MOSS 2.5D Anime 在 8GB 显存上以 1024x1536 约 62 秒出图
作者实测在 8GB 显存笔记本上运行 MOSS 2.5D Anime,1024x1536 分辨率约 62 秒出图。文本编码器占用 9.75GB,需放入系统内存,实际要求至少 32GB 内存;模型采用 Apache 2.0 许可,输出可商用,且无需自定义节点,仅用核心 ComfyUI。
作者实测在 8GB 显存笔记本上运行 MOSS 2.5D Anime,1024x1536 分辨率约 62 秒出图。文本编码器占用 9.75GB,需放入系统内存,实际要求至少 32GB 内存;模型采用 Apache 2.0 许可,输出可商用,且无需自定义节点,仅用核心 ComfyUI。
Meshy与Async组合可将AI生成的3D模型转化为社交媒体视频。流程为:在Meshy中生成3D模型并渲染为2D图像,再用Async将图像动画化,添加音乐、字幕,输出至Instagram、TikTok或YouTube Shorts。对于短视频,Meshy与Async即可完成;需要精细动画时仍可考虑Blender或DeepMotion。
PxTicks 开源了 Minimax H3 运动控制工作流,通过拖拽物体即可控制运动,并配套了背景分离、运动路径与掩码生成工具,可直接与 ComfyUI 接口使用。
推荐理由:作者开源了 Minimax H3 运动控制工作流,通过拖拽物体即可控制运动,创作者可参考实现类似效果。
AI 动画喜剧 QUiBBLE 第三集 WANTED 中,作者用 MiniMax H3 与 LTX 通过 ComfyUI 制作,发现角色一致性仍是最大难点。作者观察到 H3 在克制表演与对话一致性上更好,LTX 更易夸张表情;服装细节与环境连续性也难保持,正转向固定机位、重复背景和角色参考等有限动画式方法。
Anima Reference Adapter for ComfyUI 测试显示,该工具可在保持参考图像角色脸型、发型、眼睛和服装的同时,通过提示词改变姿势、背景与相机角度。画风仅能部分继承,加入日向雏田等角色提示词时会出现特征融合。原创角色再现、独自服装继承和同一角色连续生成是其主要用途。
Kandinsky 6.0 是 Kandinsky Lab 于 2026 年 10 月发布的开源权重多模态扩散模型,可单次生成 5 秒视频与同步 44.1 kHz 音频,并用 <S>...<E> 标签控制角色口型同步。
3D 到 AI 视频工作流用 3D 模型作为参考解决 AI 视频角色随镜头角度变化而漂移的问题,涉及 Trippo 3D、Hunyuan 3D、Meshi V7 等模型生成工具。其中 Meshi V7 导出格式灵活,Cozy Clay 可在浏览器中操作模型,Simulon 可将角色放入真实环境生成视频。但生成的模型默认未绑定骨架,动画仍需额外绑定步骤。
推荐理由:用 3D 参考模型解决 AI 视频角色漂移的工作流,并对比 Trippo 3D、Hunyuan 3D、Meshi V7 等工具的适用场景。
作者在 ComfyUI 中测试 MiniMax H3,用首帧加 18 帧分镜和 3 个 LoRA 生成连续打斗,在 RTX 3060 12GB 上输出 1536×864、24fps、约 12 秒(289 帧),生成耗时约 28 分钟。结果得到连续动作序列,无慢动作或剪辑,但动作仍不真实,地面交互尤其困难;作者未单独测试各组件,因此不是对比结论。
推荐理由:作者公开了在 RTX 3060 12GB 上用首帧、18 帧分镜和 3 个 LoRA 生成连续打斗的完整参数,可迁移到类似动作场景。
Kling 4.0 通过 Omni Reference 支持最多 15 个参考资产,帮助用户无需完整分镜清单即可规划镜头。提示词上限 8000 tokens,可用 10 张关键帧图片,生成 3-30 秒预览。分镜清单仍是规划工具,但 AI 时代不再是创作前提。
Animatic 是将分镜画面按时间排列成的动态预览,用于在制作前判断节奏与剪辑点。Kling AI 的 Kling 4.0 视频生成与编辑模型支持 3–30 秒视频生成,配合 Omni Reference 可组合最多 15 个参考素材(10 张图片、5 段共 30 秒视频、7 个主体参考),帮助创作者从分镜快速生成动态草稿并调整动作、运镜与场景节奏。
Lee Veo 发布教程,用 ChatGPT Images 和结构化 prompt 创建一致的 3D 卡通角色,无需 3D 建模经验。教程涵盖角色表、表情、姿势、场景和图像到视频动画的完整流程,并给出可复用的 prompt。
推荐理由:这套用 ChatGPT Images 生成角色表并保持跨图一致性的流程,可直接迁移到 AI 短剧或系列动画制作中。
