用 llama-swap 和 Flux.2 klein 9b 搭建无头智能体图像生成管线,ComfyUI 是否是最优解?
一位开发者用 Discord 机器人以游戏角色身份管理服务器,推理机通过 llama-swap 按需启停 llama、vllm 和 stable diffusion,图像生成使用 flux.2 klein 9b 配合参考图。
一位开发者用 Discord 机器人以游戏角色身份管理服务器,推理机通过 llama-swap 按需启停 llama、vllm 和 stable diffusion,图像生成使用 flux.2 klein 9b 配合参考图。
Reddit 用户 Dudelydad78 分享了 H3 Minimax 在 ComfyUI 中替换身体与背景的指南和可运行示例,称无需 LoRA。材料同时给出完整指南 PDF、原始与生成视频对比,以及包含其自定义节点的个人工作流 Ironmax.json。相关文件均托管在 Hugging Face 的 BaloneyKit for Minimax H3 目录下。
一份面向 AI 美女图像生成的提示词合集,收录约 100 种以世界各地及日本旅拍场景为主题的 JSON 格式提示词,可直接复制到 ChatGPT、Gemini 等工具使用。每个主题均提供基础版、9:16 竖屏版、1280×670 的 note 封面横版,以及背景与氛围改编版,并附 negative_prompt 与 aspect_ratio 字段。
作者在 AI 图像创作连载第二篇中借助 ChatGPT 学习运镜与透视,梳理出相机高度、距离、朝向三要素,并区分低角度、近距离与荷兰角(倾斜构图)的表达效果。随后按“贴近地面的低机位、略微仰视、正面拍摄、突出持魔法的右手”设计构图,由 ChatGPT 补全身体扭转与四肢分工并生成提示词。首张生成图透视冲击力强但手部偏粗,用同一提示词重生成后手部比例恢复正常。
作者公开了在 8 GB 显存本地训练 MOSS-Image 角色 LoRA 的一套参数:默认设置训练 800 步,大数据集或难概念再延到 1200–1500 步,学习率 0.0004、rank/alpha 8/8、512² 分辨率。
推荐理由:作者给出 MOSS-Image 角色 LoRA 的完整训练参数与步数区间,并解释为何 8000 步会过拟合,可作为本地训练的起点参考。
Higgsfield 发布教程,介绍如何用 Cinema Studio 4.0 将房产照片转为逐个空间的视频片段,再拼接成带房源信息和音乐的房产导览。操作流程包括上传清晰照片作参考、在 Director's Panel 设置相机/镜头/光圈/灯光/节奏、从 30+ 运镜预设中每片段选一个轻柔移动,并用 Extend 和 Edit Video 修正结果。
VX Studio 创始人 Shaurya Gupta 以 90 集、约 1600 次生成的竖屏剧为例,说明 AI 视频引擎没有记忆,同一角色跨镜头会出现脸型、年龄和身高漂移,连续延展到第四次时已像换了演员。
推荐理由:一位 AI 短剧制作平台创始人复盘 90 集竖屏剧的实操经验,逐条列出角色一致性、镜头延展与宽景失真的失效点及应对办法。
作者在 ComfyUI 中用轻量版 Qwen-image2.1 搭配 Flux2 的 flux2-klein-4b-fp8 高速版,做出细线维持型、实黑、漫画风三种黑白线画效果,8GB 显存即可运行。作者称单纯转黑白线画时 Flux2 速度更快,但两者结果差异不明显;该工作流对无脸角色会自动生成眼睛,需要用提示词调整。
RenderBob 依据 Runware 的 FLUX 3 Video 文档整理关键帧用法,最多可传入 10 张图片,每张按帧序号或时间戳定位,官方将每个固定点视为强引导并提示会出现漂移。
ComfyUI 发布一段用 Blender 和 Seedance 2.5 制作的恐怖短片,先用 3D blockout 控制镜头运动、动作与节奏,再生成复杂 AI 视频场景。官方称这种方式在复杂场景中灵活性更高,并附上完整工作流与 Prompt,入口为 https://links.comfy.org/3WkwxGR。
用 ComfyUI 将 Animagine XL 4.0 Opt 生成的白裙银发天使插画,经 Animagine XL 3.1 以 img2img 转换为手办风全身图,未使用 LoRA 与 ControlNet。
一位用户想在同一个 ComfyUI 工作流里把图像模型和文本编码器分到两台机器上运行,以缓解 MacBook M1 Pro 16GB 的内存压力。他手头还有一台 Mac mini M2 Pro 16GB,希望借此拆分负载。帖子未给出具体实现方案。
