用 ComfyUI 生成持枪女特工:营造纵深感与锐利眼神的标签与 JSON
作者用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成持枪女特工插画,采用 1344×768、Seed 2026101806,未使用 LoRA、ControlNet 或输入图像。
作者用 ComfyUI 搭配 Animagine XL 4.0 Opt 生成持枪女特工插画,采用 1344×768、Seed 2026101806,未使用 LoRA、ControlNet 或输入图像。
作者在 ComfyUI 中用 Qwen Image 2.1 搭建只绘制左右两侧的扩图工作流,原照片按 960 px 高居中放在 2240x960 画布上,两侧先用照片边缘镜像填充,再由模型生成并回贴原图。
Moonshot AI 发布 Kimi K3.1 Pro,采用 2.8 万亿总参数 MoE 结构、每次处理约 1,040 亿参数,支持 100 万 token 上下文,并推出输出速度约 2-3 倍的 Highspeed 版。
GPT Image 2.5 可用的万圣节头饰模板共 9 种,含南瓜帽、黑猫耳、大女巫帽、小恶魔角、蝙蝠耳、幽灵兜帽、吸血鬼迷你帽、兔耳和假面舞会面具。模板分白黑线稿版与仅头饰上色版两种,编号一致可任选。用法是向 ChatGPT 等图像生成 AI 上传角色图和模板,报出编号即可让角色戴上对应头饰。
MOSS-Image 社区出现首个概念验证 LoRA,可直接从采样器输出带 alpha 通道的透明 PNG,无需色键或去背模型,玻璃、翅膀等半透明区域也能保留。
作者公开一套换装与换妆提示词模板,只改参考图中人物的服装和妆容,保留脸型、发型、表情、姿势、背景与构图,在 ChatGPT 或 Gemini 中把占位词替换成目标风格即可。
一份面向 ChatGPT 等生成 AI 的提示词教程,分 5 步把地雷系 AI 美女图做成 iPhone 随手拍质感:从露出全脸的地雷系妆容与色调起步,逐步加入遮脸、小物与手抖闪光等情境。每步附英文提示词与日文说明,并给出 10 组可复现作例,覆盖黑发波波头、茶发长卷、姬发式等造型与咖啡馆、电梯厅、旧书店等场景。
一份面向 ChatGPT 和 Gemini 的手绘风日常插画提示词合集,共约 100 种题材,全部以可直接复制的 JSON 格式给出。每个题材除基础版外,还提供 9:16 竖版、1280×670 的 note 封面横版,以及更换背景、光线氛围的改编版,并附 negative_prompt 与 aspect_ratio 字段。
有用户用局部重绘工作流横向对比 MOSS-Image、Flux.2 klein 9B 和 Qwen Image Edit(2511),认为 MOSS-Image 表现不及预期,而 Flux.2 Klein 与 Qwen Image Edit 能稳定完成任务。该用户补充 MOSS-Image 在常规文生图(T2I)上表现不错,并承认测试可能存在技巧因素,工作流将发在评论区。
一位 Reddit 用户用同一段人像提示词对比了 7 个图像模型的出图效果,排名依次为 Nano Banana 2.1、GPT Image 2.5、Muse Image、Qwen image 2.1 turbo、Flux 3 Klein、Krea 2 turbo 和 Moss-image-sft(8 steps LoRA)。
作者用 Hermes Agent 搭配 Qwen3.8 Flash Next 125B IQ3_S 与 ComfyUI 上的 MOSS-Image,在本地完成日文信息图与漫画风格图像生成。
作者为 MOSS-Image 训练了一个 LoRA,配合 trmz/flux2-klein-alpha 的 RGBA VAE,在提示词末尾加上 isolated on a transparent background 即可从采样器直接得到透明 PNG,无需抠像或色键。
作者用 GPTimage 做了一套自用角色设计 Skill,把画风固定成 GPTimage 主流风格并压低头身比,让角色更偏动画比例。实测中仅用提示词、常规画风与头身调整生成犬耳女仆三组对比,无记忆的 GPT 版本仍出现不被认可的犬耳。作者称该 Skill 可复用,也能只做调整而不重新生成。
