在首次 ComfyUI 增强前,如何标记建筑渲染图中锁定、可调与可替换的部分
在首次 ComfyUI 增强前,应为建筑渲染图附一份一页式保护简报,把画面划分为锁定、可调、可替换三类区域,并列出可核查的建筑事实。锁定区保留屋顶边缘、开窗、柱、楼梯、地界与相机位置,可调区限定材质、曝光、天空与玻璃色调,可替换区按边界规则重生成植被、人物与远景。每次只运行一项操作,并保留源图与各检查点对照表。
在首次 ComfyUI 增强前,应为建筑渲染图附一份一页式保护简报,把画面划分为锁定、可调、可替换三类区域,并列出可核查的建筑事实。锁定区保留屋顶边缘、开窗、柱、楼梯、地界与相机位置,可调区限定材质、曝光、天空与玻璃色调,可替换区按边界规则重生成植被、人物与远景。每次只运行一项操作,并保留源图与各检查点对照表。
Qwen-Image-2.1 是 Qwen 系列开源的 7B 统一文生图与图像编辑模型,视觉生成部分基于 32 层 Single-Stream DiT,采用混合粒度注意力和 prefix KV cache 复用。
ComfyUI 发布 comfyui-qwenimagerefpack,为 Qwen Image 2.1 提供十图参考管理功能,采用源自 MiniMax 的 5x2 画布布局,并支持裁剪、旋转与镜像操作。该工具以初始版本形式发布。
面向 ChatGPT、Gemini、Midjourney、Adobe Firefly 整理出 100 条可直接复制的 AI 插画生成提示词,覆盖人物、风景、动漫、商品、博客与 SNS 等场景。文章主张 2026 年的图像生成更看重用自然语言说清用途、主役、构图与氛围,而非堆砌「8K」「masterpiece」等长咒语,并给出六要素模板与改图修正指令。
美图设计室推出服饰穿戴功能,上传一张商品平铺图即可批量生成不同模特、姿势、场景的穿戴效果图,并支持AI服装换色、替换服装、切换模特与场景。用户还可在首页对话框一句话生成套图,或上传同行爆款图1:1复刻其光影构图,再继续生成带货视频,脚本由智能体团队自动产出。该工具已首批接入WorkBuddy、Codex等主流大模型,并支持手机APP操作。
Wireflow 在 2026 年白标 AI 图像软件评测中排名第一,通过 REST API 开放 30+ 图像模型(含 Recraft V4、Flux 2 Pro、Nano Banana、Seedream、Ideogram),输出无品牌水印,按用量计费且无按席位费用。Bria AI 以授权数据训练和 IP 赔偿见长,支持本地部署;Scenario 可基于自有素材库训练定制模型。
Rylaispirit 在 GitHub 开源 cinematic-video-prompt-skill,一个面向 AI 视频与图像生成的 Claude Skill,内置 700+ 电影摄影术语和一套提示词公式。
Qwen 团队开源 Qwen-Image-2.1,把文生图与图像编辑统一到一个 7B 参数的 checkpoint,原生支持 2K 生成与含 alpha 通道的 RGBA 透明输出,最多可用 10 张参考图,并支持圆形、涂鸦、独立蒙版指定局部编辑。
Oimi 发布十条可直接复制的 AI 手办提示词,把自拍照变成带亚克力展示盒、吸塑包装的收藏级玩具造型,覆盖黏土、乙烯基、树脂、毛绒与盒装等材质路线。作者给出快速操作方法:复制提示词并附上清晰本人照片,若提示词未提及参考图,就在开头加上锁脸句以保留面部特征。
Qwen 开源 Qwen-Image-2.1,一个统一文生图与图像编辑模型,视觉生成部分为 7B 参数、32 层 Single-Stream DiT。该版本支持生成常规与透明 RGBA 图像、最多 10 张参考图、圈选或蒙版局部编辑,并保持人物与商品一致性。
推荐理由:Qwen 开源统一文生图与图像编辑模型,并附带提示词改写模型,创作者可据此评估编辑流程的接入方式。
通义千问开源 Qwen-Image-2.1,一个统一的文生图与图像编辑模型,视觉生成部分为 7B 参数、32 层 Single-Stream DiT,兼顾生成质量、推理效率与通用性。
推荐理由:通义千问开源图像生成与编辑模型,并配套提示词改写模型,创作者可据此评估出图与改图流程。