2xLabs凭AI短片《合龙》获抖音AI创作大赛金奖,并受邀参加中宣部电影局主办的第九届中国电影新力量论坛。该团队有多年传统影视制作经验,17分钟短片AI影像制作仅用约一周,算力成本不到10万元,12人参与创作,配乐为原创音乐、配音全部由AI生成。团队目标是成为头部AI影视内容生产机构,承接商业项目、承制外部IP并开发原创剧集。
Lemo-Opuscar 是一个用 Claude Code 写代码生成短片的开源项目,完全不依赖视频生成模型,通过 canvas/WebGL 逐帧渲染、headless Chrome 截屏和 ffmpeg 合成,已积累 59 种风格,一个月获 8274 个 star。
推荐理由:作者从 Lemo-Opuscar 提炼出盲导演模式三步法,把作品变纯函数、感官换断言、品味写文档,可迁移到其他 AI 创作任务。
一位创作者用 ComfyUI 制作了 3 集动画迷你剧的第一集,讲述小女巫被诅咒吞噬、遇见巨型猫的故事。技术流程包括用 ChatGPT 生成姿势与构图、Qwen Image 工作流去除 ChatGPT 风格、MinimaxH3 完成动画,并用 ElevenLabs 处理音乐与音效。作者正寻求角色一致性与多镜头动画方面的反馈。
CoAnimator 官方对比 Claude Code 与 Cursor 在动画与动态图形项目中的工作流:Claude Code 适合在舞台旁直接指导,Cursor 适合在现有代码编辑器中与产品代码一起工作。
HIX AI的Seedance 2.5模型被用于制作约18秒的竖屏万圣节短剧《不给糖就递名片》,主角异世界勇者武在万圣节夜向孩子们递名片而非糖果。制作中发现,删减故事比增加提示词更能提升短剧效果,最终只保留万圣节夜递名片的核心场景。HIX AI作为集成多种AI功能的平台,还提供图像生成、AI聊天和幻灯片制作等功能。
Reddit 用户 MustBeSomethingThere 分享了一种生成更长 AI 视频的技巧,旨在通过先生成开头、再用开头作参考生成结尾、然后从结尾反向向中间生成,减少长视频分段生成中的质量漂移。对于六段视频,生成顺序为 1→6→5→4→3→2,但播放顺序仍为 1→2→3→4→5→6。
MOSS-Image int8 在 ComfyUI 上生成 1024x1024px 图像,默认设置(prompt enhancer 开启)耗时 426 秒;关闭 prompt enhancer 后降至 122 秒,调整年龄参数(15-19岁)后约 117-121 秒。生成图像真实感较高,与 Krea2 相比风格更硬朗。
作者对比无 LoRA 与角色 LoRA 的生成效果:无 LoRA 时每次运行得到不同女孩,角色 LoRA 在不同场景保持同一张脸、卷发和身体。作者建议把 20 张缩略图放在手机大小的网格中整体判断一致性,并指出头发和身体同样会暴露不一致。
在最新版 ComfyUI 的 Ref2VA 工作流中,仅非 turbo 合并模型搭配 DMD LoRA(8 步)或 LightX2V turbo lora(12 步)能产出干净锐利的输出。其他组合(尤其是 turbo 合并模型)会噪点模糊,目前唯一稳定好用的是 DaSiWa v2 + DMD LoRA(8 步)。
ComfyUI 0.42.1 在生成 Wan 2.2 Smooth (I2V) 视频时完全崩溃,CPU 占用约 100% 而 GPU 使用率较低。
pixaroma 发布 ComfyUI 节点解释视频,讲解 CLIP Text Encode 如何将提示词转为模型指令、正负提示词工作机制及 CFG 1 下负提示词失效的原因。视频还说明 Z-Image 和 Flux 2 Klein 上提示词权重被忽略,并演示随机选择 {red|blue|green} 与注释两个技巧,全程使用 Z-Image Turbo。
视频剪辑作品集应加入彻底模仿样片的一支视频和两支AI制作的竖屏广告视频。模仿时需在字幕高度、字幕与音效时机、画角三处与样片对齐,且不使用样片影像和声音。加上自制的PR视频和自我介绍视频,即可应对“请按此样片制作”的委托。
AIwood爱屋研究室演示了MiniMax H3 2K Refiner工作流,在既有生成流程后接入2K放大模块,并分离音视频潜空间以避免重绘影响音频与口型关系。
作者实测了 Bria AI 的 Fibo 2.0 Dev 与 Edit Turbo,在 ComfyUI 中验证其 VGL 结构化提示词与 PE 提示增强。Edit Turbo 在 RTX 4070 Ti SUPER 上 PE 固定后约 4.7 秒完成编辑,Dev 约 92 秒;作者认为 Qwen Image 2.1 编辑更顺手。
作者实测 Pollo Recast,用参考视频保留原动作、镜头与音频,仅替换人物即可重制热门视频。该工具支持 4-30 秒参考视频、最多 10 张参考图,提供 480p/720p/1080p 分辨率,单次最多生成 4 个版本,当前有 40% 折扣。
