ArchiGen:未经审核的渲染图不要进入 AI 精修流程
ArchiGen 提出在 AI 精修前设置六项基础渲染验收门槛:相机、几何、材质、光照逻辑、内容与证据记录,未通过者退回建模软件而非交给模型修补。文章指出 ComfyUI 只是节点界面、Flux 只是模型家族、4K 只代表像素尺寸,均不保证建筑准确性;一旦图像进入图生图流程,原有缺陷将难以归因。精修是编辑而非检查,保留效果必须对照已知输入来衡量。
ArchiGen 提出在 AI 精修前设置六项基础渲染验收门槛:相机、几何、材质、光照逻辑、内容与证据记录,未通过者退回建模软件而非交给模型修补。文章指出 ComfyUI 只是节点界面、Flux 只是模型家族、4K 只代表像素尺寸,均不保证建筑准确性;一旦图像进入图生图流程,原有缺陷将难以归因。精修是编辑而非检查,保留效果必须对照已知输入来衡量。
ComfyUI H3 Project Suite 的项目面板现已可在 SwarmUI 内运行,因 SwarmUI 代理会丢弃携带面板安全令牌的请求头,令牌改为回退到请求体,文件上传场景则回退到 URL。普通 ComfyUI 不受影响,相关说明见 SECURITY.md 与 CHANGELOG.md。
ComfyUI 遮罩编辑器(Mask Editor)首次发布 Shift 取色功能,可在默认的 Paint Pen 中通过 Shift 点击拾取颜色。
开发者发布 ComfyUI 自定义节点 ForgeNeo Bridge,将 Forge Neo 生成的图片拖入 ComfyUI 画面即可读取模型、提示词、种子和尺寸等信息并自动排布工作流。
开源项目 killkli/minimax-h3-colab-skill 是一个可独立使用的 Codex 技能,通过 Google Colab 将本地参照图片生成短篇 MiniMax H3 Ref2VA 视频。
LibTV 1.5 上线,Agent 升级为 TV Director,并新增剧本原创及改编、角色造型室、导演执导、3D-BOX、创意片头五项能力。作者以一部古装短剧实测:TV Director 可一次规划 50 集大纲与分集剧本,剧本支持像文档一样手动编辑或框选交给 Agent 修改;角色造型室可捏脸调整五官、发型、身材与服装,并批量替换画布上相关资产。
推荐理由:作者以完整古装短剧实测 LibTV 1.5 的剧本、角色、分镜与 3D 预演流程,可据此判断这套工作流能否替代现有出片环节。
设计与AI领域近期集中出现 Claude Opus 5.5 的实战验证:有人将长文提示词交给 Opus 5.5,结合 Midjourney 与情绪板运行约 12 小时,隔夜生成完整长片。
AI Fruit 的故事(Story)工作流可从一段剧情简介直接生成多场景水果短剧成片,规划分场完全免费,仅生成场景时扣积分。按默认 Grok Imagine Video 720p 每秒 3 积分计,3 幕短剧约 54 积分,4 场景约 72 积分,且点击前会显示精确估价。项目支持 3、4、6 个场景,共用同一模型、分辨率与画面比例,导出为 9:16 竖屏可直接发 TikTok。
ArchiGen 提出,品牌标识、导视文字、指定产品等精确视觉资产不应交给提示词生成,而应作为受控输入插入图像。文章以 Chaos 为 Veras 5.0 新增的 Insert Images 功能为例,说明用户可在 2D 画布放置参考照片、logo 并移动、缩放、旋转,画布排布会被保存。作者建议先建立包含源文件、版本、使用范围与放置说明的资产包,再锁定视角、确定平面、保护资产并单独处理物理融合。
Tagtelier v0.5.18 为 LoRA 画面新增「排列方式」,可按文件夹分组显示并记住选择,同时修复了不同文件夹同名 LoRA 被合并、只显示一个的问题,重名项以「文件夹名/文件名」显示。该版本还新增 LoRA 商用利用标识(可经「商用信息获取」按钮从 Civitai 批量取得)、收藏 LoRA 缩略图加★、按检查点或 UNET 注册规定提示词,并支持 LoRA 强度取负值。
Qwen-Image 2.1 与 TaylorSeer 缓存并用的张量形状不匹配问题已修复并合并进 Diffusers 主分支,从 9 月 21 日晚提 issue 到 9 月 25 日合并不到四天。
ComfyUI 批量节点插件发布 v0.2.0,新增 BatchLoadRecords 通用记录迭代节点,可消费 BATCH_RECORDS 列表并与任意 BatchSave* 节点配合,支持 {index}、{name} 等模板 token 及自定义字段格式。
