用 AI 持续画同一角色:我自制的设定表与 Supabase 管理法
作者用设定表(三面图、表情一覧、服装与常用小物)作为参照图,让图像生成 AI 在多张图里维持同一角色外观。他把设定表图片和「哪版是现行版」的信息集中到 Supabase 管理,状态分为现行、旧版、退回/制作中,作画时只用现行版。即便如此仍会崩坏,例如卷发线条变淡、眼睛位置偏移,用数字像素指示没修好,改附示例图才修正。
作者用设定表(三面图、表情一覧、服装与常用小物)作为参照图,让图像生成 AI 在多张图里维持同一角色外观。他把设定表图片和「哪版是现行版」的信息集中到 Supabase 管理,状态分为现行、旧版、退回/制作中,作画时只用现行版。即便如此仍会崩坏,例如卷发线条变淡、眼睛位置偏移,用数字像素指示没修好,改附示例图才修正。
ComfyUI 教程以 Z-Image Turbo 为例讲解模型文件的下载、存放与加载:扩散模型(约 6 GB)放入 models/diffusion_models。
ComfyUI-Spectrum-MOSS 更新 v0.8.1,重写 ER-SDE 桥接逻辑并新增 euler/er-sde 采样器设置指南,有用户在 3060 12Gb 上测得约 20% 加速。
MOSS Image 的编辑 LoRA 已发布,兼容 Base 与 SFT 两个版本,权重托管在 Hugging Face。作者同时给出 ComfyUI 自定义节点与工作流链接,并称自己用缓存实现了原生版本以加快推理;Kijai 已向 ComfyUI 提交 PR,后续可能获得原生支持。
作者在 ComfyUI 中用 MOSS-Image-SFT 对海报、价格牌和产品标签各跑 8 个种子,对比纯文字提示与布局 JSON 的文字落位表现。五排价格牌上,布局 JSON 让 88 个文字块全部落位,纯文字提示为 67/88,海报和标签两者差距在 1 个块以内;两种方式的拼写均为全对。
文章以虚构伞店「しずく堂」的20秒竖屏视频为例,说明在逐镜生成素材图前,先用图像生成AI做出同一商品正面、侧面等各朝向的参考图,再逐张附参考图生成素材图。作者建议每张素材图与参考图、首镜素材图并排比对,把不一致处用文字逐项改回,并确认无画框、编号与说明文字后再交给视频生成AI。
针对 MOSS Image 输出模糊问题,可采用两阶段去噪流程:先正常去噪 5 步,再对潜图像应用 LatentOperationSharpen,然后继续去噪。作者使用 base 模型加 LoRA,并展示了第二阶段去噪时把 SFT 模型作为 LoRA 叠加到 base 模型上的对比结果,以及仅锐化潜变量的对比结果。
作者根据 Hugging Face 文件列表和官方文档,梳理 MOSS-Image 在 ComfyUI 重打包中各文件的用途:9GB 版本(HF 上 10.16 GB,磁盘 9.47 GiB)为 bf16,5GB 版本(5.41 GB)为 int8 ConvRot 量化,Base 与 SFT 各有两种版本。
作者在 AI 图像创作连载第三篇中,用 ChatGPT 辅助学习胸郭、骨盆、背骨与肩臂关节的关系,再据此编写提示词生成横踢和踏前构姿两张全身动作图。她将胸郭与骨盆作为独立立体分别指定方向,并让骨盆随踢腿方向自然旋转,股关节与膝盖的连接因此比以往更自然。
Kokon 0.10 为 Qwen-Image 2.1 桌面编辑器加入 Prompt+ 功能,由模型已加载的 Qwen3-VL 8B 文本编码器把简短想法扩写成详细提示词,无需额外下载第二个模型,默认关闭、可在设置中编辑系统提示词。
制作 Twitch 表情需按聊天中最小尺寸 28×28 设计,上传方形透明背景 PNG,静态图上限 1 MB、动图不超过 60 帧。Recraft Studio 可先用矢量输出生成首个表情,再用 V4 Styles 以最多 10 张参考图锁定统一风格,并一键去背景、导出 112/56/28 三种尺寸。自定义表情仅对 Twitch 合作伙伴与 Affiliate 开放,需通过平台审核。
一份面向 ChatGPT、Gemini 等工具的 AI 美女图像提示词集,收录约 100 种可直接复制的 JSON 格式提示词,主题为世界各地绝景与成人女性结合。每个主题提供 1:1 基础版、9:16 竖版、1280×670 note 见出图版,以及背景和氛围改编版,并附 negative_prompt 与 aspect_ratio 字段。
