8GB GPU 实测 Ming-Image 0.1:1024 透明图不出,2048 才透
在 8GB 显存的 RTX 3050 上通过 ComfyUI 0.38.0 运行 Ant Group inclusionAI 的 Ming-Image 0.1(MIT 许可,绘图部分 6B),1024×1024 出图约 29 秒、模型加载后约 20 秒。
在 8GB 显存的 RTX 3050 上通过 ComfyUI 0.38.0 运行 Ant Group inclusionAI 的 Ming-Image 0.1(MIT 许可,绘图部分 6B),1024×1024 出图约 29 秒、模型加载后约 20 秒。
这个Skill的含金量还在上升中 最近视频号已经至少刷到3个用这个skill的账号了,哈哈
粉丝用我的skill,在视频号一周1.3万粉了,比我快多了
作者在 RTX 3090 上实测 pablodawson 的 MiniMax H3 360° Orbit LoRA,用同一张图作为视频首尾帧,生成约 3 秒、73 帧的环绕视频,中途会出现原图未拍到的背面。
这篇 2026 年版速查表按用途给出 AI 图像生成工具的选择结论:追求画面美感选 Midjourney,需要日语文字入图或对话式修改选 ChatGPT 或 Gemini,商用图片重视版权合规选 Adobe Firefly。
作者把 PixAI 账号里攒下的 15 万积分一次性放出用于图像生成,全部作品均未使用参考图。生成过程按顺序展示,其中一张失败图消耗 7000 积分,而每日登录奖励为 1 万积分。因仅靠提示词效果有限,作者又花 10 万积分用 LoRA 训练模型,喂入 10 张手头的半写实图片,认为效果明显变好。
2026 年 TikTok 上反复出现的 AI 视频趋势是六种可复用格式:AI 微短剧、超现实角色梗、会说话的动物与物品、ASMR 解压片段、配音电影感 B-roll 和"what if"第一人称场景。
CoAnimator 通过应用菜单里的 CLI 和 Skill 两项安装接入 Claude Code,而非 MCP 服务器,因此用 claude mcp add 找不到对应命令。
ArchiGen 提出用工作室日常能接受的最弱源图来测试 AI 渲染器,固定相机与关键设计事实,只做一次首轮生成和一次受控修改。该方法要求产出五帧:可接受源图、默认首轮、受控修复、交付导出与差异叠加图,并以改动的不变量数量、首次可用输出与修复耗时来计分。文章援引 Rendero 对 11 款 AI 渲染产品的对比,指出其并未实际执行该测试。
针对 AI 生成图像后想微调却不知如何描述的问题,一套修正指令方法建议先指定底图并锁定具体位置,再把「哪里不满意」和「希望改成什么样」配对表达,例如要求「画面右侧人物闭嘴、嘴角微抬的温和表情,不要大笑」。文中给出含用途、最优先修改点、希望效果、需保留部分、避免变化等栏位的输入模板,并建议一次只改最在意的部分、修正后与原图并排比对。
mushigaite 在 GitHub 开源 short-video-maker,可将 YouTube 视频或本地文件自动切成 9:16 竖屏短视频,集成高光检测、字幕、翻译与配音,且无片头署名和水印。
推荐理由:开源项目把长视频切片、字幕、翻译与配音串成一条本地流程,可作为短剧出海剪辑工具的免费替代方案参考。
阡陌发布教程,介绍在约 8GB 显存的 RTX 4070 Laptop 上通过 ComfyUI 本地生成图片与视频,图片用 Qwen-Image-2.1 越狱版 GGUF 工作流,视频用 MiniMax H3 的 04_i2v_fl2v_4step_sla_lowvram 工作流。
推荐理由:8GB 显存下跑通 Qwen-Image-2.1 与 MiniMax H3 的完整路径,含模型文件、目录结构与参数配置,可对照复现。
在 RTX 3060 Ti 8GB、RAM 16GB 的研究室 PC 上,FreeVideo + MiniMax H3 成功生成 1280×704、约 10 秒、243 帧视频,耗时约 25 分 17 秒。
