跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

10月15日周四
  1. note · fordtaurus116 · 图像视频创作分享8

    ChatGPT 绘制秋日红叶背景四人角色:用视线与手势刻画表情魅力|AI 插画

    这期 ChatGPT AI 插画分享以秋日红叶为背景绘制了 4 名角色,重点在于把脸部朝向与瞳孔动向分开调整,仅微调视线就能传达温柔、怅惘或俏皮等不同个性。作者表示,同一背景下只要改变视线和手部手势,就能让每个角色呈现不同表情。

  2. Hugging Face Daily Papers22

    Dusting the Phantom:面向动态高斯表示衰减内容的分配策略

    针对动态高斯表示中快速移动小物体易丢失、高动态区域细节难恢复的问题,研究提出 Seed Injection 与 Temporal Biased Relocation 两种策略,分别利用时序外观变化与重建误差定位欠重建区域、用时间分辨优化信号引导高斯重定位。两者在不改变底层表示、维持固定高斯预算的前提下,于多个动态场景数据集上提升了重建质量。

  3. Hugging Face Daily Papers22

    Mine, Sample, Render:生成模型的测试时多样性对齐

    研究者提出 MINE-SAMPLE-RENDER(MSR),一种测试时方法,从真实样本语料中挖掘可解释的分类模式并统计采样,再让生成模型仅作为条件渲染器输出采样配置,从而提升生成多样性。在天气报告生成、用户模拟、网页设计、文生图和智能体生成 3D 资产等任务上,MSR 改善了输出与语料分布的对齐度及多样性。

  4. Reddit StableDiffusion · 创作者与工作流分享18

    如何在本地复现 nano banana 2 的生成效果?

    有用户尝试用 krea 2、flux 2 dev、flux 2 klein 9b 和 qwen image edit 2.1 在本地复现 nano banana 2 的付费生成效果,但均无法接近。其需求是输入两张甚至更多人脸参考图来生成场景,再将结果用 h3 minimax 转为视频,目前视频环节正常,但希望起始帧能在本地生成而非付费。

  5. Reddit StableDiffusion · 创作者与工作流分享34

    拆解 Krea-2:逐块调整权重能发现什么

    创作者用 Arthemy Krea-2 Tuner 逐块调整 Krea-2 的模型与文本编码器权重,试图找出无需训练即可改变风格的"旋钮",数千次渲染后仅找到一个。文本编码器编辑几乎不损伤画质,但一致性差,20 次编辑中仅 4 次让不同角色朝同一方向变化;逗号似乎充当语义边界,相邻 2–4 个词成组移动。

  6. Reddit StableDiffusion · 创作者与工作流分享20

    如何让 AI 视频看起来像随手拍的手机素材,而不是电影感镜头?

    有用户用自托管 MiniMax H3 生成"桌面产品随手拍"视频时,无论怎么提示都会出现电影感变焦和运镜,即使加入 smartphone/handheld 描述、尝试带与不带 realism LoRA 也依然过于精致。他询问这种自然手机素材效果主要取决于模型、提示词、参考图还是设置,并希望看到可用工作流。

10月14日周三
  1. note · kazu_fuwa · 图像视频创作分享76

    MiniMax H3 本地部署实测:VRAM 16GB 下 7 种配置对比,5 秒视频约 2 分 40 秒

    作者在 VRAM 16GB、内存 32GB 的 PC 上用 ComfyUI 跑 MiniMax H3,对比 7 种配置后,5 秒视频最快约 2 分 40 秒完成,而官方 20 步设置约需 12 分半。

    推荐理由:作者在 VRAM 16GB 的机器上实测 7 种配置,给出可复用的提速组合与踩坑记录。

  2. TelosCompass · note AI视频创作实践34

    AI 视频生成两个场景中如何统一商品的颜色与形状

    AI 视频生成分场景制作时,前一场写的提示词不会自动带入下一场,商品颜色和形状容易在拼接后看起来像换了一件。做法是把不变特征(如淡绿颜色、圆角方形、叶形刻印)写成"共通メモ",在每个场景的 prompt 中原样复用,只改动展示范围与动作。生成视频前先并排比对两场图像,并与实物核对,再决定是否拼接。