Qwen-image3 目前无本地版本,需通过 API 调用,作者在 ComfyUI 充值 5 美元获得 1,055 credit 进行 img2img 测试,单次生成消耗 10 credit。
面向 ComfyUI 的 Windows 应用 PROMPICKS 更新至 1.2,新增提示词权重调整(0.1〜10.0)、从生成历史恢复设置、逐张连续生成与中止,单次生成上限从 4 张提升至 32 张。新版还支持标签组合保存、标签固定、选择状态自动保存,并保留 5,000 个标准标签,售价 1,500 日元。
作者在 RX 7800 XT(16 GB,ROCm)加 64 GB 内存的本地环境完成一支 3 分 26 秒音乐视频。
作者用 ChatGPT 图像生成模型制作 AI 男友万圣节主题 CG,给出「万圣节的恋人」完整提示词,要求 3:2 横构图、略高机位俯视,男性角色保留参考图五官与体格但瞳色改为深红,右侧为南瓜头女性怪异物,美感与怪异按 7:3 配比。提示词需配合角色「脸部特写、立绘、三视图」三件套使用,以在换姿势和构图时维持服装、发型与长相一致。
作者在 ComfyUI 中用 Spectrum 节点搭配 8 步 LoRA 优化 MOSS 文生图,在 RTX3060 6GB 显存、16GB 内存上测试 2 百万像素出图。
用户使用 Z_image_turbo_bf16 生成人物全身像时,面部特写细节出色,但眼睛出现扭曲、不对称的问题。尝试 RealESRGAN_x4 与 4x-ultrasharp 两个放大模型后结果依旧,正向提示词中已加入 "Detailed eyes, sharp focus, detailed iris"。用户询问是否有办法改善全身像中的眼睛质量。
日本创作者公开了一套用 Midjourney、ChatGPT、Gemini 等生成 AI 复现"OL 下班后走进酒店换上万圣节 cosplay"全流程的提示词,按 STEP1 至 STEP5 拆解:挂员工证走出办公楼、夜街步行、酒店玄关脱鞋、沙发与床上的 cosplay 姿态。
作者用 Animagine XL 4.0 Opt 分别生成人物与雨滴素材,再在 ComfyUI 中用窗框透明区域的遮罩把人物和雨滴合成到玻璃内侧,保留窗框在人物之前的前后关系。
创作者水輝分享用 GPT、Grok、Meta AI、Gemini 生成原创角色介绍海报的经历,细化的分步指令多次未达预期,最终靠自行调整做成海报风成品。其日常生成环境为 RTX 3060 Laptop GPU(6GB VRAM)、32GB 内存,目前使用 ChatGPT 与 Grok 搭建的 ComfyUI 工作流,并希望有工具能自动生成适配本地环境的高画质视频工作流。
模思智能开源的 5B 参数文生图模型 MOSS-Image 上线 4 天在海外社区收获 130 万次下载,GitHub 获 1.4k Stars,并登顶 Hugging Face 文生图趋势榜。
推荐理由:5B 参数开源模型上线 4 天获 130 万次下载,社区已产出加速、量化版本与 LoRA,可观察其文字渲染与布局控制的实际表现。
Midjourney 在最新 Office Hours 中透露,新 Niji 模型已接近完成,最快约一周内可能公开,但新功能细节尚未公布。V9 正以提升图像整体一致性和提示词理解为目标开发,初期模型已进入测试,发布时间未定。新版 Upscaler 正在测试,若品质达标可能先于 V9 上线;Thinking Mode 存在准确性与美感的取舍,官方正考虑按需启用或由模型自动判断。
Pixolm 用 Nano Banana 2.1 生成 6 款 9:16 竖版万圣节壁纸,包括陶器妖怪、纸南瓜山丘、夜庭猫、小点心店、暗背景南瓜和水彩女巫书桌。提示词统一要求顶部 40% 低对比度留白、主体居下半部并靠中,且不绘制文字、假时钟或手机边框。生成设置为 2K、Standard、每次 1 张,未使用参考图或提示词优化。
一篇 ComfyUI 建筑渲染教程应首先公开测试所用 GPU 与 VRAM、ComfyUI 版本、模型与自定义节点、输入尺寸、峰值显存策略及低显存备选方案,并附上工作流文件与预期输出。
ulearn 于 10 月 15 日推出 AI 漫画制作平台 Drawspire,可从下描稿和文字说明生成漫画分镜,并检测画面是否过度相似于既有作品,月费 0 至 5,980 日元共 4 档。
