LTX-2.5 单卡出片从 130 秒降到 43 秒:剖析快速注意力每片段静默回退 384 次
作者在 RTX PRO 6000 Blackwell 上对 LTX-2.5(图像加提示词生成 10 秒 1080p 带音频)做端到端剖析并重写慢速环节,同一模型、同一图片与提示词、同一 600 W 功耗上限下,原版 ComfyUI 每片段 130.1 秒、19.2 Wh,优化后为 42.9 秒、6.9 Wh。
作者在 RTX PRO 6000 Blackwell 上对 LTX-2.5(图像加提示词生成 10 秒 1080p 带音频)做端到端剖析并重写慢速环节,同一模型、同一图片与提示词、同一 600 W 功耗上限下,原版 ComfyUI 每片段 130.1 秒、19.2 Wh,优化后为 42.9 秒、6.9 Wh。
Flux-3 的提示词改写模型与系统提示词生成的详细提示词,效果优于手写提示词,可用于 Flux-2 9B 的非简单图像编辑。该模型通过独立机器上的 llama.cpp server 部署,几秒内即可返回结果,比 ComfyUI 内置 GenerateText 方法快。当 Flux-2 不配合手写提示词时,额外等待可能值得。
作者发布 ComfyUI 安装与 FLUX 3 Klein 入门教程,覆盖 Windows 安装、模型下载、图像编辑、布局与批量生成等 16 个示例,并给出 RunPod、SimplePod、Massed Compute 与 Linux 路线。
Krea 3 于 10 月 15 日发布,本文核对官方输入输出、网页使用指南与 API 文档,梳理换家具、换背景两类编辑示例中哪些细节被保留。发布页称多数原生 2K 编辑低于八秒,$0.06 是 2K 基础项,API 另列每张 1K 参考图加 $0.02、2K 参考图加 $0.07,high 模式每轮再加 $0.02。
AI 图像放大后模糊,应先核对元图像像素尺寸、显示位置与保存方式,而非直接重新生成。Midjourney 现行 Upscalers 指南中,V8.2 正方形 SD 图像为 1024×1024,经 Subtle 或 Creative 放大后为 2048×2048,HD 图像本身即 2048×2048 且目前无法再放大。
一名用户在同一台 5090、32GB 内存机器上用 MiniMax H3 生成视频时发现,ComfyUI Desktop 版几乎占满系统内存、电脑卡顿,换用 Portable 版并复制相同模型与工作流后,系统内存占用降至约 45%,显存仍约 31GB,生成速度基本一致。该用户称 Portable 版安装远比预想简单,并询问是否为 Desktop 版普遍问题。
作者用 Z-Image Turbo(8 步)加自训角色 LoRA(0.8)再经 SDXL refine 生成固定角色,多数露手画面出现六指、手指粘连和指甲异常。
推荐理由:作者实测对比了整图编辑与手部裁切编辑两条路线,给出可复用的裁切修复流程与具体参数。
在 ComfyUI 中用 Z-Image-Turbo BF16、Flux.2 Klein 9B、Qwen Image 2.1 和 Krea.2 Turbo 分别以英文与日文提示词生成同一张少女卧室写真,作者认为两种语言的生成精度没有明显差距。
Reddit 用户实测 Qwen Image 2.1 默认工作流的提示词增强器(PE),将 max_tokens 从默认 4096 提到 12000 仍不够用:开启 thinking 时 token 全耗在推理上导致输出为空,关闭后又会写出 12k token 指令被截断,生成效果更差。
Black Forest Labs 发布 Flux3 Image Klein,官方介绍为 5.6B 开源权重图像模型,支持文生图、最多 10 张参考图的编辑以及用边界框做布局控制,蒸馏版 16 步无引导运行,Base 版 50 步配合无分类器引导。作者在 RTX 5060ti 16GB 上运行最轻版本,用多图替换提示词测试,称比 Klein 4b 蒸馏版慢但可接受,角色有轻微漂移,整体控制力较强。
字节跳动 Seed 团队的 Seedream 图像模型可通过 BytePlus ModelArk 官方 API 或第三方转售 Key 调用,覆盖 3.0、4.0、4.5、5.0 Lite 和 5.0 Pro 五个版本。
有用户在 ComfyUI 中搭建了两套工作流,用于为 MakeHuman 角色的 UV 重新贴图,并保持纹理布局可用于 3D 管线。第一套工作流重排 UV 布局并逐块处理纹理,可用 Qwen 自动生成描述或手动输入;第二套按身体部位分通道处理,每块超分至 2160 px 后放回 2048 x 2048 布局,支持加载此前结果进行局部编辑与混搭。
