如何用 AI 制作 Vox 风格拼贴动画:分步指南
Kapwing 发布分步指南,讲解如何用 AI 生成 Vox 风格拼贴动画纪录片,流程分为写脚本、拆分视觉节拍、生成拼贴图像、逐帧动画、生成配音和剪辑成片六步。
推荐理由:完整拆解 Vox 拼贴风纪录片的六步 AI 工作流,含可复用的图像与动画 Prompt,适合想复刻该视觉风格的创作者参考。
Kapwing 发布分步指南,讲解如何用 AI 生成 Vox 风格拼贴动画纪录片,流程分为写脚本、拆分视觉节拍、生成拼贴图像、逐帧动画、生成配音和剪辑成片六步。
推荐理由:完整拆解 Vox 拼贴风纪录片的六步 AI 工作流,含可复用的图像与动画 Prompt,适合想复刻该视觉风格的创作者参考。
Design Direction v1.5 发布,这是一款本地 HTML 工具,解压 ZIP 后用浏览器打开 index.html 即可使用,无需安装,售价 4,980 日元。
AtomicChat 发布 Qwen-Image-2.1-Turbo 的 AD-Q4_K 量化版,体积 4.2GB,相比官方 BF16 版 14.2GB 省约 70%,作者实测 LPIPS 比普通 Q4_K 低 21%。
有开发者自制了一个 ComfyUI 自定义节点,可在节点上直接手绘,再送入 ControlNet 控制构图。作者称用 from side 等提示词难以控制人物朝向和持枪姿势,手绘后能固定构图、减少抽卡随机性,极端偏置构图也能实现。该节点已公开并附带工作流,功能仅需 LineArt 级别的控制能力。
Getty Images 旗下的 iStock 首页标榜“always AI free”,不允许图库中出现 AI 生成图像,但用户购买照片后即可用页面上的 AI 修改栏“customise this image”,通过文本框输入指令改图,例如把植物改成绿色、把浴缸变成亮粉色。其“Remove Background”按钮对厨房等场景的抠图效果并不理想。
Photoshop 27.10 于 8 月 31 日推出的 AI Assisted Editor 可用自然语言提示直接修图,实测处理银河照片时首次结果自然,第二次则明显过度处理。该模式与 Pro Editor 并列切换,切回时 AI 编辑会作为新图层加入,属非破坏性。但像素级对比发现,不同次生成间暗弱恒星会被添加、移位或消失,因此不适合用于新闻或投稿类用途。
应 tomi 请求,作者用 AI 把自己中学二年级秋天骑车去买芋煮会食材、下坡刹不住车只好用左脚硬刹的旧事画成了漫画。起因是 tomi 那篇自行车 3m 跳水文章,以及ろくねこ、Kagaya 的相关文章。作者称 AI 漫画比想象中好画,自设角色很方便。
Midjourney V8.2 只需「a beautiful fairy, collage」4 个单词提示词,配合 Style Reference 风格参照功能,即可生成风格各异的闪亮妖精插画。作者用孔雀、喷泉、和服女性、猫头鹰、金鱼、花园等 6 张过往作品作参照,提示词完全相同,仅更换个性化代码就能改变画面表现。
Adobe 于 9 月 29 日更新 Lightroom 9.6 与 Lightroom Classic 15.6,称在窗户、玻璃、水面等复杂表面上的反光去除更干净、污迹和重影更少。
分享者给出两条可复用的图像生成提示词:一条把当前照片逆向还原到童年,另一条从当前年龄逐段推进到45岁左右,均输出3×3、每张9:16的九宫格,模拟旧相册与未来相机胶卷。作者用后者生成45岁的「オガワ」并据此制作了三人面谈视频,全片角色未开口,仅靠表情与人物关系完成叙事。
Google 于 2026 年 10 月 6 日发布 Nano Banana 2.1,底座换成 Gemini 3.6 Flash,把多参考图一致性、复杂局部编辑、文字海报等能力下放到 Flash 的成本和速度上。文章整理了九种实战用法,覆盖从多图一致性到养图,并附完整提示词。
推荐理由:围绕 Nano Banana 2.1 整理九种实战用法与完整提示词,可对照多图一致性和局部编辑等能力评估出图流程。
Google 于 10 月 6 日将生图模型 Nano Banana 更新至 2.1,底座换成 Gemini 3.6 Flash,升级集中在视觉设计、蒙版编辑、主体一致性和画面真实感四个方向。实测显示画面质感支持 4K 原图直出、微距细节扎实,中文文字的清晰度与排版也有明显进步,但连续改图环节仍存在需要留意的坑。
创作者「惰眠がしたい赤猫さん」为「大家的照片画廊」新增了 AI 插画「软萌三花猫」的多个变体,包括「ごろにゃん??」「ごろにゃん???」「ごろにゃん」三款。作品可通过搜索词「ゆるふわ三毛猫さん」「惰眠がしたい赤猫さん」查找,同系列还有 LINE 表情包。
