<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[2601_96023685的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/2601_96023685</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; 2601_96023685]]></copyright><item><title><![CDATA[AI短视频工业化生产实战：从生成到发布的全流程SOP]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/163000350</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/163000350</guid><author>2601_96023685</author><pubDate>Sat, 18 Jul 2026 19:38:36 +0800</pubDate><description><![CDATA[这篇文章，我就把自己从2025年到2026年用AI做短视频的实战经验，浓缩成一套完整的SOP（标准作业程序）。它不是某个工具的使用教程，而是一套从选题策划到发布运营的全流程方法论。按这套流程走，一个人一天可以稳定产出8-12条高质量的AI短视频，而且风格统一、数据可预期。]]></description><category></category></item><item><title><![CDATA[ 图生视频与文生视频：不同场景该用哪个工具]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/163000332</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/163000332</guid><author>2601_96023685</author><pubDate>Sat, 18 Jul 2026 19:32:20 +0800</pubDate><description><![CDATA[2026年，AI视频生成已经不是什么新鲜事了。打开抖音、小红书，到处都能看到AI生成的短视频——有的像电影大片，有的像手绘动画，有的就是一张产品图自己“活”了过来。但你有没有想过：这些视频到底是怎么生成的？为什么有些看起来特别“听话”，有些却完全不受控制？

答案就在一个基础问题上：你用的是文生视频还是图生视频？

这两个词听起来像双胞胎，实际用起来却是天壤之别。选错了，轻则浪费时间和API费用，重则项目直接翻车。我见过太多人拿着文生视频去生成自家产品展示，结果AI给画了一个“八竿子打不着”的东西[refe]]></description><category></category></item><item><title><![CDATA[AnimateDiff + ControlNet 视频生成工作流完全拆解]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/163000278</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/163000278</guid><author>2601_96023685</author><pubDate>Sat, 18 Jul 2026 19:27:55 +0800</pubDate><description><![CDATA[2026 年，AI 视频生成已经不再是实验室里的新鲜事。但如果你试过直接用 AnimateDiff 生成动画，大概率会遇到这样的问题：人物动作僵硬、肢体扭曲、画面闪烁——明明提示词写得天花乱坠，出来的效果却像喝醉了的木偶戏。

问题出在哪里？AnimateDiff 擅长让画面“动起来”，但它并不擅长“怎么动”。就像一个天赋异禀但缺乏训练的舞者，动作有了，但姿态不对。这时候，你需要一个“动作指导”——ControlNet。]]></description><category></category></item><item><title><![CDATA[Runway Gen-3 与 Pika 2.0 深度对比：哪款AI视频工具更适合你？]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162977112</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162977112</guid><author>2601_96023685</author><pubDate>Fri, 17 Jul 2026 21:06:01 +0800</pubDate><description><![CDATA[上一讲我们聊了Sora的兴衰，这一讲把目光聚焦到两个依然活跃在市场上的AI视频生成工具——Runway Gen-3 和 Pika 2.0。在Sora关停之后，这两款工具成了很多创作者面对的首选。但问题来了：它们到底有什么区别？哪个更值得订阅？

Runway Gen-3背靠好莱坞资源，走的是专业影视路线[reference:0]；Pika 2.0则主打轻量化和创意特效，瞄准社交媒体创作者[reference:1][reference:2]。定位完全不同，价格也差距明显。这一讲，我们从画质、功能、速度、价格、]]></description><category></category></item><item><title><![CDATA[Sora开放使用实测：OpenAI视频生成到底什么水平]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162977048</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162977048</guid><author>2601_96023685</author><pubDate>Fri, 17 Jul 2026 20:57:06 +0800</pubDate><description><![CDATA[2024年2月，OpenAI用一段“女生走在东京街头”的60秒视频震撼了全世界[reference:0][reference:1]。那时候所有人都在问同一个问题：AI真的能生成电影级的视频了吗？两年后的今天，Sora经历了开放、迭代、关停的完整周期[reference:2]。站在2026年这个时间节点回望，Sora到底什么水平？它真的能打吗？为什么又关停了？这一讲，我们用实测数据和行业观察，把这几个问题彻底讲透。]]></description><category></category></item><item><title><![CDATA[LoRA融合与权重调节：多个LoRA一起用的高阶技巧]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162976876</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162976876</guid><author>2601_96023685</author><pubDate>Fri, 17 Jul 2026 20:37:37 +0800</pubDate><description><![CDATA[在上一讲中，我们完整走了一遍风格LoRA的训练流程，你已经拥有了自己的专属风格模型。但单打独斗的时代早已过去——真正的生产力爆发，来自于多个LoRA的协同作战。一个角色LoRA赋予人物特征，一个画风LoRA注入艺术气息，再加一个光影LoRA提升质感……当它们叠加在一起时，1+1+1的效果往往远大于3。

