频时,选模型不必先看名字或口碑:先写下这个场景绝不能失败的一点,再把候选缩到 2 个——用过的模型作 A、看着合适的另一个作 B,用同一张原图、同一段提示词和尽量相同的输出条件各生成 1 条。按“不能失败的点→指定动作→制作负担(等待时间、消耗的 credit、需返工处)”的顺序对比,只依据本次结果记录采用理由,未试过的模型标注“未比较”。
日本创作者水辉分享了一套给 AI 生成图像做后期的方法:先抠出人物,再对人物内部单独模糊并以 15~20% 透明度叠加,接着按背景色调给人物加渐变(叠加模式、透明度 10~20%),最后在铠甲、剑、脸和花瓣等受光部位用覆烧模式、20% 透明度补色。作者建议人物单独抠图时图层透明度控制在 15~20% 以内,可让画面更柔和并增强远近感。
作者在 Windows 11 加 RTX 4090 环境下,用第三方 ComfyUI-Drama3 自定义节点试跑了 Fish Audio 的 TTS 模型 Drama 3,并给出模型与 codec、ASR 文件的放置路径。
用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成黑猫cos万圣节原创女性角色,未使用 LoRA,并公开了提示词、生成设置与含 7 个标准节点的工作流 JSON。
这篇教程用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成递糖果的万圣节女仆,并附节点工作流 JSON 与处理好的 Canny 轮廓引导 PNG。
作者用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成了一张低角度仰视的魔女特写,未使用 LoRA 或构图引导,并公开了标签、生成设置与节点工作流 JSON。
用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成回眸旗袍角色,无需 LoRA 或构图引导,靠 from behind、looking back、over shoulder 等标签实现背身肩越回望构图。
Chaos 的 Veras 可从 V-Ray VFB History 面板以选中的历史渲染帧启动,而非当前可见画面,从而为生成图像建立可追溯来源。用户需在帧名中记录项目、相机、模型版本、设计选项与渲染序号,并保留提示词、引擎(当前为 Nano Banana 2)与尝试次数。Veras 仅在图像层面工作,不修改 3D 场景,生成结果需再次渲染验证。
审查 4K ComfyUI 建筑渲染图需要三个尺度:fit view 检查构图与设计漂移,交付尺寸判断实际观感,200% 放大排查接缝、光晕与虚构细节。放大路径决定风险,官方示例中 UpscaleModelLoader 像素放大与 img2img 二次生成性质不同,后者需记录 denoise、采样器与种子。差异应标记为有意、可容忍或阻断。
MT Forcing 是一种面向统一多模态模型(UMM)的多轮图像编辑训练范式,基于自回归扩散,旨在解决多轮编辑后视觉质量不稳定与内容不一致的漂移问题。
实测对比 Tensor.Art 与 PixAI 两款浏览器端动漫 AI 生成器,用三个提示词测试文本场景、招牌文字和四人拥挤场景。Tensor.Art 需自行挑选 checkpoint、叠加 LoRA 并调参,支持 ComfyUI 工作流与自训模型;PixAI 主推自研模型 Tsubaki.3,可用完整句子描述、以 @image1 复用角色并按指令改图,平台托管超 180 万社区模型和 LoRA。
有用户在 ComfyUI 中搭建面向 API 的两阶段自动化工作流,用 Flux 对多人图像做风格化 PuLID 局部重绘时,因 API 场景下角色位置每次生成都不同,按 bbox 索引顺序(从左到右或最大人脸)选取常导致人脸换错角色或身份串染。
一位 ComfyUI 用户在风格化 FLUX 工作流中遇到多角色身份串扰:全局参考条件会让发型、配饰在角色间或背景人物上串味,生成后的人脸精修也会把 A 的脸贴到 B 或背景人物上。其目标是单张 24–32 GB 显卡上每张成图约 15–20 秒,正考虑用 PuLID-Flux 配合逐角色 attn_mask,以及 FLUX 3 Image Klein 的参考图加边界框绑定方案。
Kling Motion Control 可将参考视频中的动作迁移到角色图片上,作者用一段 5 秒舞蹈素材驱动 3D 面包师角色,测试了 3.0 Pro 配 orientation video、3.0 Standard 配 orientation video、3.0 Pro 配 orientation image 三种设置。
推荐理由:同一段 5 秒舞蹈素材在三种设置下的实测对比,给出了耗时、积分消耗与画质差异,可据此判断 Pro 与 Standard 的取舍。
有用户向 AI 咨询 ComfyUI 插画生成模板,AI 给出 Anima 官方工作流与面向 SDXL/Illustrious 的 AnimeFix-Workflow 两个候选,并同时列出所需模型与额外节点。
一位创作者发布约四分钟视频,演示如何用 Invoke 入门 Stable Diffusion:生成雨天咖啡馆场景,在固定 seed 的情况下改变光照,再用画布添加花盆并扩展画面。作者称 Invoke 本身免费且开源,认为它是最被低估的 Stable Diffusion 工具之一,适合更愿意把时间花在画面上的用户。作者同时披露自己是包含 Invoke 的 LoRA Pilot 的开发者。
爱沢公开了 10 月 16 日晨至 17 日深夜在 X 发布的 5 张动漫插画配套 ChatGPT 图像生成提示词,覆盖清晨窗边、正午俯视系丝带、傍晚夜景、夜晚抱花枕、深夜抱枕闭眼五个场景。
作者かみもと发布 ComfyUI 工作流 H3 AudioFirst X2 Stream,用先出音频再出画面的两段式结构,解决 MiniMax H3 在 4 步高速化下出现的金属音问题。
用 Midjourney 制作绘本第 4、5 卷时,让一张图同时画出多个彼此分离的角色在试过的范围内未能成功,最终以逐个生成角色再拼贴为主要方式。拼贴图再交给 Midjourney 重绘的做法试了 4 个跨页,仅 2 个被采用;5 卷未使用重绘。角色参照功能 Omni Reference 仅能放入 1 张参照图。