小技巧:从旧图里提取出原始 ComfyUI 工作流
有用户在 ComfyUI 中用 Krea2 生成图片后,借助 Claude 做出了一个提示词与工作流提取器,把图片拖进去就能导出 .json,再拖回 ComfyUI 即可还原当时的完整工作流。该用户称无需编程基础,只需描述需求并反复调整即可实现。
有用户在 ComfyUI 中用 Krea2 生成图片后,借助 Claude 做出了一个提示词与工作流提取器,把图片拖进去就能导出 .json,再拖回 ComfyUI 即可还原当时的完整工作流。该用户称无需编程基础,只需描述需求并反复调整即可实现。
一种面向扩散模型的校正训练方法可在不依赖 CFG 的情况下提升生成质量,测试基于 NanoGen 这一统一扩散 Transformer 实现,覆盖 ImageNet 与文生图任务。
作者用 Claude Opus 5.5 配合 Three.js 从零生成可自由漫游的 3D 动漫樱花小镇星球,全程序化单文件,无外部模型和贴图,Canvas 生成招牌纹理与花瓣,普通电脑可流畅运行。
针对 AI 视频中旁白听不清、音效突兀、BGM 过响的问题,可用「声音三层」整理法:先定主役音(旁白或 AI 音乐),BGM 与环境音作支撑,音效只在转场处使用。
针对 AI 生成 note 文章配图时缩略图与 3 张插图容易雷同的问题,可用「4 张设计图」先为每张图分配不同角色与场景:缩略图负责传达主题,插图 1 讲整体构成、插图 2 讲操作方法、插图 3 讲完成确认。生成时把提示词拆成共通条件(如可爱日本成年女性、明亮动画风、青粉色调、约 5,500K 中性日光、16:9)与每张图的个别场景,并逐张生成检查,插图需明确不加大字标题。
用 Claude Code 加开源 Remotion 框架,一条提示词在约 9 分钟内生成 12 秒 1920x1080、30fps 的 MP4,模型调用按 API 标价计费 1.00 美元。
Ideogram API 按模型与质量档位对每张生成图计费,Ideogram 4.5 在 Low 档为 $0.03、Medium 档 $0.06、High 档 $0.10,且 1K 与 2K 同价,Medium 档 2K 图合 $60/1000 张。
在 VIBE 应用内制作 AI 视频只需五步:选模型、写一两句提示词、设定时长与画幅、生成、导出最佳结果,全程手机操作、无需剪辑技能。
OpenClaw 可以协调视频工具产出视频:既能从已配置的视频生成服务商获取生成片段,也能让智能体在 CoAnimator 中搭建并渲染可编辑项目。Telegram 负责发送指令和接收预览,实际剪辑与渲染在接入项目的电脑上完成,导出前需依次确认分镜方案、静帧和粗剪。该集成流程尚未经过端到端测试。
ArchiGen AI 提出用"变更预算"来指导 ComfyUI 建筑渲染增强:在搭建工作流前先列出受保护的建筑事实、允许的图像改动和需要蒙版的编辑。全局通道适合曝光、色彩等整体氛围调整,需用低降噪;材质、反射等有明确归属的改动应走蒙版或局部 inpaint,且每次输出都要与原始图像对比。
ArchiGen 提出用可验证的建筑不变量替代"中等"这类定性标签来评估 AI 渲染器的几何控制:生成前选定 8-12 项可见不变量,用同一源图跑至少 6 个固定种子输出,按保留、不确定、失败三档打分,再按项目阶段加权失败并记录修复时间。几何控制即该测试下的验收通过率,而非弱、中、强标签。
HyperFrames 与 Remotion 的核心差异在编写方式:HyperFrames 把 HTML、CSS 和 GSAP 动画渲染成 MP4,采用 Apache 2.0 协议;Remotion 渲染 React 组件,使用自有 Remotion License。
一位 PC 新手用 ChatGPT 和视频生成 AI 制作切水果 ASMR 短视频,记录了 5 个失败案例:包刀穿过葡萄却切不开、果肉断面与切前外观不一致、汉堡视频里出现两把刀且切割方向与断面错位、玻璃香蕉的断面突然出现、加入女性人物后画面里多出小女性和咖啡杯。作者认为 AI 视频难以自然衔接物体动作与前后状态,需明确切前状态、切割动作和切后断面,并反复生成修正提示词。
Curious Refuge 用 Seedance 2.5 在三种真实与动画角色场景中对比了两种 AI 角色一致性方法:无头角色表(headless character sheet)和传统角色表(traditional character sheet)。
