用户对比测试 MOSS-Image、Flux.2 klein 9B 与 Qwen Image Edit 的局部重绘效果
有用户用局部重绘工作流横向对比 MOSS-Image、Flux.2 klein 9B 和 Qwen Image Edit(2511),认为 MOSS-Image 表现不及预期,而 Flux.2 Klein 与 Qwen Image Edit 能稳定完成任务。该用户补充 MOSS-Image 在常规文生图(T2I)上表现不错,并承认测试可能存在技巧因素,工作流将发在评论区。
有用户用局部重绘工作流横向对比 MOSS-Image、Flux.2 klein 9B 和 Qwen Image Edit(2511),认为 MOSS-Image 表现不及预期,而 Flux.2 Klein 与 Qwen Image Edit 能稳定完成任务。该用户补充 MOSS-Image 在常规文生图(T2I)上表现不错,并承认测试可能存在技巧因素,工作流将发在评论区。
面向 2026 年从剧本到画面的需求,ScreenWeaver、Saga、Morphic、Autodesk Flow Studio、Higgsfield Popcorn 和 Google Flow 被列为 LTX Studio 的六个替代方案。
用户求助如何用 H3 Minimax 或 LTX 编辑视频以调整光照或添加特效。其常用流程是以原视频为动画源、图 1 为视觉终态交给 Minimax 编辑,中近景有效,但更开阔的镜头即使以 2 mp、30 steps 且不开 turbo 也完全丢失面部动画,尝试多种 sigmas 与 samples 及 face refiner 均无效。
一位 ComfyUI 用户分享其基于 LM Studio 的图片提示词增强工作流,测试了从 4B 到 35B 的 7 个 GGUF 模型,发现部分模型效果不佳。其中某个 GPT 模型即使在系统提示词和 Structured Output 中明确要求不要推理,仍会输出推理内容,而其他模型均正常。该用户表示不愿为云服务付费,并提到 gemma 4 的结果。
作者实测用 Minimax H3 开源模型配合 Atlas Cloud 自托管端点(2.4 美分/秒)生成 30 分钟影片,成本可压到 100 美元以内,而此前用 Seedance 2.5 制作 31 分钟竖屏影片总花费约 600 美元。
ArchiGen 提出用"准备账本"比较 AI 渲染器:计时从打开源项目开始,而非 AI 任务启动,需记录模型清理、相机设置、源图渲染、控制通道导出、遮罩与参考图筛选等人工分钟数。可复用设置与逐视图工作应分开统计,例如 45 分钟一次性设置加每视图 5 分钟,在第四个视图后优于 2 分钟设置加每视图 15 分钟。失败的导出同样计入工时,参考图的查找与授权核查也属于输入劳动。
一位从 WebUI 迁移到 ComfyUI 的用户发现,KSampler 节点无论 denoise 设置如何都会跑完全部步数,而手动把步数设为「原始步数 × denoise」才符合预期效果。他询问这是否是节点行为变更,以及这种乘法计算是否正确、还是需要更复杂的换算,并考虑用简单节点自动按 denoise 计算步数。
作者用 Hermes Agent 搭配 Qwen3.8 Flash Next 125B IQ3_S 与 ComfyUI 上的 MOSS-Image,在本地完成日文信息图与漫画风格图像生成。
作者为 MOSS-Image 训练了一个 LoRA,配合 trmz/flux2-klein-alpha 的 RGBA VAE,在提示词末尾加上 isolated on a transparent background 即可从采样器直接得到透明 PNG,无需抠像或色键。
作者用 GPTimage 做了一套自用角色设计 Skill,把画风固定成 GPTimage 主流风格并压低头身比,让角色更偏动画比例。实测中仅用提示词、常规画风与头身调整生成犬耳女仆三组对比,无记忆的 GPT 版本仍出现不被认可的犬耳。作者称该 Skill 可复用,也能只做调整而不重新生成。
一位创作者把 Midjourney 提示词整理成合集在 note、Gumroad、PromptBase 上出售,实现月稳定收入 5 万日元以上。其中 note 上的「动漫角色生成提示词集」定价 1000 日元、月均售出 150 套,Gumroad 英文版月售约 100 套、单价 15 美元,PromptBase 月售约 150 套、单价 5 美元。
用户用 ai-toolkit 和 DiffSynth 为 Moss Image 训练了多个角色 LoRA,但生成图片时图中每个人物都会出现该 LoRA 同一张脸的变体。其尝试了边界框和多种提示词方法均无效,作为 LoRA 新手求助问题所在。