Nerdy Rodent 发布教程,讲解如何在本地 ComfyUI 中运行 Qwen Image 2.1。该模型除文生图外还支持图像编辑,最多可输入 10 张参考图,用于换脸、换头、换背景、多角色合成与自然语言改风格,INT8 模型文件小于 8GB。
推荐理由:演示 Qwen Image 2.1 在本地 ComfyUI 中的文生图、图生图、局部重绘与超分流程,可据此评估本地出图方案。
Claude Opus 5.5 遇上 Runway MCP。 将 Runway 直接接入 Claude,即可用 Gen-4.5、Seedance 2.5、GPT Image 2、Kling 等生成精美图像和视频,就在你的工作界面中完成。几秒内即可通过下方链接接入。
一组「教室里的光」主题 AI 海报由 Qwen-Image 3.0 生成,共 9 张,围绕深夜办公室灯光、粉笔鲸跃出黑板、粉笔灰落成雪等场景展开,画幅比例均为 3:4。同款 LoRA 与图片模板已上架 LiblibAI,完整提示词已公开,可供参考二创。
explainroo 是一个免费开源工具,让编码智能体根据主题生成讲解视频,配音、计时和渲染都在本机完成,最终输出 MP4。智能体只需写 script.md 和 scenes.js 两个文件,Kokoro 负责朗读(28 种声音、无需账号或 API key),Whisper 标注每个词的发音时间,Chrome 后台绘制画面,ffmpeg 合成视频。
开源项目 muse2api 将 muse.ai 网页端多模态能力逆向封装为 OpenAI 兼容 RESTful API,支持 /v1/chat/completions、/v1/responses、文生图、图生图、文生视频与首帧图生视频。
YeJe-cpu 在 GitHub 开源 SeeCut,一个给 Claude Code 等 coding agent 用的 skill,把数字人或真人口播素材自动精剪成带动效的竖屏短视频,并可选推成剪映分层草稿微调。
推荐理由:作者开源了一套可复用的口播精剪 skill,含数字人配音与剪映草稿交付的完整流程。
ComfyUI-Easy-Media 发布 v1.3.3,新增多图加载器,并修复多轨项目中视频音频提取导致的音频锁死问题。该版本为多轨编辑器加入任务图片静音、任务片段合并与提示词批量应用,支持暂停预览精确到帧,并允许 SelfLift 高分辨率阶段使用独立模型。
bestagentkits 在 GitHub 开源 motion-video-skill,这是一个让 Agent 生成节拍同步动态图形视频的技能,输出 1920×1080、30 fps,画面切点落在音乐节拍上、揭示动画落在旁白词上。
ChatGPT 的 /leeveo 命令可将同一角色转换为不同面孔、年龄、服装、表情、姿态与故事世界,同时保持身份一致。官方演示以 Gandalf、Frodo、Mad Max、The Bride 为参考,一个参考角色衍生出十种创作方向,用于 AI 影片、分镜、游戏、营销活动与视觉叙事中的角色构建。
2026 年 9 月 24 日发布的 LaunchVideo 用编码智能体把视频写成 HTML,再由无头 Chromium 逐帧渲染、ffmpeg 以 1920×1080、30fps 编码成 MP4,一次运行约四分钟、消耗约 10 万 token,产出 20 到 40 秒成片,全程不使用视频模型。
针对社区对 ComfyUI 建筑渲染教程的需求,ArchiGen 提出教程应展示失败帧而非只给成品:每个失败帧隔离一个错误行为、记录对应设置并给出下一步修正。教程建议从官方 image-to-image 基线出发,每次只加一个建筑相关控制并排队验证,先教几何丢失、控制冲突、改动不足、局部修复四类失败,再出最终渲染。
ComfyUI-PerfectVideoResolution 发布工作流更新,将 changelog 提取逻辑改用纯 shell 重写。此前工作流内嵌的 Python(pathlib/subprocess)被 registry 安全扫描器标记为 python_sensitive_file_access,导致 0.1.1 版本被拦截。
作者用 MiniMax H3 尝试生成约 30 秒的枪剑对战杀阵视频,发现只写"激烈战斗"等笼统提示词时,模型会打一下就停下等待,改成按 0〜3 秒、3〜7 秒等时间段逐段指定接近、碰撞、错身、反身、击飞等动作后才真正打起来。
Tern 是一款在 Apple Silicon 上本地运行的播客与视频库搜索工具,通过 whisper.cpp(Whisper Large v3 Turbo,Q5)、Apple Vision OCR 和 SigLIP-2 三路索引,可按语音、屏幕文字或画面内容检索任意片段,结果融合为统一排名。