Wan 2.2 Wild Mode 在本地 PC 上把铅笔素描转成动漫,作者实测后给出 Wild 选风格、Stable Scene 控动作的两步配方。同一提示词下五个种子产出五种风格,其中四个可用;Wild 会自选相机和构图,Stable Scene 从选定帧继续可锁定风格并让角色表演。
影视制作 AI 助手可将审核意见整理为带状态、负责人和审核环节的镜头决策记录,但无法自行批准修改。制片人需逐条核对 AI 整理稿与来源意见,避免将“讨论过”误判为“已批准”。Ciaro Pro 的制作协作工作区可将决策记录放在镜头素材旁,但制片人仍须核实。
Actor Capture 为 R.G. Keys 动画系列开发了融合 Character Creator、iClone、AI Studio 与动作捕捉、Unreal Engine 的 3D-to-AI 制作流程。
歸藏用即梦 AI 短剧工作室制作了性转马尔福互动桌面应用并开源客户端。应用含第一人称短剧与好感度系统,画面、配音和角色由即梦生成,音乐用 Suno,剪辑和代码由 Claude 完成;制作流程涵盖上传剧本、资产库、分镜导演台与视频生成,客户端已开源至 github.com/op7418/malfoy-desktop。
推荐理由:作者开源了完整客户端代码并详解从剧本到桌面的制作流程,想用即梦短剧工作室做互动作品的创作者可照此复现。
Higgsfield AI 与 Magnific 的 2026 年对比显示,前者专注电影制作与角色一致性,后者侧重品牌管理与协作,两者均提供 Kling 3.0、Seedance 2.5、Veo 3.1 等模型。
作者用 LongCat-Video-Avatar 1.5 在本地 RTX 5090 上制作了 3 分钟音乐视频,并用 Sync 3 完成对口型。工作流采用 INT8 DiT + bf16 蒸馏 LoRA、8 步、SageAttention,T5 卸载到 CPU,480p 25fps 后放大至 1080p。
推荐理由:作者实测 Sync 3 对口型输出提前 63-87ms,用 SyncNet 逐镜头校正后误差降至 3ms 内,方法可迁移到其他对口型流程。
作者在 MiniMax H3 上训练带纹身的 LoRA 角色,历时一周未成功,纹身位置正确但结果混乱模糊。尝试了 regular H3 和 ref model、线性秩 8-128、学习率 0.0003、分辨率 256-1280、30 张高清特写照片加 3 个视频,训练至 20000 步,仍未让模型记住纹身。
GPU Unlock 内核模块让 RTX 3090 在 ComfyUI 中图像生成提速 55%、能耗降低 40%,输出逐位一致。Z-Image Turbo BF16 1024² 8步从 7.46 s/img 降至 4.82 s/img,SD 1.5 FP16 30步提速 41%,每张图能耗从 2369 J 降至 1410 J。仅限 Linux,需完全断电才能恢复,GitHub 仓库已公开。
作者用 MiniMax H3 在 ComfyUI 中制作了玩具车到真实车的过渡,在 RTX 5070 Ti 上以 1080×1920 分辨率生成,每迭代约 45 秒,总时长约 8-9 分钟。
推荐理由:作者公开了用三张参考图和定时提示词实现物体一致性过渡的完整工作流并附链接,可迁移到类似场景。
作者用 MiniMax H3 在 ComfyUI 本地制作了玩具到真实法拉利过渡视频,在 RTX 5070 Ti 上以 1080×1920 全分辨率生成,每迭代约45秒,总时长约8-9分钟。制作中用了三张参考图与定时提示词引导运动,难点是保持汽车设计、角度和位置一致;作者公开了工作流链接。
ComfyUI 分享从玩具车到开放道路的无缝过渡 AI 视频技巧,并附上可复用的 prompt 与工作流链接。
ComfyUI 试用 MOSS-Image 的 MAX ULTRA hires LoRA,用于高分辨率图像生成,可防止无 LoRA 时生成人数过多。在 RTX 4090 环境下,生成耗时 140 秒,占用 VRAM 20GB。作者认为生成速度偏慢,需搭配高速化 LoRA,但会降低文字和细节质量。
Mickmumpitz 分享了一套用 MiniMax H3 在 ComfyUI 中制作动画短片的免费本地工作流,覆盖角色表、环境、声音、动画与 4K 超分。工作流在 NVIDIA RTX GPU 上本地运行,无需云额度或生成队列,输入文件留在本机;作者还探索了音乐和音效生成。
推荐理由:这套完整的 ComfyUI 工作流免费本地运行,覆盖角色、声音、动画与 4K 超分,可迁移到自己的动画项目。
Riley G Staliger 用 CUT/ComfyUI 在同一万圣节场景对比四种 H3 配置,统一参考、台词与种子 254,每配置先做约 10 秒开场再以保存潜变量延续。