然而，多个LoRA一起用并不是简单的“全都加上就完事”。权重调节、融合顺序、冲突处理……这些高阶技巧决定了最终画面的质量。这一讲，我们就来彻底搞懂LoRA融合与权重调节的底层逻辑和实战心法。]]></description><category></category></item><item><title><![CDATA[风格LoRA训练：让AI学会你的独家画风]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162976850</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162976850</guid><author>2601_96023685</author><pubDate>Fri, 17 Jul 2026 20:34:35 +0800</pubDate><description><![CDATA[在AI绘画的圈子里，LoRA（Low-Rank Adaptation）已经成了一个绕不开的词。你可能会发现，社区里那些让人眼前一亮的作品——无论是复古水彩、赛博朋克，还是某位插画师的独特笔触——很多都离不开一个精心训练的LoRA模型。如果说Checkpoint大模型决定了AI"画什么水平"，那LoRA就是教它"画出什么味道"。]]></description><category></category></item><item><title><![CDATA[炼丹实录：训练一个高质量人物LoRA的全流程手记]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162878869</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162878869</guid><author>2601_96023685</author><pubDate>Tue, 14 Jul 2026 17:21:39 +0800</pubDate><description><![CDATA[在AI绘画社区，“炼丹”是对模型训练的戏称。而LoRA训练，则是每个想要深入AI绘画的创作者绕不开的必修课。本文不是理论堆砌，而是一份真实的训练手记——记录了我从零开始训练一个高质量人物LoRA的完整过程，包括每一步的决策、踩过的坑、以及最终的优化策略。希望通过这份实录，让你少走弯路，真正掌握人物LoRA训练的精髓。]]></description><category></category></item><item><title><![CDATA[Dreambooth vs LoRA vs Textual Inversion：微调方式怎么选]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162878791</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162878791</guid><author>2601_96023685</author><pubDate>Tue, 14 Jul 2026 17:17:40 +0800</pubDate><description><![CDATA[在AI绘画领域，“微调”是让模型学会新概念、新风格的核心技术手段。面对Dreambooth、LoRA和Textual Inversion这三种主流方法，很多初学者甚至进阶用户都会陷入选择困难：到底该用哪种？它们有什么区别？我的硬件条件允许哪种？本文将从原理、资源消耗、效果、适用场景四个维度进行深度对比，帮你建立清晰的决策框架。]]></description><category></category></item><item><title><![CDATA[LoRA训练从入门到放弃？这篇帮你坚持到底]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162878720</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162878720</guid><author>2601_96023685</author><pubDate>Tue, 14 Jul 2026 17:14:56 +0800</pubDate><description><![CDATA[很多人第一次尝试LoRA训练时，都会经历从满怀期待到备受打击的过程：精心准备了数据集，跑了几小时的训练，结果生成的图片要么不像，要么过拟合到面目全非，要么风格完全跑偏。于是，“LoRA训练”成了许多AI绘画爱好者心中“从入门到放弃”的代名词。

但事实上，LoRA训练并非玄学，它有一套清晰的方法论。只要理解了原理、掌握了正确的步骤和参数调节策略，每个人都能训练出高质量的专属模型。本文将系统拆解LoRA训练的完整流程，从原理到实操，从参数调优到问题排查，帮助你真正“坚持到底”。]]></description><category></category></item><item><title><![CDATA[主流AI绘画工具多维度对比：Midjourney、Stable Diffusion与国内平台的选型指南]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162878200</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162878200</guid><author>2601_96023685</author><pubDate>Tue, 14 Jul 2026 16:54:42 +0800</pubDate><description><![CDATA[当前AI绘画领域，以Midjourney、Stable Diffusion为代表的海外工具，以及国内多家厂商推出的云端平台，形成了多元竞争格局。本文基于公开技术资料、社区评测和用户实践，从核心技术架构、适用场景、成本、学习曲线等维度进行客观对比，帮助读者根据自身需求做出合理选型。]]></description><category></category></item><item><title><![CDATA[LiblibAI与SeaArt：国内SD在线平台的正确打开方式]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162850493</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162850493</guid><author>2601_96023685</author><pubDate>Tue, 14 Jul 2026 16:45:10 +0800</pubDate><description><![CDATA[对于不想折腾本地部署、但又希望使用Stable Diffusion生态的创作者来说，国内SD在线平台是最便捷的入口。在众多平台中，LiblibAI（哩布哩布）和SeaArt（海艺）是目前用户规模最大、功能最完善的两家。本文将从平台定位、核心功能、社区生态、成本模型等维度进行系统对比，帮助读者根据自身需求选择最适合的平台。]]></description><category></category></item><item><title><![CDATA[文心一格 vs 通义万相 vs 腾讯混元：国产三巨头横评]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162850441</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162850441</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:53:15 +0800</pubDate><description><![CDATA[前两讲我们分别评测了可灵AI和即梦AI——快手和字节跳动在AI视频赛道的王牌产品。这一讲，我们把目光投向另外三家互联网巨头：百度、阿里、腾讯。

