用 Tripo P2 在 WaveSpeedAI 上生成带纹理 3D 木桶:文本转 3D 教程
WaveSpeedAI 发布文本转 3D 教程,演示用 Tripo P2 模型(路由 tripo3d/p2/text-to-3d)生成一个码头场景用的矮胖橡木桶道具,要求带两道凸起铁箍和木、金属两种材质。
WaveSpeedAI 发布文本转 3D 教程,演示用 Tripo P2 模型(路由 tripo3d/p2/text-to-3d)生成一个码头场景用的矮胖橡木桶道具,要求带两道凸起铁箍和木、金属两种材质。
面向 ComfyUI 的建筑渲染工作流应把场景线性 EXR 留作权威母版,只导出一张带明确视图变换和色彩配置的显示就绪 PNG/TIFF 作为 AI 输入。ComfyUI 官方 Stable Image Ultra 工作流的 image denoise 取值 0 到 1,低值更贴近输入,但并不能保证保留 HDR 范围或嵌入配置。生成结果应以有界方式合成回母版,并检查高光截断、阴影分离与渐变断层。
OmniVerifier-C1 提出一种分解式分级视觉验证器,可将复杂提示或环境规则拆解为细粒度子问题并逐项打分,替代传统只输出 True/False 的二元验证器。
CoWorld Reasoner 是一个以视频世界模型(VWM)为统一视觉推理引擎的智能体框架,通过工具暴露多种视觉操作,并让 VLM 自主决定是否想象、选择操作并解读生成的视觉证据。
这份提示词合集收录约100种"温柔日常"手绘风插画提示词,全部为可直接复制的 JSON 格式,适用于 ChatGPT、Gemini 等工具。每个主题除 1:1 基础版外,还提供 9:16 竖版、1280×670 横版及背景氛围改编版,覆盖家庭、生活、季节、地域与人际联结等题材。
这份提示词合集收录约 100 种"动漫风 AI 美女"图像生成提示词,覆盖居酒屋、车站、咖啡厅、自宅、机场、办公室等日常场景,全部以 JSON 格式提供,可直接复制到 ChatGPT、Gemini 等工具使用。每个主题除 1:1 基础版外,还附 9:16 竖版、1280×670 的 note 题图版,以及背景、光线、服装、时段等改编版本。
作者用同一设定、同一提示词、仅挂 TurboLoRA 且无后期,对 ANIMA 的 8 款模型做了一次机甲少女出图对比。
有人在 Windows 11 + RTX 5060 Ti(8GB 显存)环境下用 ComfyUI 跑通 Wan 2.2 TI2V 5B 视频生成,生成 3 秒、1024x576px、81 帧、24fps、20 步的视频,两次耗时分别为 194 秒和 204 秒。硬件配置为 AMD Ryzen 7 7700 与 32GB 内存。
用户在 4070s 上对比 Flux.3 klein(蒸馏版)与 Qwen image 2.1(turbo)的图像编辑速度:前者 1mp 需 10 秒、euler 16 步,后者仅 3 秒、euler 8 步。测试覆盖添加机器狗、重新构图、改光照、转黑白漫画、表情表、服装变体和手办化等提示词。
可灵官方博客梳理了 10 种视频转场类型,包括直切、跳切、匹配剪辑、淡入淡出、交叉溶解、划像、甩镜转场、变焦转场、遮挡与遮罩转场,以及 J cut 和 L cut。文章给出每种转场的适用场景,并说明可用 Kling 4.0 在剪辑或前期规划中实现这些转场。
可灵官方博客发布视频剪辑完整指南,介绍 Kling 4.0 支持用文本提示、图片和参考素材探索视频新版本、优化画面细节。文章给出 10 条剪辑技巧,涵盖故事结构、跳切、匹配剪辑、色彩统一、音频处理、B-roll 运用和平台适配,并建议用 AI 视频生成器补充未拍摄的辅助画面。
可灵官方博客发布 AI 视频提示词指南,给出由主体、动作与运动、环境、镜头运动、光照、风格节奏、约束七要素组成的提示词结构,并配以香水瓶、长城等示例。Kling 4.0 支持 3–30 秒原生视频生成、最多 10 个关键帧,结合文本提示与参考图、参考视频及可复用元素,并改进动态运动、对口型和双声道立体声。
可灵官方博客发布视频编辑指南,介绍传统时间线剪辑四步流程,以及 Kling 4.0 如何通过参考素材修改已有素材。Kling 4.0 单次编辑任务最多支持 5 个输入视频片段(含 1 个主视频),每段时长 3–30 秒、总时长不超过 30 秒;Omni Reference 最多支持 15 个组合参考素材,新建序列时可自定义最多 10 个关键帧。
可灵 4.0 支持用自然语言指令移除视频中不需要的物体或人物,无需逐帧手动遮罩。操作分三步:上传视频(完整模型最多支持 5 段输入视频,含 1 段主视频,每段 3–30 秒,总时长不超过 30 秒)、描述要移除的目标及其位置与需保留的背景、生成后检查并优化指令重新生成。该模型还支持 Omni Reference 参考输入,并可在同一场景中一次移除多个物体。