BridgeMind 发布开源桌面应用 BridgeClip,可从播客、直播和访谈中找出完整片段,剪辑后导出带字幕的竖屏 9:16 或横屏 16:9 短视频。视频渲染在本地完成,AI 处理走用户自己的 OpenRouter key,支持 macOS、Windows 和 Linux,安装包内含 Python、FFmpeg 与 yt-dlp。
推荐理由:开源桌面工具把长视频切片、字幕与发布串成一条本地渲染流程,创作者可据此评估自有素材的复用方式。
OpenCut 发布 FFmpeg 8.1.3 (build 1) 预发布版,为其媒体 crate 提供 LGPL 共享构建,由 Media dependencies 工作流编译。每个压缩包内含确切的 configure 参数(BUILD.md)及 FFmpeg 许可证,可通过 bun run crates/media/setup/pin.ts ffmpeg-8.1.3-1 固定版本。
Trendlume v0.3.0 发布,将视频生成引擎从单一文本流水线升级为知识科普、电商带货、故事短剧三大赛道生产体系。
SmartSub 发布 v3.9.0,新增内置 AI 创作助手(快捷键 ⌘J / Ctrl+J),支持上下文感知、对话式字幕润色、截图排障与文件对话。该版本支持 MCP 协议与 CLI 自动化,提供 111 个工具与统一命令行,可一键连接 Cursor、Codex 与 Claude Code,并新增音视频工具箱,涵盖音频提取、字幕合并/转换/对齐、视频压缩、裁剪与转 GIF。
BeefTV 是一个面向 AI 视频创作的开源桌面工作台,在自由画布中连接提示词、模型与素材,支持生成文字、图片、视频与音频并继续加工迭代。项目可自由配置文本、图片、视频与音频模型渠道,不绑定单一 Provider,数据支持本地保存和迁移,桌面端基于 React、Go 与 Wails 构建。
Ciru 在 ComfyUI 中发布 Qwen Image 2.1 图像编辑模板,路径为 Templates → Extensions → ComfyUI-CiruImageAccelerator → qwen21-1024-image-edit-full,在 Load Image 选源图并写入引用 ` ` 的指令后即可排队运行。
ArchiGen 提出用同一张已验收图像跑三项常规修订(材质替换、物体移除、局部打光)来评估 AI 渲染工具的真实成本,而非只看订阅价和生成速度。修订成本需计入产品积分、操作员人工时间、非请求的画面漂移和复审时间四类资源,并建议把项目交接给同事复现一次修订以检验流程是否可复用。
针对建筑师想用 ComfyUI 改善渲染又不丢构图的需求,ArchiGen 提出按安装、工作流、条件控制、建筑四层顺序排查故障,前一层出错会让后一层结论失效。安装层需确认模型、VAE 加载且同一设置能连续跑通两次;条件控制层建议固定其他参数只调 denoise,再单独测控制强度,避免同时调两个变量。
Creatopy 在 2026 年更名为 The Brief,Pro 版涨至每月 29 美元、Ultra 版 79 美元、2 至 10 人团队每席位 49 美元,促使横幅与展示广告团队寻找替代方案。
面向 Remotion 项目的 8 款渲染 API 工具被按自建基础设施量与成本可预测性排序,Wireflow 以单一 REST 端点串联多模型视频链路居首,Remotion Lambda 适合已有 React 合成项目。
ClipForge v0.9.10 修复了火山方舟 Seedream 多图参考与空 Seed 参数问题,免费配画面不再静默混入无关通用背景,未找到贴题素材的镜头会明确留空并提示处理。教程同步补充首次使用、九宫格和排错步骤。
ClipForge v0.9.9 为文字剪辑加入逐段试听停顿功能,并可调整停顿两侧的保留边界。该版本聚焦停顿处理的试听与边界控制,便于在文字剪辑中更精细地调节停顿效果。
9月23日,阿里云智能设计中心「AI 设计原生力」Agentic Design 工作坊在云栖大会落地,围绕 AI 影像、Vibe Designing、Agent 产品设计与体验度量展开分享。
OpenShorts 桌面版发布 v0.1.2,安装包未签名,首次打开需在系统设置中放行。该版本将安装命令改为 npx openshorts,并在发版前对打出的包做接口冒烟测试,同时修复了 doctor 的多语言输出与中文扫描问题。