这篇教程给出 Midjourney 工笔重彩提示词的关键词体系与四层结构,即题材、工艺语言、风格锚点和参数,并附 4 组可复制案例。
ComfyUI 创作项目 Photoshoot 发布 2.5.0 版本,Series 节点新增联系表,把每张照片按真实画幅排成帧并读取 ComfyUI 历史中的成图,点击可查看构图、姿势、焦点与情绪。
一名个人创作者用 Google Gemini 图像生成,把方眼笔记本上的圆珠笔涂鸦角色「あつまろちゃん」做成 LINE 贴图,在计划 40 个姿势中确定了 7 个,第 8 个卡住。
教程提出在 ComfyUI 中从同一锁定相机导出线稿与黏土/简单材质两个通道,用 ControlNet 双条件对照测试哪种输入保护哪些建筑事实。做法是固定 checkpoint、VAE、采样器、种子与分辨率,只改变条件路径,跑黏土单独、线稿单独、等权配对、调优配对四种情况,每例四个种子。
ArchiGen 分析指出,Syntina 的厂商对比页明确列出自身三项限制:不能替代精确尺寸与技术制图、不适用于精确照片匹配、不携带 Revit 模型的 BIM 数据。
2026 年批量图像生成工具分为三类:批量提示词应用、模板渲染器和 API 平台。Wireflow 以节点画布串联多个图像模型并通过单个 REST 端点调用批量任务,被评为最佳整体;OpenArt 支持 CSV/TXT 批量生成最多 500 张图,为免费批量上限最高;Recraft 提供异步批量接口,光栅图约 $0.035、矢量图约 $0.08。
CG 讲师 Julien Chateau 在 Generative AI Bootcamp for Film and TV 第一期期间做了一款浏览器端分镜工具,先手绘角色与机位草图,再生成保留构图和姿态的干净分镜帧。
作者在制作第二部作品时先用 ChatGPT 完成角色设计,做出喜欢的帅气美女形象,随后用 ComfyUI 生成该角色的多角度图。
该教程整理了 10 条人像海报提示词,覆盖日式水墨极简、Y2K 拼贴、剪影叙事、地下俱乐部、电影感红蓝配色、字体轮廓等风格,每条均附完整英文提示词与调整要点。作者建议将提示词粘贴到 ChatGPT 或 Gemini,替换方括号占位符,如需保留本人面部可在开头加入身份指令并附清晰正面照;长文本结构化提示词用 ChatGPT,人脸相似度要求高的场景用 Gemini。
针对同一批 5 件服装(印花 T 恤、百褶裙、针织开衫、皮夹克、跑鞋),8 款 AI 时装模特生成器按服装保真度、模特一致性、批量吞吐和价格接受实测,Wireflow 因把服装预处理、模特生成与超分串成一条画布链路排名第一。
资深 VFX 合成师兼 2D 总监 Rudyard Cretenet 在生成式 AI Bootcamp 第一期完成三个项目,于 2026 年 9 月 11 日向最终评审团展示。
AI海报显得廉价,问题多出在风格词太空、信息层级乱、装饰元素过多、提示词不清晰这四个基础环节。文章拆解了这些常见问题并给出改法:控制信息量、拉开主次、把"高级感"说具体,以及按顺序写海报提示词。
一个能生成单张建筑效果图的 ComfyUI 工作流可能只是对某张截图调参调出来的,ArchiGen 建议用四张差异明显的输入做可移植性测试:干净黏土外观、玻璃幕墙室内、低对比黄昏视图和杂乱城市环境,分别暴露立面细节臆造、深度错误、假开口和噪声混入结构控制等问题。
Promptsref.com 分享 3 个 Midjourney 插画 SREF 代码,分别主打稀疏不完美线稿、粗犷涂鸦几何图形,以及融合日式漫画与复古海报的哥特暗黑风。三者均以黑线、暖纸色和少量点缀色构建手绘质感,适合童书、独立漫画、海报、贴纸与游戏主视觉等场景。其中两个为会员专属 SREF。
有没有过拍完才发现被要求补拍背面视角?我们也遇到过。 Camera Angles 把一张照片变成一整组拍摄。选好角度,就能从每个角度拿回同一个主体,细节完好。 为你那些想拍却没拍到的镜头。
作者整理了一套用一条提示词生成海报标题艺术字的玩法,把主题、字体感觉、颜色和氛围写进提示词,十几秒就能先跑出一版效果。作者试了手写毛笔、粉橙果冻字、紫色流光、科技速度字、未来霓虹、金色高级字等方向,覆盖电商海报、活动主视觉、详情页和 AI 设计封面等场景,提示词结构不复杂,换掉主题和风格描述即可复用。