VideoGen 于 10 月 20 日发布首个自研视频生成模型 Model 1,可凭单条指令生成最长 10 分钟、跨场景人物一致的多镜头视频,最多参考 16 张图像,目前向部分合作方开放。
一位创作者把 Midjourney 提示词整理成合集在 note、Gumroad、PromptBase 上出售,实现月稳定收入 5 万日元以上。其中 note 上的「动漫角色生成提示词集」定价 1000 日元、月均售出 150 套,Gumroad 英文版月售约 100 套、单价 15 美元,PromptBase 月售约 150 套、单价 5 美元。
用户用 ai-toolkit 和 DiffSynth 为 Moss Image 训练了多个角色 LoRA,但生成图片时图中每个人物都会出现该 LoRA 同一张脸的变体。其尝试了边界框和多种提示词方法均无效,作为 LoRA 新手求助问题所在。
这份提示词合集提供约 100 种可直接复制到 ChatGPT、Gemini 等工具使用的 JSON 格式图像生成提示词,围绕海岸、旧书店、车站、机场、街角等日常场景,通过视角、反射、透明材质、光线与尺度感营造“把日常变成非日常”的画面。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成「反向坐椅子」角色,仅靠标签指定反向坐姿、身前靠背、双臂搭靠背与前倾姿势,未使用 LoRA、ControlNet 或输入图像。
作者因不想使用 ComfyUI 的节点工作流,用 ChatGPT 搭建了浏览器前端 MOSS Image Studio,后端仍运行 ComfyUI。该前端支持 MOSS-Image 文生图、实验性图生图、MOSS Base/SFT 与 INT8/BF16 变体选择,以及分辨率、步数、采样器等参数设置和生成队列、项目保存、工作流导出。
作者在 ComfyUI 中用 MOSS-Image Base 搭配 qwen3.5_9b 文本编码器和 flux2-vae,以 JSON 格式提示词指定文字内容与 bbox 位置,生成电影海报、女性杂志封面、CD 封面、小说封面和漫画一页五种日文设计。
推荐理由:作者用同一套 ComfyUI 设置和 JSON 提示词实测 MOSS-Image 的日文排版能力,五类设计各附完整提示词,可直接复现。
OpenArt 以角色库、Director 分镜和 100+ 模型为核心,Higgsfield 则以 Content Factory、Genjutsu、Cinema Studio 等视频应用加 Supercomputer 智能体为主。
用户用 Khoya_ss 26.0.0 在 Wai Illustrious SDXL 1.60 上训练角色 LoRA,仅 21 张图、120 epochs、2500+ 次迭代,结果在部分模型中角色特征完全无法复现,发型发色出错,甚至用纯 SFW 素材和负面提示词仍会生成裸体。其计划将该 LoRA 上传至 Civitai,但认为需用户手动补提示词才能生效说明训练不到位。
OpenMoss 团队发布 MOSS Image 的 Base 与 SFT 两个版本,生成模型为 5B 参数单流 Diffusion Transformer(DiT),从零预训练,面向密集双语文字与多元素图形生成。
BriaAI 发布 FIBO 2.0 系列,包含非蒸馏的 Dev 基础模型和四步出图的 Edit Turbo 编辑变体,二者统一在同一套结构化提示体系中。Dev 支持文生图与微调,Edit Turbo 无需 classifier-free guidance 即可完成指令编辑,最多可同时输入 4 张图片。
一份收录 130 个画风关键词的提示词清单因标题只写 Midjourney,一年内未被广泛保存和传播,作者发现其中过半词汇在 ChatGPT、Nano Banana、Grok 上同样有效。
创作者爱沢在 X 发布 10 月 23 日晨至 24 日深夜的 5 个场景插画,并免费配布对应的 ChatGPT 图像生成提示词。提示词覆盖朝、昼、夕方、夜、深夜五个时段,要求附上本人有权使用的 21 岁以上成人角色参考图,以保持脸型、发型、发色与瞳色,输出 1536:1024 横长单人单场景。提示词含正向与负向约束,用于抑制条纹、摩尔纹与重复高光带。
MOSS-Image 迎来一批 LoRA 发布,包括亮度、白平衡与压制 HDR 观感的基础摄影滑块,以及分别基于 51 幅公有领域画作训练的 Impressionist 和 Surrealist 风格 LoRA。