基于 Muse Gadgets SDK,用 M5 Stack 的 Stop Watch 硬件做出一个磁吸在电脑屏幕旁的小玩具,已内置多个常见 ESP32 设备固件可直接刷入。作者做了 UI 优化、更改语言并加上语音输出,语音能力接入 MiniMax API。
Sky 的「监督模式」让创作者先在 3D 空间摆放人物、设定相机位置与动线,再交给 AI Agent 生成视频,作者用它完成了一支约 30 秒的体育教师 POV 头发展检查短片。
OpenAI 已于 2026 年 5 月 12 日从 API 下线 DALL-E 3,ChatGPT 免费版内置图像生成每天仅约 2 到 3 张。
VIBE 发布电影级 AI B-roll 生成指南,提出"主体、动作、镜头、光线、调色"五段式提示词配方,并列出 Kling 3 Pro、Luma Ray 3.2、Google Veo 3.1、Sora 2 Pro 等模型的具体参数。
Topaz AI 并非免费:Topaz Labs 已于 2025 年 9 月终止 Topaz Photo AI 和 Topaz Video AI 的永久授权,桌面版也不再提供试用,改为先付费、48 小时内可申请退款。
这篇教程把 Midjourney 浮世绘提示词拆成题材、工艺语言、风格锚点和参数四层结构,核心是粗墨勾线、有限色平涂与和纸纹理。
LetsEnhance 是乌克兰团队运营的浏览器端 AI 放大工具,Trustpilot 186 条评价获 4.1 分,付费版最高支持 16 倍放大与 512 MP 输出,免费账户仅 10 积分且输出带水印。
CoAnimator 提出 Agentic AI 视频创作的 7 个层级框架,从手动剪辑、AI 辅助任务、提示生成、预定义工作流,到第 5 级智能体主导剪辑、第 6 级智能体检查并修改、第 7 级智能体维护已保存项目。该框架以决策权、结果检查、可维护性三个维度区分工作流与智能体,并以一个 40 秒产品演示更新为例说明各层级责任差异。
日本创作者 hagiri 以 9 月 29 日的角色设定表为基准,用 AI 试作了 note 看板娘的 5 种表情与缩略图,做法是把「要保留的特征」和「可变的特征」分开指定。优先固定的是柔和脸型、偏大的茶色眼睛、齐刘海及肩棕色蓬松头发、白衬衫配浅米至粉色开衫和柔和动画风,表情、姿势、小物与背景则随文章场景变化。作者强调这只是一次少量试作,不保证一次生成同一张脸,也未测量节省的时间。
AI UGC 营销指用图像和视频模型生成自拍测评、开箱、演示等创作者风格广告,而非为每条片子雇真人。
MiniMax H3 可借助自身参照图像与提示词理解能力,在 ComfyUI 中无需专用 LoRA 或额外训练即可生成角色设定图,生成使用 Core 节点,自定义节点仅负责生成 JSON 与自然语言提示词。该节点将正面、侧面、背面及面部特写等视图指令与原始图像结合,保持同一人物与服装一致,未拍摄部位由 H3 补全。日文提示词效果较差,英文提示词更易通过;若无需单独生成手脚图像,可关闭该功能。
Opus 5.5 + Minimax H3 制作 科普系列《辣椒》
用 AI 画漫画时,同一「自宅」「保育园」每次生成的门窗位置、家具布局和房间大小都会变。作者为此制作了独立于角色设定表的「背景设定表」,记录场所类型、门窗与大型家具位置、房间关系等基本布局,并写入构图与描写规则,如玄关不用正面构图、冰箱位置固定、保育园滑梯等设备固定。小物与当回才出现的物品不写入该表,由剧本侧管理;设定表直接交给图像生成 AI 读取,而非每次改写成提示词。
Manus 视频编辑器随 Manus 2.0 于 2026 年 10 月 1 日发布,内置于桌面应用 Manus Studio(macOS 和 Windows),把生成素材放上多轨时间线,由 Agent 先出粗剪再逐轨精修。
山行AI 整理了面向 Windows 的 Wan 3.0 视频批量生成工具 PowerTokens/video-studio,用 Excel/CSV 镜头表驱动批量生成,并给出幂等与断点续跑方案。