Midjourney V6 所谓的「日语対応」并非指直接理解日语提示词,而是 2024 年 1 月发布的 Niji 6 模型提升了图像内日文假名文字的描画精度。
Qwen-Image-2.1 Turbo 沿用基础 2.1 的 7B 视觉生成架构,推荐调度为 8 步,官方示例用四张参考图把扶手椅、圆桌和边柜合成到同一房间角落。
Depth Anything 3 可从单张平面建筑渲染图估计出可用的相对深度图,为 ComfyUI 提供结构引导,但无法还原精确尺寸或被遮挡的表面。文章给出恢复工作流:保留原图与原始深度图,接入深度兼容的 ControlNet 与图生图路径,从较低的降噪和控制强度起步,并先用假彩色预览检查玻璃、细杆件、重复开间和大面积平面处的深度边界。
Chaos 在 Veras 4.5 中推出 Smart Selection,支持按对象、材质、类别及自定义提示词一键选中目标,无需蒙版笔刷即可驱动 Modify 和 Replace 操作,并覆盖 Web 端及 Revit、Rhino、SketchUp、Enscape 等集成。
OpenAI 公开 Asana 案例,用 GPT-6 Astra 分析浏览器 Agent 后,改用 GPT-6.1 Sol 优化,单次执行模型费用降至 $0.47、耗时约 4 分钟,费用最高改善 76 倍、速度约 5 倍。
你已经有产品图了。现在你需要把它放到别的地方。 Product Shots 让创意团队把同一产品置入新场景,无需每次从头开始。
Google DeepMind 推出 Nano Banana 2.1,在视觉设计、基于蒙版的编辑和主体一致性上超越前代模型。USA Today 以故意侵犯版权为由起诉 OpenAI,索赔超 2.5 亿美元。Google 还发布开源轻量多模态嵌入模型 EmbeddingGemma 2。
创作者用 AI 图像生成把《夺宝奇兵》式的古庙逃亡场景做成一张 8 格连贯分镜,每格标注景别、镜头焦距、运镜、动作描述与预估时长,并附环境参考以维持视觉一致性。该流程强调按导演思维拆解戏剧节拍、保护角色与场景连续性,可用于 Google Veo、Kling 等 AI 视频生成前的预可视化。作者指出成品仍需人工修正文字、连贯性与镜头规格,完整提示词仅向付费订阅者开放。
阿里通义开源 Qwen-Image-2.1-Turbo,基于 Qwen-Image-2.1 的加速 checkpoint,沿用同一套 7B 视觉生成架构,文生图与自然语言编辑只需 8 步去噪,官方称仍能生成 2K 图像并支持加配饰、换场景等连续编辑。
推荐理由:Qwen-Image-2.1-Turbo 以 8 步去噪实现 2K 文生图与自然语言编辑,并给出 Diffusers 与 API 两条上手路径。
Iris-3B 已加入 Aikimi Forge Neo,并在 RTX 3090 上对比通常版、INT8 与 W4A8 三种精度。832×1280 竖版图像生成的峰值显存为通常版 19.10GiB、INT8 10.89GiB、W4A8 9.71GiB,W4A8 更省显存但粒状感和细节差异增加,默认精度设为 INT8。
PROMPICKS 是一款 Windows 图像生成辅助应用,收录 4,874 个正向标签和 126 个负向标签共 5,000 个,支持用日语标签组合出英文提示词。它可连接 ComfyUI 直接执行生成并预览,兼容 checkpoint 与扩散模型分割结构,标准分割工作流最多可设 3 个 LoRA。售价 1,500 日元,ZIP 便携版,本体不含 ComfyUI 与生成模型。
ElevenLabs 在 ElevenCreative 中推出 Brand Kit,把品牌视觉规范从提示词中抽出来,作为工作区里的一个对象统一管理。用户可存入颜色、字体、logo、参考图和品牌使用规则,在 Image & Video、Flows 和 ElevenCreative agent 的提示词中输入 @ 即可调用,同一套 kit 跨各功能生效。
OpenAI 在 API、Codex 和 ChatGPT Work 推出 GPT-6.1 Sol 的 Ultrafast 加速服务档,官方称速度最高可达 Standard 的 8 倍,API 价格为标准档的 6 倍。
Pixolm开发者以红色急须为题材,用GPT Image 2.5在自由创作中生成3张AI图像,分别演示24mm f/11空间全景、85mm f/1.2商品特写、100mm微距f/8材质局部三种相机设定与构图。三张图于2026年9月13日生成,均为2K、High、1:1、背景Auto、开启相机设定、无参考图,未做修正或裁剪,并附实际使用的英文提示词。