爱沢在 X 发布 10 月 21 日晨至 22 日深夜的五场景插画,并免费配布对应 ChatGPT 图像生成提示词,覆盖清晨拉开窗帘、白天读信、傍晚沙发小憩、夜晚拥毯和深夜夹月形书签。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,以保持五官、发型与瞳色,并统一指定细腻干净的动漫画风与横构图。
创作者 kingroka 发布 LoRA「UDA」,用于配合 Moss Image 生成动漫与数字绘画,以缓解基础模型在数字艺术中出现的怪异伪影和错误。该 LoRA 基于约 250 张图像、训练 10000 步,数据集采用结构化 JSON bbox 提示类型,并融合了动漫/数字绘画、吉卜力风格与复古动漫三个 Ideogram LoRA 的合并转换数据。
一位用户搭建对比页面,在 1 百万像素下用相同种子、int8 单次生成测试 Fibo 2 edit、Klein 9b 与 Qwen 2.1 的图像编辑能力,结论是其使用场景中 Qwen 2.1 仍最佳,Fibo 若获社区支持可能是不错选择。
用户 Sixhaunt 用 AI toolkit 训练 rank-16 LoRA(6000 步),对比 Moss Image Edit 的两种参考图输入方式:直接喂参考图的方法无 LoRA 时易把输入混在一起,Ostris 的编辑方法无 LoRA 时近似叠加图像、有 LoRA 后编辑效果较好。Ostris 方法单图渲染约 45s,简单参考法约 15s,训练耗时约为其 3 倍。
有用户用同一段双图编辑提示词对比了 Flux Klein 9B Distilled、Flux 3 Klein Distilled、Qwen 2.1 Turbo、Krea 3、Nano Banana 2.1 和 Ideogram 4.5 六款模型。
作者在 RTX 3060 12GB 上对比 MOSS-Image SFT 的四种加速方案,Kijai 4step LoRA 把原本约 83 秒的 50step 采样缩短到 4.3 至 4.4 秒,约 19 倍。
作者用 ChatGPT 生成 AI 插画,要求突出粒子感、不透明度与透视,参考雨天车头灯的光线效果,ChatGPT 同时给出多组方案并解释共通要素。最终选用森林场景:前后景草木自然分布,光线强弱与方向补足层次,暗部纵深增强临场感,叶片低噪融入背景不抢主体。作者认为 AI 插画更适合用 Lighting 与 Writing 的方式描述氛围而非直白说明。
ハロウィンアート2026企划主催者从投稿中挑选18件作品进行介绍,涵盖AI插画、音乐、视频与文章等多种形式。作品包括用Suno制作的乐曲、GIF动效、PVCフィギュア风角色提示词,以及将AI对话融入叙事的创作手法。该企划无评审和排名,完整作品在特设展示网站公开。
Krea 发布 Illustrator 插件,可在 Illustrator 文档内生成图像,再用 Image Trace 转为可编辑矢量路径。插件支持把选区或画板送回 Krea 修改并原位放回,Krea Agent 可在文档内绘制形状、排版文字、整理图层与画板。
一位使用 1050ti 的 Easy Diffusion 新手发现生成速度只有 8s/it 和 60s/it 两档,几乎不出现中间值,且与 prompt 长度、LoRA 无明显关联。
用户用 LoRA Dataset Studio 训练出面向 MOSS-Image 的细节与纹理 LoRA「RAW Upscale MOSS」,基于 MOSS-Image-Base 训练 2000 步、rank 16 / alpha 16、1024 分辨率,最终以 FP16 SafeTensors 导出,已在 Civitai 免费开放下载。
Higgsfield 官方博客对比了 Higgsfield、Midjourney、OpenAI、Google Gemini、Adobe Firefly、Ideogram。
MOSS-Image 社区发布 2GB 离线角色与风格目录,收录 33,937 个角色和 221 种风格,每项可一键复制生成提示词。同期出现去除摆拍感的 LoRA、夜景闪光街拍 LoRA、基于 Qwen 视觉描述实现图生图的变通工作流,以及低显存训练 LoRA 教程和 Apache 许可的 Spectrum 加速器。MOSS 团队的技术报告已在 Arxiv 免费公开。
作者实测 Bria 的 FIBO 2.0 Edit Turbo 在无输入图像时同样可作文生图,4 步、guidance_scale=1.0,一次渲染仅 4 次 transformer 前向,而 Dev 版需 50 步加 CFG。