Singularity-V2 整合包演示:4 步视频生成、首尾帧与 ComfyUI 入口
这篇教程整理了刘悦的技术博客对 Singularity-V2 整合包的短演示,说明该整合包默认采用 4 步迭代,短片实际演示了文生视频、首尾帧和全能参考三种输入方式。作者称演示设备为 RTX 4060 笔记本,单次生成约需 100 秒,该耗时仅对应此次演示条件。需要查看节点连接时,可通过自定义端口 8187 进入 ComfyUI 工作流,端口以本机启动日志为准。
这篇教程整理了刘悦的技术博客对 Singularity-V2 整合包的短演示,说明该整合包默认采用 4 步迭代,短片实际演示了文生视频、首尾帧和全能参考三种输入方式。作者称演示设备为 RTX 4060 笔记本,单次生成约需 100 秒,该耗时仅对应此次演示条件。需要查看节点连接时,可通过自定义端口 8187 进入 ComfyUI 工作流,端口以本机启动日志为准。
作者发布免费开源的 ComfyUI 节点,通过在多张图像间耦合初始噪声来提升同一批次的多样性,无需额外采样步数或模型,只需替换噪声节点。该节点支持 SD1.5、SDXL 和 FLUX.1-schnell,附带示例工作流,代码在 GitHub 的 coupled initialization 项目,作者称这是其首个 ComfyUI 发布并希望获得反馈。
用户反馈 Krea2 虽非编辑模型,但通过编辑节点操作时输出丢失大量细节并出现像素漂移。其已尝试多种采样器/调度组合、8/10/12 步、二次超分、Krea2 enhance LoRA、raw/turbo 模型及 Wan2.1 VAE 等方案均无明显改善,询问是否只能等 Krea3 本地版。
Workflow Studio v0.8.10 的 Tagger 标签页现可通过社区 ONNX 转换版运行 PixAI Tagger v1.0,将模型文件放入 ComfyUI/models/tagger/ 子文件夹即可自动检测。
用户 infearia 分享了一种基于 Ref2Vid 工作流改变图像相机角度的方法,仅需两处改动:将视频长度设为恰好 22 帧,并把 VAE Decode 节点输出接到 Preview 或 Save Image 节点。
AIArtEngine 发布 v8.4.3 版本,完整变更记录覆盖 v8.4.2 至 v8.4.3。原文未披露具体功能改动与参数细节。
Krea 宣布 Nodes 支持多人实时协作,团队成员可同时打开同一项目编辑同一画布,改动、光标、选中状态和运行结果实时同步。编辑共享与实时在线状态仅面向 Krea Enterprise,查看共享(工作区查看、指定人查看、公开链接)所有套餐可用;运行费用由发起者在其所在工作区承担,撤销只回退自己的改动,版本快照最多每五分钟一次并保留五天。
有用户在 Reddit 询问如何在 Minimax H3 的默认 ComfyUI 文生视频工作流中添加额外的 LoRA 节点。该默认工作流自带 turbo LoRA 和多个 switch 节点,用户表示已能配置多 GPU 运行,但无法理解 switch 逻辑,实际运行时会直接忽略 LoRA。
Midjourney 提示词生成器 ver.6.1 发布,恢复相机详细设置并新增提示词格式切换。用户可分别指定相机机型、镜头、ISO、光圈与快门速度,或使用预设模式一键选择拍摄风格;输出格式可在自然语言与结构化列表之间切换。姿势预设从 8 个增至 12 个,新增 Cozy Reading、Resort Holiday、Phone Break、Smart Look 四种场景。
社区讨论选出当前开源模型中的优胜者:I2V 与视频编辑为 Minimax H3,文生图为 Krea 2、Ideogram 4 和 AnimaYume,图像编辑为 Qwen Image 2.1。
作者在 ComfyUI 中尝试 MiniMax H3 的 Reference-to-Video 工作流,用 AI 生成角色替换原视频人物,同时保留原片动作与表演,并尝试替换背景环境。
推荐理由:作者在本地实测 MiniMax H3 的参考生视频流程,把角色替换与动作迁移整理成可下载的工作流和素材。
Theoretically Media 介绍免费开源 3D 预演工具 CozyClay 3.0,可通过 Pinokio 一键安装、在浏览器运行且不需要 GPU,其智能体可借助 ChatGPT 登录(Codex)或 Anthropic、OpenAI、Gemini 的 API key 搭建场景。