这份提示词合集提供约 100 种可直接复制到 ChatGPT、Gemini 等工具使用的 JSON 格式图像生成提示词,围绕海岸、旧书店、车站、机场、街角等日常场景,通过视角、反射、透明材质、光线与尺度感营造“把日常变成非日常”的画面。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成「反向坐椅子」角色,仅靠标签指定反向坐姿、身前靠背、双臂搭靠背与前倾姿势,未使用 LoRA、ControlNet 或输入图像。
一名 ComfyUI 用户在 Documents 和 ComfyUI-Shared\models 中搜索后仍未找到 custom_nodes 文件夹,导致无法安装 ComfyUI Manager。该用户表示正按某教程操作,需要该文件夹才能继续。
作者用单张 RTX 4090 和开源权重模型本地完成 The Flaming Lips 歌曲的 4 分钟非官方粉丝 MV,全程不用云服务、不调付费 API。
推荐理由:作者公开了单卡本地完成 4 分钟 MV 的完整管线与逐环节耗时,可据此估算自建音乐视频流程的算力成本。
VideoGen 推出 Model 1 Creator Program,凡在制作中使用 Model 1 的影片均可参与,署名"Made with VideoGen Model 1"并投稿即可获得百万级邮件推送、社交渠道曝光、额外 credits 和媒体资源对接。
一位有 hosted 模型出图经验、但没接触过 ComfyUI 和 LoRA 的用户,询问在 Apple M3 Ultra、96 GB 内存的 Mac Studio 2025 上做自托管生成是否可行。
作者在 ComfyUI 中用 MOSS-Image Base 搭配 qwen3.5_9b 文本编码器和 flux2-vae,以 JSON 格式提示词指定文字内容与 bbox 位置,生成电影海报、女性杂志封面、CD 封面、小说封面和漫画一页五种日文设计。
推荐理由:作者用同一套 ComfyUI 设置和 JSON 提示词实测 MOSS-Image 的日文排版能力,五类设计各附完整提示词,可直接复现。
在Pollo.ai上用同一张异形角色图和同一句提示词“Open the cake box, take out the cake, and eat it.”,对Seedance 2.5、Wan 3.0、Kling 3.0、MiniMax H3、Vidu Q3 Pro五款视频生成模型做10秒生成对比,且不指定蛋糕种类、大小与吃法。
在 RTX 5090 32GB 上,Singularity Turbo 4 生成 960×544、192 帧 24fps 的八秒狼人变形片段耗时约 39 秒,Turbo 8 约 62 秒,Singularity 25 约 155 秒,10Eros beta6 VSA 8 约 52 秒。
作者用 LTX 2.5 的图生视频功能制作一部 10–15 集 AI 迷你剧,前两集已上线。流程是先用 ChatGPT 生成首尾帧并固定角色参考图,再用 Lightricks 的 ltx-pipelines 以 1920x1088 生成视频和音频。
推荐理由:作者用 LTX 2.5 制作 10–15 集 AI 迷你剧,并公开了首尾帧、镜头衔接与成本控制的具体做法。
Higgsfield 提供三种把自己放进 AI 视频的方式:Create Video 用单张照片生成新片段,Soul ID 用 20 到 80 张照片在约 3 到 5 分钟内训练可复用角色,Video Face Swap 则把一张清晰人脸照片换进已有视频。
用户用 Khoya_ss 26.0.0 在 Wai Illustrious SDXL 1.60 上训练角色 LoRA,仅 21 张图、120 epochs、2500+ 次迭代,结果在部分模型中角色特征完全无法复现,发型发色出错,甚至用纯 SFW 素材和负面提示词仍会生成裸体。其计划将该 LoRA 上传至 Civitai,但认为需用户手动补提示词才能生效说明训练不到位。
OpenMoss 团队发布 MOSS Image 的 Base 与 SFT 两个版本,生成模型为 5B 参数单流 Diffusion Transformer(DiT),从零预训练,面向密集双语文字与多元素图形生成。
BriaAI 发布 FIBO 2.0 系列,包含非蒸馏的 Dev 基础模型和四步出图的 Edit Turbo 编辑变体,二者统一在同一套结构化提示体系中。Dev 支持文生图与微调,Edit Turbo 无需 classifier-free guidance 即可完成指令编辑,最多可同时输入 4 张图片。
一份收录 130 个画风关键词的提示词清单因标题只写 Midjourney,一年内未被广泛保存和传播,作者发现其中过半词汇在 ChatGPT、Nano Banana、Grok 上同样有效。