同一组三个提示词测试显示,Design.com 是新手最佳选择,Canva 适合已有 Canva 用户,Adobe Firefly 更适合 Adobe 生态用户。Design.com 支持日常语言提示、AI 编辑与提示词优化,并可衔接 50+ 设计与 AI 工具完成品牌成品;免费可无账号生成,付费方案 $3/月起。三款工具在简单、详细与营销提示下均能生成可用图像。
Design.com 的 AI Image Generator 主打用日常语言描述生成图像,可一次生成多个方案并反复修改提示词,还能直接接入其 logo、网站、社媒图等品牌设计工具。
视频对比了两种主流 AI 角色一致性方法,判断哪种更适合 AI 影视制作。完整文字解析与提示词已发布在 curiousrefuge.com/blog/how-to-create-pro-ai-character-sheets。
Speridlabs 发布约 30 亿参数的图像生成模型 Iris-3B,不用 VAE、直接在 RGB 像素空间生成,并配套 4 步蒸馏 LoRA(Iris-3B Turbo LoRA)与 ComfyUI 自定义节点。
StreamErase 实现单 GPU 上亚秒级延迟、最高 26 FPS 的流式视频擦除,可实时交互地移除视频中的目标物体。该方法先将双向基础模型的擦除能力逐步迁移到高效的单向流式擦除器,并采用带 attention sinks 的滑动窗口因果注意力与 KV cache rolling,实现固定上下文窗口下的恒定速度生成。
研究者提出 WorldCast 基准,包含 8 个类别共 320 个手工设计案例,用于评估多步世界状态预测任务,共测试 12 个代表性模型。GPT-Image-2.5 System 得分 72.8,展现出初步的真实世界视觉状态预测能力;Nano Banana Pro 仅得 42.8,最佳开源模型得分 20.1。实验还发现,强生成模型能有效借助其底层语言模型的能力。
RepForcing 提出用表征空间监督替代中间教师轨迹回归,为少步自回归视频生成器学习因果初始化,复用双向模型生成的合成视频,无需额外生成因果 ODE 轨迹。在四步采样下,该方法经 DMD 后将 VBench Total 从 84.04 提升至 84.66(+0.62),VisionReward 从 6.326 提升至 10.074(+59.25%)。
研究者推出 Orbia,首个系统评估交互式世界模型 3D 一致性的基准,从输入保持、生成内容持久性和 3D 自一致性三个维度展开评测。该基准汇集公开数据集、自采场景与仿真,构建 720 个室内外实例和六种探索-重访协议,覆盖 27 个文本、动作与相机条件模型。
研究发现,原生 flow matching 采样器的轨迹可由常数轮并行模型评估模拟,增加采样步数无法提升固定深度主干模型的表达能力。自条件机制(用上一步估计结果作为条件)能打破这一瓶颈:在多种视觉推理任务上,带自条件的 flow matching 准确率更高、推理深度更大,且性能随采样步数增加而提升;理论上固定深度主干可达到空间有界图灵机的表达能力。
针对交互式视频生成依赖小双向分块降低延迟的问题,研究者提出 Speculative Sampling,通过将噪声 latent 作为填充扩展建模窗口,并缓存预测结果在条件不变时复用,从而兼顾大双向窗口的画质与小分块的交互低延迟。延迟分析显示该方法消除了分块边界带来的等待时间下界,使双向窗口大小成为可联合优化画质与采样时间的决策变量,无需复杂流式后训练即可在交互式流式系统中服务大双向模型。
Glance Forcing 提出一种轻量蒸馏框架,将双向扩散模型转为因果少步学生模型,仅用一条 PF-ODE 轨迹就把轨迹采集成本从数千 GPU 小时降至约 1 个 A100 GPU 小时。
通过 Higgsfield CLI + Skills,开源智能体 Hermes Agent 可完成选模型、提交生成请求并取回结果的全流程,无需 Higgsfield API key,按套餐积分以标准费率计费。
用一张照片生成 AI 视频时,运镜只需在固定、靠近、拉远中三选一,并写清停止位置,才能决定最后一个画面留下什么。靠近时若只写「靠近」,画面可能停在花瓶花纹局部而看不出是花瓶;拉远则会让 AI 画出照片里没有的棚子和窗户,实拍场景应改用广角照片加「固定」。DomoAI 官方博客建议一个场景只用一种运镜,Runway 官方说明则提示运镜词要补上速度或时长,并区分相机推进与变焦。
一位自学 AI 视频创作的作者尝试把长文输入 Gemini 生成故事后再制作视频,让 Gemini 写出约小说一个章节体量的剧本,讲述两名冒险者三十年旅程后最终互相厮杀的故事。作者据此生成视频后表示结果与预想不同。