作者在 RTX 4070(12GB 显存)上实测 FastVideo 与 Nuva Lab 为 MiniMax H3 参照生成(Ref2VA)开发的 8 步加速模型 FastH3 OmniRef,生成 5 秒视频时,官方 VSA 10% 设置耗时 416 秒,去掉 VSA 的 Dense 设置耗时 1312 秒,约相差 3.2 倍。
MOSS-Image 在 2026 年 10 月 22 日获得首个指令编辑 LoRA chinoll/Moss-Image-Edit,这是一个 rank-64 适配器,接收 1 到 4 张参考图和一段文本指令,覆盖颜色、服装、光照、季节与视觉风格等改动。
推荐理由:社区为 MOSS-Image 补上指令编辑 LoRA,文中给出 ComfyUI 原生与节点包两条接入路径和默认参数,可对照现有编辑流程评估。
用户在 ComfyUI 中用 Minimax H3 延长视频时,第二段开头出现闪烁、整段出现彩点,已尝试调整 context frames、window 39/90/141、snap cuts、画质与比例,并换用 ref2va 和 fl2va 模型均无效。
一位用户将 RTX Pro 6000 的 CableMod 12V-2x6 线(4 个 PCIe 接口)换成海盗船温控保护线后,ComfyUI 中 Flux 1d 生成时间增加 20%,Wan 2.1 720p 从 78.42 秒增至 180 秒。换线后 TDP 从峰值 105% 降至约 90%、板卡功耗从 650W 降至 610W,该用户正考虑换回旧线。
taobao-content-ai 为 MiniMax H3 发布 Ref2VA 加速 LoRA,10 月 20 日上线 8 步与 4 步的 PTD 版本,10 月 22 日追加用 PTD 加 RefAsymOPD 训练的 8 步版本,实现参考图输入、视频与音频输出。
推荐理由:围绕 MiniMax H3 的 Ref2VA 加速 LoRA,材料给出权重规格、ComfyUI 节点安装与显存门槛,便于判断能否接入现有出片流程。
ComfyUI 工作流模板包 v0.11.96 已发布至 PyPI,可通过 pip install comfyui-workflow-templates==0.11.96 安装。本次新增 Ideogram Vector 1 的文生图/图生 SVG 模板,以及 Meshy T2.5、PixVerse V6 Max 和 Bria 的引导、手持、试穿模板。
Reddit 用户 Winter_unmuted 分享了一套基于 Flux3 的一次性、可调图像到图像风格迁移工作流,核心是参考 latent 加节点。作者称可分别调节构图强度(起始越晚越弱、更有创造性)与图像风格相对提示词的强度(越早越偏图像风格,越晚越依赖提示词),并附上渐变示例。
Kapwing 发布教程,说明 Claude 通过 Kapwing MCP 接入 48 个工具后,可完成字幕生成、字幕翻译和 AI 配音三类工作流。作者用 45 秒双人播客和 21 秒口播视频实测,后者一次请求五种语言,76 秒生成五条配音版本。
作者在 Windows 11 与 RTX 4090 环境用 ComfyUI 跑通 MiniMax H3 的 REF2VA 蒸馏模型 FastH3-Omni,8 步生成耗时 220 秒,CPU 内存 62GB、GPU 内存 58GB(VRAM 22GB 加共享内存 36GB)。
作者为 MOSS-Image 做了一个可视化布局编辑器,用户可画布局框或套用模板、添加元素描述,再由 MOSS 生成成品,无需手写 JSON 或计算边界框坐标。
有用户在清理硬盘时发现多个模型和 LoRA 命名相似、文件大小完全相同,例如 fp8mixed.safetensor 与 fp8.safetensor,怀疑存在重复文件。他询问是否有办法直接判断这些模型或 LoRA 是否真为重复,以便删除其中一个释放空间,还是只能在 ComfyUI 工作流中分别试跑、对比输出结果后再决定删除。
针对号称“世界第一”的 Fibo V2 图像生成及编辑能力的全面测评已出炉,并与 Moss Image、Qwen Image 2.1 进行横向对比。测评围绕图像生成与编辑两类任务展开,具体分数与结论需参见原文实测结果。
ComfyUI 教程以 Z-Image Turbo 为例讲解模型文件的下载、存放与加载:扩散模型(约 6 GB)放入 models/diffusion_models。
ComfyUI-Spectrum-MOSS 更新 v0.8.1,重写 ER-SDE 桥接逻辑并新增 euler/er-sde 采样器设置指南,有用户在 3060 12Gb 上测得约 20% 加速。