一位零基础创作者用 Google 视频生成 AI「Gemini Omni」配合 Midjourney 制作 15 秒清凉饮料 Web CM,采用「15 秒 5 卡黄金接力」分镜:0-3 秒超近距微距表现暑热、3-6 秒高速慢动作开瓶、6-9 秒平滑推近喝饮料、9-12 秒甩镜跳转海滩、12-15 秒定格收尾。作者自评完成度仅 50%,因角色脸部崩坏、瓶身变形反复重生成,成片最终为 20 秒。
Qwen 发布 Qwen-Image-2.1-Turbo,这是 Qwen-Image-2.1 的加速 checkpoint,用于文生图与图像编辑,仅需 8 步去噪。
推荐理由:8 步采样与 KV 缓存复用文本和参考图上下文,创作者可据此评估出图与改图流程的提速空间。
Stable Diffusion Art 发布教程,介绍在 ComfyUI 中用 Flux.1 Fill 的 OneReward 变体整图重绘去除水印,降噪强度设为 0.4,提示词留空,由周围画面内容补全。
ComfyUI 分块放大虽能让 4K 渲染在有限显存上跑通,但每个分块边界都可能变成一次设计改动,出现女儿墙错位、立面开间重复或玻璃反射重启。建议用重叠分块、低 denoise,并按实际分块间距叠加网格,在 100% 视图下沿网格线检查长线条、重复开间、反射与植被的跨界处。若接缝改变了建筑结构,应带足上下文局部重跑该区域,而不是靠锐化掩盖。
Recraft 官方博客发布教程,介绍如何用 Recraft V4.1 Vector(Create → Model,每张图 4 credits)把角色配角转成矢量吉祥物,并生成表情包与贴纸包。流程包括简化形状、以 16:9 一次性生成六种姿势的贴纸表情表、导出 SVG 无损缩放,并在 16 至 32 像素下测试可读性。
VideoGen 提出评判 AI 图像生成器的七个维度:提示词遵循度、文字渲染、参考图与风格控制、速度、成套一致性、授权清晰度以及能否直接转为视频。在 VideoGen 中,GPT Image 2.5 Flare 负责精细细节与可读文字,Nano Banana 是另一主力画质选项,Flux Schnell 以 1 至 4 步去噪在数秒内出图,仅限 Low 档;每次编辑最多支持 5 张参考图。
Recraft 官方博客发布教程,讲解如何在 Recraft Studio 中用原创角色制作四格漫画:先用 V4.1 Flash(每张 0.5 credits)生成 2:1 四格分镜草图,再用 Nano Banana 2.1(每张 7 credits)逐格渲染,并附上角色与环境参考图保持一致性。文字气泡建议用文本工具添加而非图像模型,最后可导出为社交轮播图、竖版长图或网络漫画页。
HEISS UI 是 ComfyUI 的本地前端,把提示词框和画廊放在已有模型前面,ComfyUI 仍在底层执行任务。它开箱支持 28 个模型族并附带厂商推荐的采样器、调度器、步数和引导值,缺失的文本编码器、VAE 和节点包提供下载按钮,自定义 ComfyUI 工作流可按 API 格式或普通文件导入为控件。
Higgsfield 的 Moodboard 功能只在 Soul 2.0 中提供,用户上传 20 到 30 张风格统一的参考图作为自定义预设,Soul 2.0 会学习其光线、质感、对比度和色彩并应用到每次生成。
Flux Schnell 是 VideoGen 中最快的 AI 图像生成器,仅需 1 到 4 个去噪步骤,数秒内即可返回结果,适合草稿、情绪板和批量探索。GPT Image 2.5 Flare 与 Nano Banana 单张耗时更长,但细节更丰富、文字更清晰。
Recraft 官方博客发布教程,介绍如何在 Recraft Studio 中用角色主图创建自定义风格,再设计场景并把角色放入其中。
AI 正把建筑可视化的价值从"生成第一张图"转向"指导迭代、识别设计错误并记录图像能支撑什么"。图像生成变快后,瓶颈转移到挑选、修正与举证:一张看似完美的渲染图可能悄悄改掉平面、门窗或反射,因此需要方向、源控制、缺陷检测、证据控制与停止规则。文章认为提示词只是工作中很薄的一层,工艺知识会变成诊断知识,跳过基础会形成"审查赤字"。
Remotion 模板是可直接复制、修改和渲染的 React 视频项目与场景组件,官方提供 19 个免费起步模板和 3 个付费模板,社区最大的 reactvideoeditor 合集含 81 个 MIT 许可场景组件。