跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

11月18日周三
  1. note · kongo_jun · 图像视频创作分享62

    在 ComfyUI 中试用 MiniMax-H3-Image 与 P-H3-Image 的 2step LoRA

    作者在 ComfyUI 中配置并测试了 MiniMax-H3-Image 与 P-H3-Image 的 2step LoRA,生成时间分别为 16 秒和 19 秒,VRAM 均为 21GB。作者认为 T2I 方面 P-H3-Image 更合口味,图像编辑方面 MiniMax-H3-Image 更合口味,并指出高速化 LoRA 在高分辨率生成中似乎有用。

11月11日周三
  1. Reddit StableDiffusion · 创作者与工作流分享75

    PAN 2 发布:开源 29B 视频生成模型

    PAN 2 发布,开源 29B 潜在扩散模型,支持最高 20 秒、720p、24fps 视频生成,采用 Apache 2.0 许可证。发布方同时公开训练代码,并提供 Diffusers、FastVideo 和 vLLM 集成。模型让 LLM 生成密集文本状态/脚本,事件和动作定时,相机嵌套在事件下但与动作解耦。

    推荐理由:开源 29B 视频生成模型并公开训练代码,创作者可评估其 20 秒 720p 生成能力与 LLM 驱动的脚本级可控性。

11月6日周五
  1. Reddit StableDiffusion · 创作者与工作流分享64

    P-JiT 21K 的 ComfyUI 自定义节点发布,2B 像素空间文生图模型可直接使用

    作者为 P-JiT 21K 发布 ComfyUI 自定义节点,使这个 2B 参数像素空间文生图模型可直接在 ComfyUI 中运行。节点无需 pip install,提供 bf16(4.4GB)与 int8(2.3GB)权重,int8 约快 1.8 倍,最低 4GB 显存可运行。附带文生图、提示词上采样和精修工作流,精修建议 denoise 0.1-0.2。

11月4日周三
10月28日周三
  1. Reddit comfyui · 创作与工作流分享68

    PrunaAI 为 Qwen-Image-2.1 发布 6 步 LoRA 适配器,无需上采样步骤

    PrunaAI 发布面向 Qwen-Image-2.1 的 6 步 LoRA 适配器,将图像生成从 40 步压缩到 6 步。其中 6-steps-upsampled 版本去掉了独立的提示词上采样步骤,根据提示词风格可节省 41 到 80 秒,LoRA 直接加载在 Qwen-Image-2.1 上,管线保持不变。

    推荐理由:新适配器将图像生成从 40 步压缩到 6 步并去掉上采样环节,创作者可据此评估是否替换现有出片流程。

10月26日周一
10月25日周日
10月24日周六
10月23日周五
  1. MindStudio Blog · 创作分享72

    Fish Audio 发布 Drama 3 语音模型:用括号舞台指示控制表演

    Fish Audio 发布文本转语音模型 Drama 3,用户可在剧本中用方括号写舞台指示来调整语气、节奏和表演,并支持单词级控制、内联音效与多说话人脚本。模型以 36B 参数开放权重形式发布在 Hugging Face(fishaudio/drama-3),据用户报告全精度运行约需 46GB 显存,社区 4-bit 量化版约 32GB。

    推荐理由:Fish Audio 开源 36B 语音模型,用括号舞台指示控制表演,并给出与 ElevenLabs 的基准差异和自托管显存门槛。

  2. MindStudio Blog · 创作分享75

    LTX 2.5 开源权重发布:22B 视频模型可自行下载运行

    Lightricks 在 Hugging Face 发布 LTX 2.5 开源权重,这是一个 22B 参数的扩散模型,可下载到自有 GPU 运行,同时提供 dev 完整版与蒸馏加速版,以及 bf16、int8、nvfp4 量化格式。

    推荐理由:Lightricks 把 22B 视频模型连同音频与多镜头能力一起开源,文中拆解了下载包各组件与自托管门槛。

10月22日周四
  1. 量子位 · 搜狐公开专栏75

    模思智能 MOSS-Image 开源 4 天海外下载超 130 万次

    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。

10月21日周三
  1. Reddit StableDiffusion · 创作者与工作流分享58

    MOSS-Image 视觉文本编码 ComfyUI 节点与工作流发布

    作者为 MOSS-Image 开发了自定义 ComfyUI 节点,把参考图直接送入 Qwen3.5-9B 视觉塔,并将图像嵌入保留在文本条件中,使图像作为提示词的一部分参与生成,而非以 VAE latent 形式输入。节点与工作流已开源于 GitHub,配套使用 Hugging Face 上的 MOSS-Image-SFT-8-steps-dmd LoRA。

  2. comfyorg · YouTube 创作视频72

    ComfyUI 支持 Hao Ai lab 的 FastH3 OmniRef 模型

    ComfyUI 宣布已支持 Hao Ai lab 的 FastH3 OmniRef,该模型面向快速、高质量的视频与音频生成。OmniRef 让它支持多模态参考素材,创作者和团队对生成内容的控制不再只依赖文本提示词;模型可本地运行,团队能在自有硬件上生成并保留素材,无需依赖托管 API。官方同时给出云端入口与 Hugging Face 开放权重链接。

