Fish Audio 发布 Drama 3 语音合成模型,支持 16 角色与自然语言表演指令
Fish Audio 于 2026 年 10 月 13 日发布新一代语音合成模型 Drama 3,为开放权重的 35B MoE 模型,每 token 激活 3B。
推荐理由:35B 开源语音模型支持 16 角色同轨生成与自然语言表演指令,可对照其发音鲁棒性数据评估配音与有声书流程。
创作方向
ComfyUI 生态与可复用工作流:节点、流程模板、批量出片方法与创作者工程实践。
199 条精选近 30 天 99 条共收录 1,541 条
Fish Audio 于 2026 年 10 月 13 日发布新一代语音合成模型 Drama 3,为开放权重的 35B MoE 模型,每 token 激活 3B。
推荐理由:35B 开源语音模型支持 16 角色同轨生成与自然语言表演指令,可对照其发音鲁棒性数据评估配音与有声书流程。
LightX2V 发布 Qwen-Image 2.1 的 Lightning LoRA,把该模型默认 40 步的生成压缩到 4 步,采样器改为 4 步、CFG 关闭(true_cfg_scale=1.0)并固定四个 sigma 值。
推荐理由:Qwen-Image 2.1 的 4 步 Lightning LoRA 把默认 40 步压缩到 4 步,并附多参考编辑示例,可据此评估出图流程的提速空间。
Higgsfield 发布 Katana,一个运行在 Claude 内的剪辑技能,通过 Higgsfield MCP 连接器调用 Higgsfield 模型,用一段参考视频或预设库预设加上最多 5 张人物、产品或服装照片,重建出保留参考片镜头顺序、时长与音轨的新视频,结果出现在对话和 Higgsfield Assets 中。
推荐理由:把参考片的镜头顺序、节奏与音轨结构交给 Claude 内的 Katana 复刻,创作者可据此判断能否省去手工对剪。
作者在 ComfyUI 上对比了 44 种视频高画质化手法,全部本地免费运行,并区分修复与高解像化两类场景。修复针对小型相机、监控等低画质素材,高解像化针对 HD 提升到 FHD、4K、8K 并恢复肌理与睫毛细节。文章公开了可一次跑完 44 种方案的大规模比较工作流,方便按人物、风景或动画等不同内容挑选合适手法。
推荐理由:作者把修复与高解像化两类需求拆开,用同一段素材横向对比 44 种方案,并放出可一键跑完的 ComfyUI 工作流。
作者在 ComfyUI 中实测了 MiniMax H3 的 RefMod 自定义节点,它把人物图片、动作视频或音频压缩成可复用的参照文件,无需训练 LoRA,用法接近 LoRA 加载器,可调强度并组合多个参照让角色同框。
推荐理由:作者实测了 MiniMax H3 的 RefMod 自定义节点,给出从安装、建库到接入官方 T2V 工作流的完整参数与提示词写法。
岚叔开源 Agent Skill lanshu-create-ai-presenter-video,在 Claude Code、Codex、Gemini CLI、Cursor、OpenCode 里用一句话即可跑完剧本、配音、数字人生成、对口型、字幕、剪辑、渲染与质检,仓库 2.6k Star、404 Fork、MIT 协议。
推荐理由:把 AI 视频生产拆成可计算状态与付费门禁的 Agent Skill,其工作流设计思路可迁移到其他内容流水线。
作者介绍了 ComfyUI 中 MiniMax H3 的新角色固定技法 RefMod,无需 LoRA 训练,用 8 至 20 张同角色图片即可在数十秒内生成 1 至 2MB 的 .safetensors 角色文件。
推荐理由:RefMod 用 8 到 20 张图编码出 1 至 2MB 的角色文件,为不想跑 LoRA 训练的创作者提供了可对比的替代路径。
作者安田亮介公开了自己用 Claude 桌面端配合 Claude in Chrome 操作 Seedance 2.5 生成视频的四步流程:先用 ChatGPT 做角色表、准备小物与声音素材,再写清人物、场景、动作、镜头、台词读音、负面提示和竖横比画质秒数,然后交给 Claude 自动操作 Yapper 平台生成,最后逐条反馈修改。
推荐理由:作者公开了自己用 Claude 操作 Seedance 2.5 出片的完整四步流程,含角色表、口型与成本明细,可迁移到自己的生成工作流。
Sitor AI 在 GitHub 开源 Frametell(帧言),可将一句话、文档、PDF、幻灯片或图片转成带字幕的 1080p 解说视频。流程由导演智能体先出分镜供确认,再写旁白、用 ElevenLabs(中文用火山引擎 TTS)配音、逐页绘制并自检,内置 warm-story、study、chalkboard、whiteboard、tech-dark 五种风格。