OpenMOSS 团队于 2026 年 10 月 16 日开源 5B 文生图模型 MOSS-Image,权重 Apache 2.0,发布当天支持 ComfyUI。
推荐理由:梳理 MOSS-Image 在 ComfyUI 的安装、采样参数与显存取舍,并说明 JSON 版式控制的坐标约定与当前边界。
可灵官方博客对比了 IMAGE 3.0 Omni、Leonardo AI、Adobe Firefly、Krea、Canva、Picsart 六款 AI 图像编辑产品,按模型、平台、免费额度与编辑流程逐项列出。
可灵 4.0 支持文生视频与图生视频,单段最长 30 秒,在大幅运动与复杂运镜中保持更稳定的画面。其 Omni Reference 最多可组合 15 个图像、视频、声音参考与 Elements,另可用最多 10 张上传图片作为关键帧控制画面节点。官方围绕日常生活、教程、个人故事、爱好与节日等方向给出 20 个视频创意示例。
水輝在 RTX 3060 Laptop(VRAM 6GB)上分享三种 AI 图像生成提示词写法:单词罗列随机性高、定型文按风格/构图/姿势等分项指示便于修正、自然文章最常用。三种方式在 GPT、Gemini 等生成式 AI 上同样可行,作者称近期模型有时不写负面提示词,写了反而可能被生成出来。
作者公开了用 Seedance 2.5 制作一人称动画短片《加班后的晚饭》的全部视频提示词,流程是先用 Midjourney 生成每个镜头的首尾两张图,再用 Seedance 2.5 的关键帧功能让两图之间动起来。
多格式视频剪辑的审批可追溯,关键在于剪辑前先制定并确认交付矩阵,逐项记录投放渠道、格式、片尾卡与字幕、音频文件及审看负责人和最终批准人。每个审看版只对应一个明确待决事项,并标注版本、日期、格式,例如 COM-16x9-v07 · 2026 年 10 月 10 日 · 节奏和镜头顺序。客户对创意内容的批准不等于对最终交付文件的确认,交付前还须逐项核验源版本、裁切、字幕、混音状态与导出规格。
Frank Houbre 给出跨镜头保持同一角色的制作方法:先做一张正面主图加两三个角度参考,再使用模型自带的角色参考入口而非纯文本提示,最后按镜头风险拆解分镜。
推荐理由:作者按官方文档横向对比 Kling、Seedance、Flow、Runway 的角色参考入口,并给出可复用的分镜与参考图准备流程。
用 Grok API 的 grok-imagine-image-quality 模型在 3:4 比例下同提示词分别生成 1K(864×1152)与 2K(1776×2368)图像对比后发现,人脸特写 1K 已足够,全身等人物较小的构图差距明显:1K 睫毛糊成线块、珍珠耳环成模糊点,2K 能逐根画出睫毛并保留高光。
作者用 ChatGPT 做了四组 AI 漫画生成实验,核心变量是漫画相对小话的摆放位置:把文章改成一页漫画、在文章前后各配一页漫画、在正文中间插入漫画,以及用「小说—四页漫画—小说」结构让漫画承担中篇叙事。实验还分别指定透明水彩、Copic、液体墨水等画材,并强调需向 ChatGPT 说明前后文意图,否则不同摆放方式的差异会被抹平。
用户在用 Minimax H3 ref2va(DaSiWa)做视频角色替换时,模型过度保留原视频内容,只替换画面中未出现的部分,无法完成身份替换。该用户询问是否需要借助 ControlNet,并寻求可用的提示词或工作流。
一名 ComfyUI 用户更新后程序出错,只能重新下载便携版,但新版附带大量用不到的内容且无法正常使用。该用户希望找回更新前的旧版 ComfyUI。
针对 Midjourney、DALL-E 3 等工具生成图像普遍「AI 味重」的问题,可通过 5 种提示词方法建立个人视觉风格:混合两种以上风格(如浮世绘×蒸汽朋克)、用「swirling brushstrokes」等特征描述替代艺术家姓名以规避版权风险、锁定 3 色品牌色板、指定 fabric/paper 等纹理、固定 3-4 种构图模式。
一名用户在 10 月 12 日更新 ComfyUI 后,原本 20-26 分钟完成的 12 步 1.0mp 生成任务变慢至 2 小时,采样器卡在 33%。其配置为 Ryzen 7 5700x、5070Ti 16GB 显存、48GB 内存,使用 foxydits seedhunter v2.5.1 工作流与 singularity 模型加 turbo lora。
用户在 Mac Studio 64GB 上通过 ComfyUI 本地运行 Z-Image Turbo 做纯文生图,人像效果令人满意。