Comfy-Org 的 MOSS-Image 仓库月下载量达 146 万,而 Qwen-Image 2.1 约为 1050 万,两者仍有较大差距,且下载量不等于实际用户数。发帖者向同时使用两者的 ComfyUI 用户提问:MOSS 是否已在某些场景取代 Qwen,还是两者并存。
MOSS Image 的编辑 LoRA 已发布,兼容 Base 与 SFT 两个版本,权重托管在 Hugging Face。作者同时给出 ComfyUI 自定义节点与工作流链接,并称自己用缓存实现了原生版本以加快推理;Kijai 已向 ComfyUI 提交 PR,后续可能获得原生支持。
作者在 ComfyUI 中用 MOSS-Image-SFT 对海报、价格牌和产品标签各跑 8 个种子,对比纯文字提示与布局 JSON 的文字落位表现。五排价格牌上,布局 JSON 让 88 个文字块全部落位,纯文字提示为 67/88,海报和标签两者差距在 1 个块以内;两种方式的拼写均为全对。
拥有超 5 亿流量的白金认证音乐制作人 Oliver Alge 使用 Higgsfield Cinema Studio 4.0 完成 AI 音乐视频、德国全国电视广告和利雅得航空国庆广告。
针对 MOSS Image 输出模糊问题,可采用两阶段去噪流程:先正常去噪 5 步,再对潜图像应用 LatentOperationSharpen,然后继续去噪。作者使用 base 模型加 LoRA,并展示了第二阶段去噪时把 SFT 模型作为 LoRA 叠加到 base 模型上的对比结果,以及仅锐化潜变量的对比结果。
作者根据 Hugging Face 文件列表和官方文档,梳理 MOSS-Image 在 ComfyUI 重打包中各文件的用途:9GB 版本(HF 上 10.16 GB,磁盘 9.47 GiB)为 bf16,5GB 版本(5.41 GB)为 int8 ConvRot 量化,Base 与 SFT 各有两种版本。
ComfyUI_MiniMaxH3_Director 是一套面向 ComfyUI 的 MiniMax H3 视频生成工作流组件,可直接导入使用,无需手动搭建节点结构。
AI Canvas v0.10.14 新增 ComfyUI RefMod 角色参考包管理,可关联角色卡并绑定 H3 视频工作流加载槽位,视频生成可直接引用资源库中的视频、音频文件。自定义模型接口支持试跑、停止等待与续查异步任务,切换模型或协议时保护未保存草稿。ComfyUI 结果下载或保存失败后保留原任务以便继续取回,减少重复提交。
开源创作工具发布 v1.6.9.1,优化画布空节点比例切换动画、拖动浮层定位与连线命中,并让快速创作结果按资源身份稳定展示,避免视频重载和图片闪烁。画布 Agent 中 Pi 可对未完成计划进行一次有限续跑,视频轮询遇连接中断时继续查询原任务。新增 Cheaper Inference Chat 与 MaxForAI 视频声明式协议插件,数据库 Schema 升至 59。
Anthropic 发布 AI 助手 Claude Duet,基于 Claude Opus 5.5,可在后台主动推进任务,目前面向美国 Pro 和 Max 用户开放研究预览并采用等待名单制。
创作者用 OpenAI ImageGen 生成原始图像、ComfyUI + WAN 生成视频、ACE-Step 制作音乐,并用 RIFE / FlowFrames 补帧、FFmpeg 完成最终合成,做出一支名为 Dancing in the Dark 的完整音乐视频。所有视频生成、音乐制作与渲染均在 AMD RX 7900 XTX 上本地完成。
一位用户在 ComfyUI 社区分享了自己的工作流,并说明只需拖拽第二张图片即可直接复用该工作流。帖子未披露所用模型、参数或具体生成效果。
Kokon 0.10 为 Qwen-Image 2.1 桌面编辑器加入 Prompt+ 功能,由模型已加载的 Qwen3-VL 8B 文本编码器把简短想法扩写成详细提示词,无需额外下载第二个模型,默认关闭、可在设置中编辑系统提示词。
小川奈美发布 AI 短片第 4 弹「晨间时光篇」,使用 ComfyUI 搭配 Wan2.2 14B 模型生成,分辨率 1024x576px、73 帧,由 3 秒 × 6 个镜头组成共 18 秒。制作环境为 Windows 11 Home、AMD Ryzen 7 7700 处理器、NVIDIA GeForce RTX 5060 Ti(8 GB)显卡与 32GB 内存。