内嵌文字正是你还在打开 Photoshop 的原因。 Layers 现在能提取它了。选中图层,点击 Extract,文案就变成实时文本,并已自动匹配字体库中最接近的字体。重新输入。更换字体。重新排版。 改一句文案只需两次点击,而非重新生成。 Layers,由 Uni-1 驱动。
Hugging Face 团队用 Gradio Workflow 重建了 AUTOMATIC1111 的大部分功能,做成单一画布 Workflow1111,由 11 条媒体管线和 73 个节点组成。
推荐理由:用 73 个节点复刻 A1111 全部功能,可对照 ComfyUI 评估节点式工作流的另一种组织方式。
Luma 宣布 GPT-Image-2.5 已在 Luma Agents 上线,同时接入 OpenAI 两款新图像模型,均于当日可用。其中 Flare 面向速度与批量,Sunburst 面向需要精确落地的编辑;用户可带入参考图、只改需要改的部分并保留其余内容,再转入视频。
Google DeepMind 与 Primordial Soup 合作推出纪录短片《Love, Rendered》,用 AI 复原 Burt 和 Ethelle Shatz 夫妇未曾拍摄的相遇场景。
推荐理由:Google DeepMind 用图像修复与表演捕捉模型复原未拍摄的往事,可看到生成式工具在纪实影像中的具体用法。
OpenAI 推出 ChatGPT Images 2.5,可将想法、草图与参考照片转化为更个性化、更精致的图像,更贴近用户原本的构思。
Google 在 Workspace 下推出图像创作与编辑工具 Google Pics,基于 Nano Banana 图像生成与编辑模型,将在未来几周向所有 Google AI Pro 和 Ultra 订阅者及多数 Workspace 商业客户开放。
推荐理由:Google 把图像生成与编辑工具接入 Workspace 应用,可据此判断团队出图流程是否要迁移。
Gradio 内置的 gr.Workflow 把 AI 管线描述为带类型节点的图,提供可拖拽画布,每个节点可运行、中间结果可见,同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由:Gradio 把多步 AI 管线做成可视化图并自动暴露 REST 接口,可对照现有出片流程评估迁移成本。
Hugging Face 博客介绍 Diffusers 现已原生支持 Nunchaku 的 4-bit 扩散推理,加载量化 checkpoint 只需调用 from_pretrained(),无需本地 CUDA 编译。
推荐理由:Nunchaku 的 4-bit 量化推理现已原生接入 Diffusers,创作者可据此评估消费级显卡上的出图显存与速度取舍。
PRX 系列第四篇披露其数据管线:预训练数据由公开与内部数据集混合组成,用 VLM 重新生成图像长描述,再转为可流式训练的语料。团队改用 Qwen3-VL 文本编码器并在训练中实时计算文本 latent,实测吞吐损失约 3–4%(30 天训练多花约 1 天)。图像统一以 JPEG quality 92 编码,经实测首次重编码几乎不可察觉。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:两款模型分别主打图像生成的速度成本与视频的对话式编辑,开发者可据此评估接入组合流程。
OpenAI 推出 ChatGPT Images 2.0,改进了文字渲染、多语言支持与视觉推理能力。该版本于 2026 年发布,Images 2.5 的新功能可另行查看。
ChatGPT 支持通过清晰的提示词创建和优化图像,用户可在几分钟内迭代设计并生成高质量视觉内容。
Google DeepMind 发布最新图像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),将 Nano Banana Pro 的先进世界知识、质量与推理能力带到 Flash 速度。
推荐理由:Nano Banana 2 把 Pro 级世界知识与文字渲染下放到 Flash 速度,并给出多平台上线与定价入口,可据此评估图像工作流是否切换。