用户对 Moss Image 2MP 做了对比测试:50 步 euler + sgm_uniform 与 8 步 turbo LoRA(权重 0.8)相比,turbo LoRA 快 10 倍。
用户首次尝试 ComfyUI 0.42.1 便携版,选用 Wan 运动迁移模板并装好全部模型后,运行即失败:或直接断连无报错,或在 sampler 阶段失败,常规版本同样如此。设备为 Legion Pro 7、32GB 内存与 5090 24GB 显存,NVIDIA 驱动已更新,用户不确定是否该运行 3 个更新 bat。
有用户寻求为 Krea 2 训练一个学习绘画技法而非特定画师身份或作品内容的 LoRA,希望复现抖动粗糙的线条、粗马克笔式轮廓以及平涂、赛璐璐上色和带纹理上色等技法,并能迁移到完全不同的主体、角色、姿势与构图上。其征询数据集结构、打标策略与训练设置建议,并询问是否有人成功为 Krea 2 训练过风格向 LoRA、如何减少主体与构图过拟合。
可灵 AI 发布视频画质提升指南,针对光照不足、噪点、压缩伪影、模糊、构图不佳和动作不完整等问题给出对应修复方法。使用 Kling VIDEO 3.0 Omni 可上传 3–10 秒视频,通过提示词调整光照、色彩、背景与构图并保持原动作,输出设置可选 1080p 或 4K。指南还按社交短视频、YouTube 长视频和老旧录像分别给出画质优化建议。
可灵 4.0 支持 3–30 秒视频生成,其 Omni Reference 最多可接入 15 个参考素材(含最多 10 张图片),用于在老照片动画中保持人物面部与服装一致。该模型强化了大动作稳定性,让挥手、走几步、转身等动作更自然,Keyframes 模式最多可用 10 张关键帧图控制场景切换。
可灵 AI 发布指南,介绍如何用 Kling IMAGE 3.0 与 IMAGE 3.0 Omni 从文字或图片生成 AI 艺术作品。IMAGE 3.0 支持最多 10 张参考图,可用自然语言指令微调细节;IMAGE 3.0 Omni 的 Image Series 模式可保持多张插画角色与风格一致,并原生输出 2K/4K。
给大家分享下这个纯AI红薯号最近一个月数据 要不是小红书最近把我的号限制了,数据还能再好点
SunoMV 抽样 1,531 个分镜项目、65,853 个镜头发现,无理由约束时 AI 默认退回中景(32.6%)、平视(50.1%)和推镜头(28.4%)。其解法是给每句歌词写一句与歌有关的运镜理由,再由理由推出景别、角度与运镜,并先用角色卡、场景卡锁定人物与地点。SunoMV 下一版将让 AI 起草分镜时为每个镜头附一句理由,显示在导演模式与手机端分镜卡片上。
有用户在 Reddit 求助 Fizgig MOSS 图像 LoRA 训练经验:尝试 30-70 epoch、0.25-0.5 MP、20-40 张图、alpha rank 16、学习率 0.0001,并在 ComfyUI 工作流中加入 block 22。
一位训练过数百个 LoRA 的用户质疑“本地 30 分钟训完 LoRA”的说法,称图像 LoRA 在 12-20 张数据集上通常需 3k-6k 步才能达到真正 1:1 相似度。他推测这类说法来自租用前沿硬件、夸大,或仅用约 500 步接受模糊相似度,并向社区征询本地快速训练方法。
用户分享在 RTX 3060 12GB 上加速 Moss 图像生成的 ComfyUI 节点配置:启用该节点的 ultra fast 设置,搭配最新 8 步 LoRA 并将权重设为 0.2-0.4,采样器设为 50 步、CFG 4、Res_multistep、Simple、2mp。该 LoRA 用于弥补跳过的采样步数。
用户训练 Moss 的 LoRA 两天后发现,角色相似度和细节始终难以收敛,风格与概念类训练则问题不大。同一批数据集此前在 Krea 2、Anima、Z-Image 上均可用,Twitter、Reddit、Discord 上也有多人反馈类似问题;Fizgig 作者虽有进展,但 LoRA 仍未充分收敛。
教程讲解如何在 ComfyUI 中安装 MiniMax H3 Director 插件,把镜头、参考图和音频拖到时间线上,由插件实时编译出 H3 训练时读取的分镜 prompt。
推荐理由:教程把 H3 时间线插件的安装、模型目录与分镜编译讲成可复现步骤,并列出训练区间与商用授权等前置限制。
Seedance 2.0 是字节跳动的视频加音频生成模型,支持文生视频、首尾帧图生视频和多模态参考生成,时长 4 到 15 秒、最高 4K。目前有文档可查的自助接入路径是 OpenRouter,模型标识为 bytedance/seedance-2.0,采用异步提交加轮询的方式,2026 年 10 月 19 日标价每秒 0.06726 美元起。