    推荐理由:ComfyUI 接入 FastH3 OmniRef,支持多模态参考素材与本地运行,创作者可据此评估自建出片流程。

  3. Reddit comfyui · 创作与工作流分享78

    Hao AI Lab 开源 FastH3 OmniRef,支持 ComfyUI 首日接入

    Hao AI Lab 的 FastVideo 团队开源 FastH3 OmniRef,输入提示词加参考图像、短视频片段或声音即可生成带同步声音的视频。该模型只需 8 步而非 50 步,比基础 MiniMax-H3 最高快 11.9 倍,已进入 ComfyUI 0.42.2 工作流模板,并开放权重与训练代码。

    推荐理由:FastH3 OmniRef 以开放权重形式发布,8 步出片并支持 ComfyUI 首日接入,创作者可据此评估本地参考生视频流程。

10月20日周二
  1. comfyorg · YouTube 创作视频72

    ComfyUI 支持 MOSS-Image 图像模型

    ComfyUI 宣布已支持 OpenMOSS 开源图像模型 MOSS-Image,该模型为 5B 规模,可渲染清晰可读的文字并接受结构布局提示。官方已在 Hugging Face 放出对应工作流,面向海报、广告与本地化创意等需要布局控制的出图场景。

    推荐理由:ComfyUI 接入开源 5B 图像模型 MOSS-Image,其文字渲染与结构布局控制对海报、广告类出图有直接参考价值。

  2. SuSu_酥酥60

    蚂蚁百灵开源 Ming-3.0 语音系列 5 款模型

    蚂蚁百灵开源 Ming-3.0 语音系列,共 5 款模型,覆盖语音合成、音频理解与对话、语音识别,采用 MIT 协议并已上线 Hugging Face 与 ModelScope。TTS 支持用文字描述音色,并可通过导演模式控制情绪、重音与节奏;ASR 支持方言、热词与上下文感知。作者给出下载权重、克隆 TTS 仓库并按 README 推理的上手步骤,其中 0.5B 版本最轻量。

  3. Reddit comfyui · 创作与工作流分享73

    OpenMOSS 发布 MOSS-Image 图像模型,已支持 ComfyUI

    OpenMOSS 发布 MOSS-Image,这是一个 5B DiT 模型,使用 Qwen3.5-9B 文本编码器和 FLUX.2 VAE,分 Base 与 SFT 两个版本,采用 Apache 2.0 协议。

    推荐理由:MOSS-Image 以 Apache 2.0 开源并支持结构化布局控制,可对照现有开源图像模型评估文字渲染能力。

10月18日周日
  1. note · kongo_jun · 图像视频创作分享38

    在 ComfyUI 中试用 MOSS-Image:OpenMOSS 的 5B T2I 模型

    OpenMOSS 团队开源的 5B 文生图模型 MOSS-Image 已可在 ComfyUI 中运行,提供 Base 与 SFT 两个版本。实测在 RTX 4090 上生成耗时 14 秒、占用 15GB 显存,需搭配 qwen3.5_9b 文本编码器与 flux2-vae,并使用 BBOX 节点(需开启 Nodes 2.0 的 Vue 节点设计)。作者评价其画风与文字生成表现不错。

  2. Reddit StableDiffusion · 创作者与工作流分享38

    基于 Qwen-Image-2.1 训练的限制更少、支持全能姿势的 LoRA

    有创作者发布了基于 Qwen-Image-2.1 微调的 rank-64 LoRA,几乎能生成任意姿势,覆盖基础模型较难处理的提示词与构图。该 LoRA 同时适用于文生图和图像编辑,无需单独适配器,测试参数为 25 步、CFG 4.0、LoRA 强度 1.0。目前仍是 v0.1,尚无正式 benchmark,权重与推理代码已公开。

  3. Reddit comfyui · 创作与工作流分享12

    有没有 ComfyUI 扩展能从 Hugging Face 或 Civitai 直接下载安装模型和 LoRA?

    一位用户在 Reddit 的 ComfyUI 板块发帖,询问是否有 ComfyUI Manager 中的扩展能免终端操作,直接粘贴 Hugging Face、Civitai 或 GitHub 链接下载模型、LoRA、checkpoint 并自动放入对应目录。该用户还希望支持填写 API token 认证、在 UI 内管理和删除已下载模型,实现一键式模型下载与管理。

10月17日周六
  1. FastVideo 视频模型 · 模型发布60

    FastVideo 发布 FastH3-QAD-v2 视频音频模型

    FastVideo 发布 FastH3-QAD-v2,这是一个 8 步视频与音频模型,采用 NVFP4 权重和量化感知蒸馏(QAD)训练,可在单张 Blackwell GPU(RTX 5090、RTX PRO 6000)或 DGX Spark 上运行。

    推荐理由:8 步视频与音频模型以 NVFP4 量化权重落到单张 Blackwell 显卡,并给出与 BF16 教师模型的误差数据。