EVA-Cap 框架将音视频描述拆解为原子级音视频事件,把非结构化文本监督转为事件中心对齐,通过 SFT 和 GRPO 在自建数据集 EVA-Data 上训练,GRPO 阶段围绕全局事件完整性、事件内归因和事件间同步三个目标优化。在 ChronusAV 的事件中心评测上平均提升 9.0%,在 WorldSense 上提升 3.3%,论文已被 NeurIPS 2026 接收,代码将开源。
有用户用同一段15秒武术训练提示词对比测试了 Minimax H3 与 Seedance 2.0 的多机位运镜表现。提示词要求以1986年美国武术电影风格呈现,包含推轨、侧向跟拍、180度环绕、低角度跟拍等连续镜头运动,并保持角色面部、服装与体型一致。测试未给出明确胜负结论。
SCOPE 是一种基于 GRPO 的强化学习目标,让提示词改写模型在生成增强提示的同时输出语义分区,并按语义跨度池化策略对数概率变化,为跨度内 token 共享损失系数。在 Qwen-Image、SD3 和 FLUX.1-dev 上,SCOPE 相对原始 GRPO 在 GeneVal 平均提升 9.48%、在 T2I-CompBench 提升 7.62%,且无需额外跨度奖励或图像渲染。
Velox 是一种免训练的注意力路由器,利用流式几何中的视锥板块对应关系做区域级上下文选择,解决分块视频扩散模型 KV 缓存随 rollout 增长而变慢的问题。在第 48 个分块时,Velox 将注意力加速 4.36 倍、去噪加速 2.43 倍,并在全部 158 个案例的 WBench 导航测试集上,与稠密 LingBot-Fast-Cam 的平均分差保持在 0.15 以内。
针对扩散模型强化学习中扰动反向去噪轨迹导致 rollout 优化成本高的问题,RPO 将注意力路由变为随机探索动作,在若干去噪层级按原生注意力权重采样 key block,并用双 rollout 估计器提供优势信号。在文生图与文生视频任务上,RPO 提升生成质量的同时训练效率较 Flow-GRPO 类方法提升近 4 倍,推理时恢复稠密注意力并保留原始确定性采样器。
Fstoppers 作者 Patrick Hall 用两个真实项目实测了 Imagen Video 的自动调色能力。在多机位商业片测试中,Imagen 约 35 分钟完成原本需要数天的手工调色,约 20% 的片段仍需人工调整;在三机位播客项目中,更新后仅处理时间线上的素材,耗时从近 4 小时降到 40 分钟以内。
这份提示词合集收录 100 种幻想、抽象、创意风格的图像生成提示词,可直接复制到 ChatGPT、Gemini 等工具使用。每个题材均提供 1:1、9:16 和 1280×670 三种尺寸版本,并附两种改变世界观的改编版,全部以 JSON 格式给出,含 prompt、negative_prompt 与 aspect_ratio 字段。
Speculative Forcing 将自回归视频生成中的中间干净估计当作草稿,预测哪些 token 可提前接受并冻结为最终输出,从而跳过后续去噪步骤。在 LongLive 上它以约 1.7 步去噪达到四步生成器质量,速度提升超 1.5 倍,达 41.7 和 37.8 fps;在 Lingbot-World 2.0 上以约 2.5 步维持质量,提速 1.35 倍,达 24.5 fps。
一位创作者在 Reddit 求助,希望用 ComfyUI 搭配 RunPod 搭建可复用的工作流,批量生成约 15 秒 9:16 竖屏短视频,主角始终是同一位写实风格的树艺师角色,仅更换场景、树种、台词与镜头动作。
用户对 Flux 2 Klein(9B)与 Flux 3 Klein(Distill 和 Base)进行 T2I 对比测试,认为 Flux 3 Klein Distill 表现仍逊于 Flux 2 Klein(9B),存在肢体畸变、眼部和面部细节差等问题。
一项名为「うちの子の『絶対に見せたくない日常』」的AI插画企划发布通用提示词,要求基于原创角色的参考图与性格设定,生成其不愿被人看到的私生活瞬间,画幅为16:9单张图。提示词强调保持角色面部、发型、体格等核心特征,并从性格反差设计秘密场景,如强势角色偷偷练习台词、文静角色对玩偶说婴儿语。
一名 ComfyUI 用户在双 GPU 配置下(RTX 3060 + RTX 2060 Super)通过 multigpu 节点运行 Krea2 4bit 量化模型时,持续遇到 "CUDA error: an illegal memory access was encountered" 报错导致生成中断。