  3. note · quirky_hippo6791 · 图像视频创作分享15

    ComfyUI 初体验:从 ChatGPT 漫画生成转向节点式实验

    一位用 ChatGPT 生成漫画数月的创作者,在 Mac mini 上安装了 ComfyUI,发现其可组合模型与生成条件、逐项对比结果,像一间"图像生成 AI 的实验室"。他打算借此验证自己积累的"生成圣经"中哪些规则真正有效,但坦言目前只是装上软件,模型选择、节点搭建和视频生成性能都尚未开始研究。

  4. FireCut · 口播剪辑与字幕教程22

    FireCut 指南:如何自动化视频剪辑工作流

    FireCut 发布内容创作者视频剪辑自动化指南,称 AI 工具可将原本约三小时的粗剪清理压缩到三分钟以内,自动删除静音、口癖词并识别不适宜词汇。字幕环节可自动生成动态动画字幕、高亮强调词并插入 emoji,B-roll 与变焦也能依据转录文本自动匹配和添加。

  5. note · ya_ma_da_pon · 图像视频创作分享22

    ChatGPT 画像生成:5 种王子系「偶像服装」AI 男友立绘提示词

    用 ChatGPT 图像生成模型制作 AI 男友偶像立绘的第 9 弹,给出王子系偶像服装提示词,可选基本形、长外套、短款、斗篷披风、马甲背心等类型。提示词配合「脸部特写、立绘、三视图」三点套使用,只需发送即可在保持角色服装、发型、五官的前提下自由生成姿势与构图,还支持做偶像团体统一服装。

  6. note · kt_kt_89 · 图像视频创作分享24

    把视频生成交给 AI 智能体后,我又让 Codex 接管了操作员角色

    作者在本地视频生成智能体之外引入 Codex 作为上位操作员,由它读取日志、state 和 Reviewer 修正指示,决定差回与断点续跑,自己只负责制定方针。该分工从 v0.5.64 起试用,定型执行与安全状态管理仍留在本地,预算上限、重试限制等边界不变。作者强调这是个人实测感受,并非量化收益,且 Codex 自身也有用量与执行上限。

  7. Reddit StableDiffusion · 创作者与工作流分享36

    提醒:对蒸馏少步视频模型调高 CFG 会让输出变差,而非更贴合提示词

    在 LTX-2.5 上把 CFG 从 1 提到 4 后画质崩溃,出现过饱和与纹理失真。原因是该模型为引导蒸馏模型,提示词贴合度已固化在权重中,基础推理仅跑 3 步去噪,调高 CFG 会偏离其蒸馏时的工作点。作者提醒从 SDXL/SD1.5 的 CFG 7 习惯迁移过来的人需换一套思路。

  8. note · aiby_masuhiyo · 图像视频创作分享22

    用「插画零件扭蛋」工具生成 AI 插画提示词:ChatGPT 与 Midjourney 实测

    灯の旅人开发的「插画零件扭蛋」工具可将场景、表情、姿势、服装和小事件组合成图像生成 AI 提示词,并支持固定喜欢的项目。作者用该工具生成的两组提示词分别在 ChatGPT 和 Midjourney 中出图,Midjourney 版需微调英文提示词,ChatGPT 版则原样使用。

  9. note · kiryu_mizuki · 图像视频创作分享8

    ComfyUI 新手实录:从零搭建工作流生成图像,模型与提示词成最大难关

    一位 AI 图像生成新手分享在 ComfyUI 中从零搭建工作流的经历,用"厨房做菜"比喻工作流、节点、模型与 LoRA 的关系。作者在 Civitai 上从 SD1.5 模型列表中挑选模型,首次生成因步数不足只得到模糊图像,调整后约 1 小时才产出较像样的男性图像。