UX 设计师 Yennie Jun 的独立验证显示,DALL-E 3 并不直接处理日文提示词,而是先在内部将其翻译扩展为英文再交给图像生成层。该验证覆盖 6 种语言、每提示词 20 张共 120 张图像,发现 Zulu 语提示词生成非洲裔人物的比例超 50%,英文提示词仅约 20%。
用 AI 音乐做广告歌可分五步:写歌词、生成并锁定歌曲、测量逐词时间轴、按小节做画面、加字幕。作者对照各家条款指出,Suno 付费档才把生成结果的权利让渡给用户,Udio 现行条款仅限个人非商用且关闭下载,ElevenLabs 自助套餐排除影视、电视和广播;Meta 与 TikTok 的通用音乐库均不可用于商业广告。美国版权局认为纯 AI 生成内容不受版权保护,人写的歌词是最能主张权利的部分。
按每分钟 183 词的朗读速度,15 秒广告脚本约写 35 词、30 秒约 70 词、60 秒约 145 词,留出约 20% 时间给无旁白的画面。文中给出 8 个 15/30/60 秒脚本范例,每行分「旁白」与「画面」两栏,并说明面向 AI 配音或 AI 主播写作时需一句一呼吸、句子控制在约 15 词内,且不得让生成主播声称自己使用过产品。
智能体 AI 视频由模型、智能体、技能、MCP/工具、项目、渲染器、反馈回路和工作流等可替换的层组成,每层故障对应不同修复方式。模型负责推理但无法操作项目文件,智能体(如 Claude Code、Codex)才能读写文件、运行命令并查看自身渲染结果。
ComfyUI 建筑渲染修反射的正确顺序是先锁定最终光照,再用玻璃遮罩配合深度或 Canny 引导,以低 denoise 只重绘玻璃区域。官方 ControlNet 示例指出 Apply 节点不会自动生成深度或 Canny 图,需自行提供匹配输入;官方 inpaint 工作流也只重绘选定区域。作者用五道检查点把关,最后以差异遮罩确认改动未越出遮罩范围。
Aitrepreneur 展示了自制的 Qwen Image 2.1 ULTRA ComfyUI 工作流,支持最多 9 张图的多图编辑,可用文本提示替换角色、移除或移动物体。工作流还包含局部重绘、扩图、去背景等操作,并配合额外工具与 LoRA 使用。
创作者妖精屋以「在色彩斑斓的日本庭园散步」为起点,用 ChatGPT 完成构思、分镜与静止画面,再转为视频并剪辑成片,音乐由 SUNO 生成。整套流程以手机为中心,面向不熟悉复杂提示词的新手,该 note 现价 980 日元,后续追记与更新可能调整价格。
Aikimi Forge Neo v3.5.0 集成 ausboss 的 Qwen Image 2.1 用 Outpaint LoRA,可在画布边角拖拽扩图并完成合成与 PNG 保存,仅需额外约 160 MB LoRA,与 Qwen 本体共享运行环境。
MoneyPrinterTurbo 被实测能否把"主题 → 文案 → 素材 → 配音 → 字幕 → 成片"整条流程真正跑通,测试覆盖本地制作、远程访问与授权验证三个环节。原文已给出较完整的测试路径,验证重点不是"AI 能否自动做视频"这一宽泛命题,而是该工具端到端流程的实际可用性。
用 Codex 辅助,即使不熟悉 React 也能完成第一支 Remotion 动效视频。Remotion 把视频画面写成 React 组件,动画、布局和数据都由代码控制,省去传统时间轴剪素材、拉关键帧、调转场再等渲染的流程。
在无 GPU 的普通笔记本(Ryzen 7 7735HS、32GB 内存)上,用本地 AI 让 Qwen3.5(4B)写小说、FLUX.2 klein 4B 绘图、VOICEVOX 配音,做出 40.9 秒 6 场面的竖屏朗读视频。
OpenAI 的 GPT Image 2.5 内置 Flare 和 Sunburst 两个模型:Flare 是默认模型,比 GPT Image 2.0 画质更高、速度快 2〜4 倍;Sunburst 是最高精度模型,生成更慢但控制更细,同提示词下服装材质与照片质感更真实。