用 ChatGPT 把 AI 生成人物合成到真实街景照片时,直接附上背景图仍会出现人物悬浮、视角不一致等违和感。作者以自己拍摄的新宿照片为背景,通过提示词调整人物与背景的融合度,并让背景中出现行人、对齐视线高度来增强真实感。文中还介绍了结合角色设定表与服装设定表,让固定角色"降临"现实世界的进阶用法。
Claude 本身不能生成视频,但可通过 MCP 调用视频模型并返回成片 MP4。在 Wireflow 上搭建的四节点流水线中,Nano Banana Lite 生成关键帧,Gemini Omni Flash 1.1 与 Kling O3 各出 5 秒片段,Video Editor 合成 1920x1080 成片,全程 101 秒、消耗 176 credits。
用 Wireflow 节点式画布搭一条 AI 视频工作流,做出一段 9.3 秒、1080x1920、30fps 的双角色水果短剧,总花费 164 credits,从首次运行到成片 MP4 用时 6 分 50 秒。
创建不露脸的 YouTube 频道需选定特定受众、规划原创视频,并通过旁白、录屏、动画或素材而非出镜来讲述内容。文章以虚构频道 Clear Video Lab 及其首集“Why your tutorial feels rushed”为例,演示动画式不露脸格式,并给出频道定位、选题验证与视觉识别设置的具体步骤。
VIBE 的隐私政策规定,上传照片仅发送给生成视频所需的 AI 模型 API(如 Kling、Veo、Sora、Seedance、WAN),不用于训练模型、不做人脸识别,最长保存 90 天后自动删除,用户也可随时手动删除。提示词与生成视频保留在账户中直至用户删除,个人数据不出售;服务条款授予用户将生成视频用于个人及商业用途的许可,用户保留原始提示词和图片的所有权。
生成式 AI 工作流是把多个模型节点用连线串起来的创作链路,每个节点只做一件事:持有提示词、运行模型或传递文件。
作者把像素动画台本交给 Claude、背景交给 Gemini,将原本 32 秒的视频扩展成 70 秒的万圣节短片《カボチャのみちしるべ》。向 Claude 直言"还没觉得很厉害"后,它指出缺少"事件瞬间"、角色表演、构图变化和音乐起伏四点,据此加入 22 个南瓜依次点亮、120 只蝙蝠群和窗影收尾三个看点。
娱乐资本论发布AI视频画布横评功能篇,实测10家平台(AniShort、巨日禄、LibTV、纳逗Pro、OiiOii、Seko、ShotLab、TapNow、万兴剧厂、小云雀),按漫剧连载、专业影视、电商出海三类用户梳理功能差异。
推荐理由:横评覆盖10家AI视频画布平台,按漫剧、影视、电商三类用户梳理功能差异,可帮助创作者按需选型。
AI 图像生成常出现画质不足、全身比例失衡、局部修改反复失败等问题,加"最高品质""超高画质"等词也难见效。文章指出关键不在堆长提示词,而在明确优先保留什么、改动什么、不能动什么,并整理了常见失败类型、提示词改进方法、可直接复制的模板与提升完成度的修正步骤。内容不限定特定 AI 服务,效果因所用模型与功能而异。
F3K 的 ComfyUI/Diffusers 默认模板缺少其依赖的 prompt upscaler,导致生成效果不佳。该 upscaler 是 Qwen3.5-9B 的微调版本,负责将自然语言转换为模型所需的特定风格提示,可在 ComfyUI 中通过 LLM 节点运行。用户需注意 CFG 设置(蒸馏版约 1,基础版约 3.5)并使用合理分辨率生成图像。
ElevenLabs 发布 SSML 使用指南,说明各模型对语音标记语言的支持差异:Multilingual v2 等旧模型支持 `<break>` 标签实现最长 3 秒停顿。
针对 Anima 等本地图像生成模型,作者分享了营造"空气感"的插画技巧,核心在于区分"影"与"阴"并主动用提示词指定阴影类型。Anima 角色还原度依赖 Danbooru 标签、背景稍弱,而 AI 常自动生成写实渐变阴影,改用扁平阴影反而能提升插画感、减少信息量。作者建议按氛围选择强阴影或柔阴影,并调整阴影颜色与种类来改变画面魅力。
Higgsfield 官方博客对比了 7 款 Veo 替代工具,重点考察角色、服装与场景细节在多镜头间的一致性。Cinema Studio 4.0 支持最多 50 个参考素材、30 秒片段和 1080p 输出,10 秒 720p 含音频消耗 70 credits;Seedance 2.5 支持 30 秒原生立体声与 50 个参考,Kling 3.0 单次可生成最多 6 个镜头。
ComfyUI Linux 版近期更新要求 PyTorch 2.7,导致 10 系 Nvidia GPU 无法运行,因为兼容 10 系 GPU 的最后一个 PyTorch 版本是 2.6。