  10. Reddit StableDiffusion · 创作者与工作流分享20

    SDXL + ControlNet 生成合成飞机图像实测:4 块 RTX 5090 吞吐达 6.36 张/秒,图像质量却拖后腿

    用 SDXL + ControlNet Canny 搭建合成飞机图像生成管线,在 1、2、4 块 RTX 5090 上实测:4 卡吞吐 6.36 张/秒,相比单卡 1.69 张/秒提速 3.77 倍,扩展效率 94.2%。但生成图像中飞机虽可辨认,机场地面却出现怪异岩石状纹理,作者仍无法放心用其训练飞机检测器。

  11. note · mintjuku · 图像视频创作分享22

    Kling AI 超初心者心得:视频生成 AI 的易懂提示词示例

    一位用户分享使用 Kling AI 生成趣味教学视频的心得:提示词越简单越好,First Take 效果最佳,反复追加要求反而会让画面崩坏。背景、表情和镜头角度适合具体指定,但只给台词时 AI 可能变成旁白而非角色说话。视频时长可设为 15 秒以内,过短会导致语速过快或结尾被截断;AI 对汉字读音不完整,建议把不放心的字写成平假名。

  12. PixVerse 中文官方博客38

    Kling AI 4.0 提示词指南:镜头、运动与示例

    Kling AI 4.0 提示词指南提出四段式结构:主体、动作、场景、镜头与风格,并强调先写主体和主要动作,镜头与情绪服务于动作。指南建议用具体术语写运镜指令,如"镜头缓慢推进至主体面部""肩部高度跟拍",并将速度限定与物理线索配对以控制运动。跨镜头角色一致需固定角色块原样复用,文生视频与图生视频提示词写法不同,后者应专注指挥运动。

  13. PixVerse 中文官方博客38

    Kling 4.0 vs Kling 3.0:核心差异详解

    Kling 4.0 将单次生成时长从 Kling 3.0 的 15 秒延长至 30 秒,关键帧从起始/结束帧扩展至最多 10 个,并新增多参考 Omni Reference 控制与立体声音频及改进的口型同步。Kling 3.0 仍适合 15 秒内、成本敏感的短社媒视频与对白主导片段,Kling 4.0 则面向更长镜头、多节拍和品牌一致性要求高的商业与剧情内容。

  14. PixVerse 中文官方博客22

    Kling 4.0 免费吗?积分、限制与替代方案

    Kling 4.0 并非面向所有人免费开放,而是分阶段先向符合条件的高等级会员开放 Kling 4.0 Flash,免费用户仍主要使用较早的 Kling 模型。免费账户通常提供注册一次性积分和每日刷新积分,但在模型访问、分辨率、时长、音频、水印、队列和商业使用权上与付费套餐存在差异。免费访问更适合测试与学习,用于客户交付或付费营销前需查看当前套餐的商业使用条款。

  15. PixVerse 中文官方博客22

    如何使用 Kling 4.0:AI 视频生成分步指南

    Kling 4.0 可将文字创意或静态图片生成短篇 AI 视频,指南给出文生视频与图生视频的分步流程。提示词按主体、动作、场景、镜头与风格四层组织,先用最短时长验证创意,再生成最终长镜头。图生视频应聚焦描述运动而非重述画面,首版避免叠加口型同步、运动笔刷等高级控制。

  16. Reddit StableDiffusion · 创作者与工作流分享38

    用 Wan2GP 在 RTX 3090 上生成 720p 叙事视频实验

    一位创作者用 Wan2GP 搭配 MiniMax H3 Ref2VA Pruned 20B,在单张 RTX 3090 24GB 上以 720p、20 步生成黑白科幻短剧《The Prompting Zone》首集,每段约 5–10 秒的片段耗时约 30 分钟。他先写完整剧本,再为每个场景生成 2×2 四格构图参考图当分镜,但模型有时把参考图误读成四格画面,角色一致性和屏幕可读文字仍是最大难题。