作者用 ChatGPT 图像生成先做出一张角色表,再在 7 个场景提示词中每次附上该表作参考,固定同一名 20 代日本女性工程师的脸型、发型、眼镜与体型,场景包括写代码、线上故障、线上会议、工牌自拍、眼镜起雾、秋叶原假日和死亡行军。所有图统一 3:4 竖幅,角色表可保存后直接复用。
AICU 杂志 Vol.29 出刊,卷首特集聚焦图像生成新模型 GPT-Image-2.5,并用官方角色 AiCuty 的 AiCutyBench 实测其角色复现的“良品率”。该期还介绍高速模型 Flare 与高精度模型 Sunburst 的按用途分工、GPT-Image-2.5 的 API 手册与提示词指南翻译,以及 Suno v6 局部编辑、UMG 与 ElevenLabs 的多年授权协议。
作者在 RTX 3060 Ti 8GB、RAM 16GB 环境下用 Endless MiniMax H3 与 ComfyUI 的 H3 Motion Context 节点做续写式视频生成。
一篇实战教程讲解如何用 Stable Diffusion、Midjourney 等工具生成非"量产型"的原创 AI 美女,核心方法是先设计包含年龄、骨格、性格、魅力点与视觉符号的"人设与世界观"设计表,再按五层结构撰写提示词。教程建议把 extremely beautiful、cute girl 等词从提示词中删除,改用具体部件、光线、构图与质感描写来表现美感,并给出可直接套用的角色设计模板。
一名大学生为制作"100年后的东京"主题视频,用AI图像生成工具做素材,再用PixVerse把图片转成动态影像,最后用CapCut剪辑拼接并配BGM,成片发布到TikTok。作者称PixVerse常出现镜头乱动、建筑变形,需固定机位并逐场景调整指令;并强调能做出视频与能靠它做副业是两回事。
针对 AI 生成图片中日文汉字出错、换行别扭的问题,可用「先出无字背景、再用 Adobe Express 加字」的流程解决:生成时在预定位置留出明亮空白并避免绘制文字,随后在 Text 面板添加可编辑文本框,分别设置标题与日期。调整时统一字号层级、拉开文字与背景明暗差、按语义断行,输出前用原寸核对错字与数字、用小尺寸确认标题是否一眼可读。
一位心理学背景的 IT 工程师用 Grok 视频生成功能和 Google Flow 等 AI 工具重现日本护理现场场景,发现画面已相当自然,但声音成为最大难点。指定日语对话后模型仍可能输出英语,且「帰りたい!」这类大声场景中,AI 语音虽音量到位,却难以传达不安、混乱等情绪,显得夸张或机械。作者认为画面越真实,声音表达的责任越大,未来或需将视频与音频分开生成。
法国 2026 年公共采购规则下,AI 视频自由职业者可投标地方政府、旅游局等发布的视频制作招标。低于 6 万欧元的服务合同无需公开招标,6 万至 9 万欧元适用适应性程序,9 万欧元以上须在 BOAMP 或法定公告报刊发布。BOAMP 免费关键词搜索可组合“vidéo”与“Services”“Avis en cours”筛选,视频常仅为多个标段之一。
博主用 Miora 织影 Agent 将南宋《夷坚志》中的《乾红猫》故事做成 1 分 18 秒短片,全程生成 50 段视频、花费约 4000 积分(约 40 美元)。Agent 把故事拆成框架、大纲、剧本、角色卡、分镜和镜头素材,视频部分使用 Seedance Fast 模型。红猫一致性仍是主要问题,需靠角色卡和反复抽卡调整,距离一句话生成故事短片仍有距离。
作者实测了 Alissonerdx 于 10 月 12 日发布的 MiniMax H3 用 Character Swap LoRA v1.0,用 3 段 Pexels 视频与 3 个角色(本人、2D 动画女孩、黏土人偶)组合出 9 种结果,其中 8 种能跟上原视频动作,黏土人偶在全身舞蹈中也能完成撑地与踢腿。
作者在 RTX 5060 Laptop(VRAM 8GB、内存 32GB)上用 ComfyUI 0.39 实测了显存与缓存策略。Z-Image Turbo 在 2560×2560 下未出现 OOM,但耗时 189 至 213 秒,而先用 1024×1024 生成再经 RealESRGAN x4 放大到 2560 只需约 12 秒,且构图更稳定。
牛津大学、莫纳什大学与布里斯托大学团队提出交互式视频世界模型 Oneira,通过 Coding Agent 维护的 World State Table 记录场景物体及其状态,将"世界状态"与"画面生成"分开处理。