推荐理由:开源本地运行的解说视频生成工具,先出分镜待确认再配音渲染,创作者可据此评估是否纳入出片流程。
liyupi 在 GitHub 开源 ai-promo-video-maker,用户只需一句话说明要宣传的产品,AI 就会完成调研、提问、截图、配乐、配音、剪辑和校验,输出 4K 商业宣传片。
推荐理由:这套开源工作流把宣传片制作拆成可被 AI 执行的规范与脚本,创作者可据此评估能否替代外包流程。
Raindance AI 趋势源自 Dave 与 Tems 的《Raindance》MV,创作者用 AI 把码头场景中的两位表演者替换成自己或任意角色。
推荐理由:用两张身份参考图加一张线稿动作参考,在 Seedance 2.5 里复刻 Raindance 双人音乐视频场景,可迁移到其他动作参考类趋势。
作者在单张 RTX 5090(32GB 显存)上,用 FastVideo 的 FastH3 V2 checkpoint 四步采样跑出 15 秒 448×256 的实时视频,目标是把连续生成成本从每天 6k 降下来。
推荐理由:作者把单张 RTX 5090 上跑实时视频的六项优化逐条拆开,可迁移到自己的出片流程。
作者在 RTX 5090 上实测 MiniMax H3 的 PDMD 4 步 LoRA 与 NVIDIA SoL Refiner:PDMD 把 6.6 秒片段出到 2520×1440 平均耗时 101 秒,而 20 步 Quality 路径为 753 秒。
推荐理由:作者在 RTX 5090 上实测 PDMD 4 步 LoRA 与 NVIDIA SoL Refiner,给出逐项耗时与画质差异,可作选型参考。
Reallusion 与 Escape.AI 宣布多年期战略合作,将 Reallusion 的 3D 软件与资产体系接入 Escape.AI 创作者生态,形成 3D 到 AI 视频管线,以 3D 空间数据作为控制层应对画面不一致、token 成本高和 IP 归属不清等问题。
推荐理由:3D 控制层与 CTV 分发渠道结合,为 AI 影视创作者提供从制作到变现的一条链路参考。
Luma 宣布 Claude Motion 动画现在可直接在 Luma 中打开,创作者通过 MCP 连接把 Claude 生成的动画导入 Luma,继续扩展、精修并输出为任意格式的成片。
推荐理由:Claude Motion 动画可通过 MCP 连接直接进入 Luma,创作者能据此判断跨工具出片流程是否值得接入。
Mickmumpitz 发布免费本地 VFX 教程,用 ComfyUI 与 MiniMax H3 把自己换成猪或其他角色。
推荐理由:作者用 ComfyUI 加 MiniMax H3 实测换头与全身替换,并说明该流程在哪些环节会失效。
Kapwing 发布教程,讲解如何用角色参考表和动作参考视频在 Seedance 2.5 中复刻 Jean Philanthrope 式 AI 角色视频。流程分四步:先用提示词生成含正面、四分之三侧面和侧面的多视角角色参考表,再把现有视频转成黑白线稿作为动作参考,然后在 Seedance 2.5 中把两者结合生成新场景,最后在 Kapwing 中剪辑。
推荐理由:拆解 Jean Philanthrope 式 AI 角色的可复用流程,用角色参考表加动作参考在 Seedance 2.5 中保持人物一致。
Gemini Nano Banana 2.1 是 Google 的图像生成与编辑模型,作为 Nano Banana 2 的继任者,现通过 Partner Nodes 在 ComfyUI 上线。
推荐理由:ComfyUI 官方接入 Gemini Nano Banana 2.1,创作者可对比其分辨率档位、思考等级与单次成本变化。
sirioberati 发布 Genjustsu 开源工作流,在本地 UI 中通过彩色深度、SAM 3 遮罩和 Enhancor 的 Seedance 集成替换视频主体,先出草稿、批准后再生成 1080p。
推荐理由:开源本地工作流用彩色深度与 SAM 3 遮罩替换视频主体,并保留原始音轨,可评估其复用价值。
Comfy 为其开源节点式生成式 AI 平台推出 AI 助手 Comfy Agent,可在画布上规划、搭建并修复 ComfyUI 工作流。用户描述想做的内容后,智能体会连接节点、接好模型并调试出错的部分,目前运行在 Comfy Cloud 上,本地版本即将推出。
推荐理由:ComfyUI 把智能体接入画布,可自动搭节点、连模型并排错,创作者可据此判断工作流搭建方式是否要变。