有用户在 ComfyUI 中使用 Pixaroma 的场景与角色工作流运行 Qwen 角色替换时,角色像贴纸一样被直接贴进画面,未能融入场景。该用户以图中扎双马尾的红发角色为例说明插入痕迹明显,并公开征集可用的提示词写法或输入图片要求等建议。
Moss SFT int8 合并 stripe fix lora 与 Qwen 9b int8 后,可在单张图内生成故事序列或漫画,并保持同一角色、支持任意风格。创作者称其提示词跟随极细致,配合 dmd2 turbo lora 的实验性 turbo 方法仍速度较快,所有图片为原生 1080p。
有用户尝试用 MOSS-Image 的 layout-to-image 模式生成图表背景,再后期叠加文字,以便让用户自选字体、颜色和字号。该用户询问是否有 caption、label 或其他技巧能让 layout JSON 中指定区域稳定保持空白或足够平滑,并附上了目标效果示例图。
AInVFX 梳理了 ComfyUI 中五款开源图像模型的分工:Z-Image Turbo 主打 8 步写实出图,FLUX 3 Image Klein 支持最多 10 张参考图编辑与 4K 输出,MOSS-Image 擅长版面与图中文字,Qwen-Image-Edit-2511 靠 LoRA 生态做精确编辑,SeedVR2 负责一步超分修复。
推荐理由:文章把五款开源图像模型按用途、分辨率、短板和许可证逐项对照,并给出 ComfyUI 中的实测耗时与踩坑点。
作者用 20 组动漫与 2D 风格提示词测试 Black Forest Labs 的 FLUX.3 Klein(5.6B),分两轮对比传统 Booru 混合提示与官方 FLUX.3 提示指南。
作者对登上开放编辑榜第一的 FIBO 2 做了盲测,与 Qwen Image 2.1、FLUX 3 Klein 对比:日常编辑中 FIBO 胜出(15 次满意,Qwen 12、FLUX 11),Qwen 赢下 5 轮中的 3 轮,FIBO Dev 在新图生成上与 FLUX 打平。
作者在 ComfyUI 内做了一个可交互的物理重打光工具 Relight Studio,不依赖生成式重绘,全部在本地 GPU 上离线运行。流程先用 BiRefNet 抠出主体、用 MoGe-2 估计表面角度与深度,再对几何体实际打光,带衰减、高光与投影;浏览器小工作室支持拖动最多 8 盏灯实时预览,全分辨率渲染不到一秒。
用户分享仅靠提示词、不加其他节点,让 moss-image SFT 生成业余随手拍风格人像的方法,示例为医院病房低角度抓拍:苍白年轻女性穿蓝色医护服、颈挂听诊器,要求呈现细腻皮肤纹理、可见毛孔与自然瑕疵。参数设为 cfg 6、30 步,并强调光照描述对还原肤色至关重要,同时提醒提示词可能随机生成畸形手部。
英伟达和投资机构TCV参与Higgsfield的B轮扩展融资,具体金额未披露。此前Higgsfield在8月完成4亿美元B轮融资、估值54亿美元,并在9月称年化收入达到10亿美元;其平台每月处理12万亿token、1.5亿次生成。Higgsfield成立于2023年,业务覆盖营销与娱乐,曾推出在戛纳电影市场首映的AI生成动作片《Hell Grind》。
MossAD Demo 是基于 OpenMOSS 的 MOSS-Image Base 5B T2I 模型的全量微调版本,用 3,685 张图片、57 位画师的小数据集验证风格学习能力。
一位时尚摄影师在 Reddit 发帖征集能准确还原真实服装、包袋、鞋履与配饰的 AI 图像工作流,指出生成图常在形状、比例、材质、纹理、缝线、logo 与五金件上失真。
作者在 ComfyUI 中用四条简单日语提示词(汉堡王门前、柜台点餐、座位吃汉堡、连锁店吃汉堡)对比了 Z-Image-Turbo BF16、Flux.2 Klein 9B、Qwen Image 2.1、Krea-2 Turbo 与 ChatGPT image 2.5 的出图表现。提示词刻意简化,以观察各模型在裁量与推理空间增大时如何自行补全细节。
CreatorOS Studio 以 Apache-2.0 开源,在本地 GPU 上基于 ComfyUI 提供一键式视频创作,不消耗积分、不经过平台内容过滤。
推荐理由:作者因托管平台审核与积分消耗自建本地工具,展示了开源模型在本地完成分镜到成片流程的可行路径。