用户在 ComfyUI 0.41.0 上通过 Stability Matrix 运行 Moss Image 工作流时,Load Diffusion 节点报错模型类型为("")。其尝试了 int8、bf16、sft 和 base 四种模型均报同一错误,怀疑并非模型本身问题。用户发现他人工作流中该节点已有更新版本,可从次级选择器中选择 Moss Image,因此询问是否需要升级 ComfyUI 版本。
截至 2026 年 10 月 19 日,CapCut 没有官方 MCP 服务器或公开剪辑 API,社区服务器(VectCutAPI 及其封装、独立项目)只能通过写入 draft JSON 文件生成 CapCut 桌面草稿,导出仍需人工在 CapCut 中完成。这些服务器全部本地运行,要求 CapCut 与 AI 智能体装在同一台机器上;托管 MCP 服务器则在云端完成剪辑与渲染并返回视频文件。
一位用户在 AMD RX 7800 XT(16GB 显存)上寻求长视频角色替换工作流,要求 1 分钟以上视频中替换主角时保留其手持或交互的武器、工具、杯子等物体,且生成时间不能过长。其尝试中,Wan Animate 2.2 未能正确替换为拟人角色,Mocha 替换效果较好但手指不一致且 1 分钟视频耗时过长,Scale 2 标准工作流则忽略参考图、凭空生成新头部和手部。
Apple 的 Image Playground 应用随 iOS 27 更新,新增用自然语言描述任意视觉风格的 "Any Style" 选项,并支持通过触摸和自然语言修改已生成图像,还可制作联系人海报和锁屏壁纸。
作者用 MOSS-Image-Base 配合 Qwen3.5-9B 文本编码器和 FLUX.2 VAE,在 RTX 4070 12GB 本地环境分别用 30 张动画图和 30 张实拍图训练角色 LoRA,并给出 ai-toolkit 的完整步骤与 PowerShell 执行脚本。
在 Pollo.ai 上用同一提示词「Please make a holy sword.」分别测试 Seedance 2.5 与 Wan 3.0,两者均在 30 秒内生成完整锻造过程。Seedance 2.5 把工序拍成圣剑诞生的奇幻叙事,Wan 3.0 则更像匠人完成一件工作的记录。两者都重点刻画了锤打热铁与淬火入水,却跳过了上柄、刻纹等细节。
一位 ComfyUI 新手用 Wan 做文生视频,按推荐先做 5 秒片段,时长和画质都不错,但想拼成 1 分钟完整视频时卡住了:单独生成第二段、并写入完全相同的角色与场景描述后,画面却差别很大。ta 在 Reddit 的 comfyui 版块发帖求助多段片段保持一致的方法。
一位用户因笔记本硬件老旧(i5-8300H、8GB 内存、Intel UHD Graphics 630 核显),安装 ComfyUI 后加载图像模型频繁报错,想找免费在线运行图像生成的办法。Google Gemini 建议其使用 Google Colab,但同样遇到问题。
用户在 ComfyUI 中使用 GGUF 格式的 Moss q4 文件时,间歇性遇到 "Unexpected architecture type in GGUF file: 'moss_image'" 报错,同一工作流有时正常运行、有时必定失败。用户已更新 ComfyUI 并安装 Moss 自定义节点,文本编码器使用 w4a8 类型,尚未找到报错原因。
用户在 3050 4GB 笔记本上运行 moss image,首张图耗时约 15 分钟,经优化后降至约 62 秒(缓存提示词情况下),并新增实验性 int8 选项,支持不删除原模型直接切换。新提示词耗时会更长,目前仅测试了少量图片。
有用户提问,能否用 wai-illustrious SDXL version 14 配合自训练 LoRA 生成的图像,再去训练一个用于 wai-anima 的 LoRA。
ComfyUI 前端 formatUtil-*.js 的图片扩展名白名单缺少 jxl,导致 .jxl 输出被归类为 other、isPreviewableMediaType() 返回 false,侧边栏只显示完成对勾(✓)而非缩略图。
作者在 ComfyUI 中测试了 FLUX.3 的图像生成与图像编辑,对比了 Base 版(CFG 3、25 步)与 Turbo 版(CFG 1、16 步)。生成方面模型在纹理、艺术风格多样性、野生动物和自然环境上表现不错,但在手、手指、脚、写实皮肤和复杂场景上较弱;图像编辑反而是其强项,Turbo 版在风格迁移、换装、背景替换、天气变化和物体移除上效果良好。
一位 ComfyUI 用户在 Reddit 求助,其训练的 LoRA 在 3k 步后持续在皮肤上生成重复纹理,且仅在启用该 LoRA 时出现,排除工作流问题。用户发现所用数据集图片本身带有类似纹理,只是不太明显,询问是否可在不重做数据集的情况下修复。