在AI绘画领域，这三家各自拿出了什么产品？]]></description><category></category></item><item><title><![CDATA[即梦AI的功能特性与用户反馈解析]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162850381</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162850381</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:48:40 +0800</pubDate><description><![CDATA[如果说可灵是快手在AI视频赛道上的“尖刀连”，那即梦就是字节跳动布下的“集团军”[reference:0]。两者背后的战略逻辑截然不同：可灵走的是独立产品商业化的务实路线，而即梦则在探索生态级应用——用抖音+剪映的流量和场景优势，构建一个从创作到分发的闭环[reference:1]。]]></description><category></category></item><item><title><![CDATA[可灵AI的技术架构与行业应用分析]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162850329</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162850329</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:43:28 +0800</pubDate><description><![CDATA[2026年初，OpenAI宣布关停Sora项目，引发业界对AI视频生成技术路径与商业化模式的重新审视。与此同时，国内视频生成模型持续迭代，其中快手推出的可灵AI（Kling）是较具代表性的产品之一。本文基于公开资料与用户反馈，对可灵AI的技术架构、功能演进、市场表现及现存争议进行系统梳理，为从业者提供参考。]]></description><category></category></item><item><title><![CDATA[工作流分享与复用：别人的高质工作流如何为我所用]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162850283</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162850283</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:39:07 +0800</pubDate><description><![CDATA[前面几讲，我们完成了从基础文生图到 AnimateDiff 视频生成的全链路搭建。但说实话——这些工作流都是我们“从零造轮子”。在真实的 ComfyUI 生态中，大部分时候你不需要从头开始。

社区里已经有大量高质量、经过实战检验的工作流，它们来自顶级创作者、专业工作室和开源贡献者。学会拿来、理解、调优、再分享，是 ComfyUI 进阶路上最关键的能力之一。

这一讲，我们不写新工作流，而是专门解决一个问题：别人的高质工作流，怎么为我所用？]]></description><category></category></item><item><title><![CDATA[ControlNet + AnimateDiff 视频工作流：一张图动起来]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162850204</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162850204</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:34:53 +0800</pubDate><description><![CDATA[这一讲，我们把维度从“空间”拓展到“时间”。AnimateDiff 让 Stable Diffusion 具备了生成连续视频帧的能力，而 ControlNet 则让我们能精确控制每一帧的构图、姿态和深度。两者结合，就能实现“一张图动起来”的效果——而且不是简单的画面抖动，而是有逻辑、可控制、高质量的动态视频。]]></description><category></category></item><item><title><![CDATA[搭建你自己的文生图工作流：从简单到复杂全拆解]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162850075</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162850075</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:26:32 +0800</pubDate><description><![CDATA[很多人觉得ComfyUI的节点工作流“高深莫测”，其实它的本质就是搭积木——从一个最简的底座开始，一块一块往上加功能模块，最终形成一套完整、可控、高效的图像生产线。]]></description><category></category></item><item><title><![CDATA[ComfyUI 必装插件清单：20个让效率翻倍的节点包]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162849996</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162849996</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:17:50 +0800</pubDate><description><![CDATA[上一讲我们花10分钟搭建了第一个文生图工作流。但说实话——那个工作流只是ComfyUI的“裸机”状态。就像买了一台顶级单反却只用自动档，真正的威力还没发挥出来。

ComfyUI的真正魅力，在于它极度开放的插件生态。通过安装不同的自定义节点包，你可以把ComfyUI从“基础绘图工具”变成“全能创意工厂”——从提示词自动生成、ControlNet精准控制，到视频生成、3D资产制作，几乎无所不能[reference:1]。]]></description><category></category></item><item><title><![CDATA[ComfyUI 零基础入门：节点拖拽到第一张图只要10分钟]]></title><link>https://blog.youkuaiyun.com/2601_96023685/article/details/162849940</link><guid>https://blog.youkuaiyun.com/2601_96023685/article/details/162849940</guid><author>2601_96023685</author><pubDate>Mon, 13 Jul 2026 21:12:43 +0800</pubDate><description><![CDATA[上一讲我们聊了为什么要从WebUI迁移到ComfyUI[reference:0]。这一讲，咱们直接动手——从零开始，10分钟之内，在ComfyUI里搭出第一个文生图工作流，生成你的第一张AI图片。

很多人第一次打开ComfyUI，看到满屏的方块和连线就懵了。别担心，本文的目标就是让你零代码、纯拖拽完成这一切[reference:1]。你不需要懂Python，不需要敲命令行，只需要跟着步骤一步步来。]]></description><category></category></item></channel></rss>