创作者爱沢在 X 发布 10 月 23 日晨至 24 日深夜的 5 个场景插画,并免费配布对应的 ChatGPT 图像生成提示词。提示词覆盖朝、昼、夕方、夜、深夜五个时段,要求附上本人有权使用的 21 岁以上成人角色参考图,以保持脸型、发型、发色与瞳色,输出 1536:1024 横长单人单场景。提示词含正向与负向约束,用于抑制条纹、摩尔纹与重复高光带。
有用户在 ComfyUI 中使用 Pixaroma 的场景与角色工作流运行 Qwen 角色替换时,角色像贴纸一样被直接贴进画面,未能融入场景。该用户以图中扎双马尾的红发角色为例说明插入痕迹明显,并公开征集可用的提示词写法或输入图片要求等建议。
一位用户测试了 Codex(Astra、Ultra)与 Fable 5.1 自动搭建 ComfyUI 工作流的能力,Codex 表现不佳,而 Fable 5.1 单条工作流可连续运行 10 小时以上,产出结构整洁、开关式操作的结果。
ComfyUI 展示一条万圣节主题动画工作流,先在 Blender 中做 3D 灰模(blockout)来控制每个动作的节奏,最终得到一段节拍同步、由方向性滑动触发不同动作的序列。官方称这是在进入细节前规划复杂动画的简单方式,并给出工作流链接。
作者在 RTX 3090 Ti 上实测 Zagitta 的 GPU Unlock,在 ComfyUI 中 BF16 配置的吞吐提升约 46% 至 60%,其中 MiniMax H3 视频加音频从 253.27 秒降至 158.05 秒。
推荐理由:作者在 3090 Ti 上逐项对比解锁前后的出图与出片耗时,可据此判断哪些精度配置值得开启。
有用户尝试用 MOSS-Image 的 layout-to-image 模式生成图表背景,再后期叠加文字,以便让用户自选字体、颜色和字号。该用户询问是否有 caption、label 或其他技巧能让 layout JSON 中指定区域稳定保持空白或足够平滑,并附上了目标效果示例图。
AInVFX 梳理了 ComfyUI 中五款开源图像模型的分工:Z-Image Turbo 主打 8 步写实出图,FLUX 3 Image Klein 支持最多 10 张参考图编辑与 4K 输出,MOSS-Image 擅长版面与图中文字,Qwen-Image-Edit-2511 靠 LoRA 生态做精确编辑,SeedVR2 负责一步超分修复。
推荐理由:文章把五款开源图像模型按用途、分辨率、短板和许可证逐项对照,并给出 ComfyUI 中的实测耗时与踩坑点。
一位 ComfyUI 新手在 24GB RTX 4090 上实测本地视频生成:MiniMax H3 仅能跑出 4 秒 608x342 或 2 秒 1024x576,超出即黑屏崩溃;Wan 2.2 5B 可生成 5 秒 124 帧 1280x704,但约 7 次后崩溃。其硬件经压力测试确认正常,最终发现黑屏源于显示器故障,作者仍担心反复满载损伤硬件,并考虑转用 ComfyUI 云端。
作者对登上开放编辑榜第一的 FIBO 2 做了盲测,与 Qwen Image 2.1、FLUX 3 Klein 对比:日常编辑中 FIBO 胜出(15 次满意,Qwen 12、FLUX 11),Qwen 赢下 5 轮中的 3 轮,FIBO Dev 在新图生成上与 FLUX 打平。
Kapwing 基于 YouTube 创作者 Jonny Shapland 的剪辑流程,总结出一套面向 YouTube 视频的编辑方法:先按 A-roll、B-roll、缩略图、频道素材、调研资料五类整理素材,再研究同题材成功视频以明确观众预期。指南强调把标题和缩略图承诺拆解成具体问题并优先回答,用截图、B-roll、音效和音乐等剪辑手段支撑叙事,并关注前 10–15 秒与 30 秒留存表现。
用户分享仅靠提示词、不加其他节点,让 moss-image SFT 生成业余随手拍风格人像的方法,示例为医院病房低角度抓拍:苍白年轻女性穿蓝色医护服、颈挂听诊器,要求呈现细腻皮肤纹理、可见毛孔与自然瑕疵。参数设为 cfg 6、30 步,并强调光照描述对还原肤色至关重要,同时提醒提示词可能随机生成畸形手部。
作者在 Canva 中尝试制作近未来忍者题材 AI 视频,先设定数百年后忍者进入宇宙对战、忍术与魔法互换等剧情,再让 Canva 生成忍者与魔法师的角色设计。角色设计氛围不错,但后续生成效果并不理想,作者仍在不断添加元素摸索改进。
作者以 DomoAI 将单张素材图生成视频为例,用虚构伞店 20 秒四镜头短片演示崩坏镜头的排查与修复顺序。流程先确认是否放错图片或设置不一致,再逐条完整播放并在首、中、尾及动作变化处暂停比对素材图,记录卡号、秒数与崩坏表现;修复时依次判断素材图本身是否有误、未崩坏片段是否够用、重做时只改一个变量,动作为主就减小运动幅度,越到后面越崩就拆成更短片段。