Flux.3 5.6B 整合包教程演示了同一套整合包的三种用法:文生图、单图修改和多图修改,演示界面迭代步数为 4。文生图先填提示词再检查尺寸与迭代参数后生成;单图修改上传参考图并写明改动部分;多图修改同时放入人物参考图和服装图并说明各自用途。进入 ComfyUI 节点界面需访问自定义端口 8187,实际以整合包启动显示的地址为准。
用 4 张照片、同一提示词在 SJinn 上同条件生成 9:16 竖屏 30 秒视频,对比 Kling 4.0、Seedance 2.5 与 Wan 3.0。Wan 3.0 细节与画质最佳、手部和人物稳定性最好,Kling 4.0 动作最自然,Seedance 2.5 因仅 480p 而画质吃亏。三款模型均一次生成成功、零重拍,但“夹秋刀鱼”等食物抓取仍是共同难点。
DomoAI 的 Relax 模式可在满足套餐、模型、时长三个条件时不消耗积分生成视频,但同一套餐下部分模型和时长仅支持 Fast 模式。用户应按套餐→模型→时长的顺序在定价页核对,并确认「Relax モード」开关已开启,不能仅凭生成按钮上积分数字消失来判断。适合能等到使用时限、含一次重做余量的试作用 Relax,赶时间的用 Fast。
OpenMOSS 团队开源的 5B 文生图模型 MOSS-Image 已可在 ComfyUI 中运行,提供 Base 与 SFT 两个版本。实测在 RTX 4090 上生成耗时 14 秒、占用 15GB 显存,需搭配 qwen3.5_9b 文本编码器与 flux2-vae,并使用 BBOX 节点(需开启 Nodes 2.0 的 Vue 节点设计)。作者评价其画风与文字生成表现不错。
作者在 RTX 5090 上用 int8 文件实测 Qwen-Image 2.1 Turbo,原生 2K(4 MP)图像平均 11.8 秒,30 步基础模型为 36.9 秒,约快 3.1 倍。
推荐理由:作者用 300 次渲染实测 Turbo 与基础模型的差异,并给出可复用的 8 步 sigma 与分辨率设置。
用户用 Anima-Standalone-Trainer 训练 Anima 角色 LoRA,数据集约 36 张图配 danboruu 标签 txt 字幕,触发词为 @mychar,优化器 prodigy、学习率 1、Cosine 调度、100 epochs、BFloat16。
ComfyUI 现已支持 Ming Image Design 模型,提供体积较小的 INT8 与较大的 BF16 两个版本。Ming-Image-0.1-Design 是 6B 文生图模型,面向 UI、信息图、海报等文字密集的视觉设计,可生成完整画面并支持带透明背景的 RGBA 输出。
面向想拍成片却不想用 Higgsfield 的创作者,可按项目类型选替代工具:写剧本的剧集或短片用 ScreenWeaver(39.99 美元/月起)或 Saga(19.99 美元/月起)。
用 Midjourney 生成游戏用 3D 奇幻女性角色,涵盖可爱魔法师、成年魔导士、魔女、圣女、战斗法师 5 种类型,每类各配角色设定图与立绘两版英文提示词,共 10 条并附日文翻译与设计思路。设定图用横版 16:9 排布正面、侧面、背面与斜角全身图及表情差分,立绘用竖版 9:16 单人居中全身构图,两者共用同一套外观描述以保持形象一致。
创作者在 Pollo AI 上实测视频生成模型 Vidu Q4 Preview,用 GPT Image 2.5 生成原创角色插画后,制作了 5 秒万圣节短片和 16 秒自我介绍动画,日语台词语调与口型表现自然。该模型在短动画制作上成本较低,所需 credits 随视频长度和分辨率变化。
一位创作者把 Pinterest 引流用的 AI 配图从 Midjourney 换成 Flux 后,月佣金从 5 万日元先跌到 2 万日元,再回升至 8~9 万日元。
MiniMax H3 在 Mac 上卡住,是因为其 int8 量化版视频 VAE 依赖 MPS 不支持的 int8 矩阵运算(aten::_int_mm),ComfyUI 2026 年 9 月的修复只覆盖了 UNET 本体,未覆盖视频 VAE。
这份提示词集收录 100 种「AI 美女×旅行绝景」主题的 JSON 格式图像生成提示词,可直接复制到 ChatGPT、Gemini 等工具使用。每个题材除基础版外还附 9:16、1280×670、背景更换、氛围更换 4 种改编版,并配有 negative_prompt 与 aspect_ratio 字段。
作者因连续三天高强度使用 Astra 生成单眼皮男性画像,触发使用限制导致账号被锁三天。最终放弃在 ChatGPT 内解决双眼皮问题,转而让 ChatGPT 快速开发出一款手机端 PWA 网页应用,手动擦除插画中的双眼皮线条。该应用将在下期公开,作者称根本问题并未解决。