- 博客(247)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 MOSS-Image V2：擅长画带字图片的文生图神器，中文文字更清晰，布局可控更精准
它特别擅长处理带文字的场景（比如白板上的字、便签上的手写中文），以及需要精确控制物体位置和布局的情况。MOSS-Image V2 在上个版本的基础上更新优化，根据部分网友建议，WebUI新增Base模型支持，lora扩展新增至四个，真正实现lora自由。自带一个8步加速lora，可加速出图，默认加载，如不选择加速lora，需将cfg改成3、步数改成50即可。简单说，它是一个能根据你用自然语言（中文或英文）写的提示词，自动生成高质量图片的 AI 模型。支持提示词增强工具，可使用简短的提示词生成丰富的图像。
2026-10-30 09:23:35
184
原创 Ming-3.0-tts：让AI说人话！支持多语言、方言、笑声叹气，像导演一样控声音，声音设计克隆一键搞定
它是目前开源 TTS 里性价比很高的选择：小模型就能达到很强效果，控制方式直观（自然语言 + 标签），语言覆盖广，特别适合想快速做出自然、有表现力语音内容的开发者和创作者。音质与准确性出色：在独立评测（Artificial Analysis）中，发音鲁棒性排名第一（93.2%），受控音色克隆在开源模型中也排第一，发音清晰、文本还原度高。多语言 + 方言：支持中文、英文、德语、西班牙语、法语、韩语、日语，以及四川话、粤语。多角色对话（仅 tiny 版）：输入剧本和多个参考声音，就能生成像播客一样的多人对话。
2026-10-28 09:33:24
274
原创 【Qwen-Image-2.1】2步出图，文生图/图像编辑加速神器DMD2-2steps LoRA来了
Qwen-Image-2.1-DMD2-2steps 是一个让强大图片生成/编辑模型“跑得飞快”的小插件（LoRA），这是一个针对 Qwen-Image-2.1（通义千问的图片生成与编辑大模型）的 2步蒸馏版 LoRA，由社区大佬 linoyts 发布。原版模型正常生成/编辑一张图通常需要跑 20 步（甚至更多），这个 LoRA 把它压缩到 只跑 2 步，同时尽量保持画质接近原版。支持多图参考：可以同时输入多张参考图（比如“把图1的猫放到图2的海滩上”），2步也能正常工作。
2026-10-28 09:32:14
129
原创 【MiniMax-H3】MiniMax-H3深度微调版Singularity V2，远景人脸稳、运动不糊，画质更清晰
作者把多个关键检查点融合，并进行了精细的高步数微调和权重优化，既保留了原模型的强大基础能力，又解决了高步数训练带来的瑕疵，画面更干净、锐利、动态更强。更强的提示依从性：V2 更严格地遵循提示指示，提高对主题、动作、环境和视觉风格的控制。欢迎较短、结构良好的提示；这是一个画质更干净、动作更强、特效更优、镜头更听话的 MiniMax-H3 增强版，特别适合想要高质量动作和奇幻视频的创作者。扩大动作覆盖范围：在V1之上进一步优化，支持更广泛的动作场景和更多样的运动序列，扩展了模型在动态视频生成场景中的多功能性。
2026-10-24 10:45:13
129
原创 MiniMax-H3 V7（FastH3 Omni）：8步生成带声视频，比原版快近10倍。参考图、视频、声音全都能用！
这是一款又快又灵活的“参考素材驱动”音视频生成工具，特别适合想快速把图片/片段变成带声音视频的创作者和开发者。把这些参考素材按顺序喂给模型，再写一句提示词（比如“让这个人在雨中走路，声音同步”），模型就能在很少的计算步骤里，生成一段画面和声音匹配的短视频。双击启动跳转，进入WebUI后，根据需要选择生成模式（支持文生视频/首尾帧视频生成/多图、音视频参考生成），上传图像，输入提示词，设置相关参数，运行生成即可。根据需要开启图像和音视频节点，上传图像，输入提示词，设置相关参数，运行生成即可。
2026-10-24 10:43:10
456
原创 Jasna v0.11.2： 突破性LTX修复模型更新！一键去除马赛克，马赛克一键智能去除神器，视频去马赛克
整个过程主要靠显卡加速，速度比较快，还带简单易用的图形界面和命令行。开发的改进版，相对 Lada ，Jasna重点优化了速度和效果，是目前速度快、效果好、比较好用的 JAV 马赛克一键修复神器，特别适合有强力 NVIDIA 显卡的朋友。首次启动后，会检测运行环境，需要关闭“GPU加速”和“共享显存”，如果这两项没通过，界面会有提示，如何关闭，参考指引或者自行搜索教程。测试了下，速度很快，漏码现象几乎没有（即使在极端的角度下），就是有些需要手动配置下，首次需要生成缓存需要时间，其他都完胜Lada。
2026-10-22 08:46:31
5155
原创 Fibo 2.0 Edit Turbo：排名第一的改图神器，改哪动哪，细节纹丝不动，其他全保留，速度飞快又好用
想象你有一张照片，想改某个细节（比如把衣服颜色换成红色、换背景、改文字、或者把某个人穿上另一张图里的衣服），这个模型就能精准完成，而且不会乱改你没要求改的地方（人物长相、构图、光线等基本保持原样）。启动WebUI，上传需要编辑的图像，输入提示词，根据需要调整参数（需要根据参考图手动调整宽高），最后生成即可。进入工作流后，上传需要编辑的图像，输入提示词，根据需要调整参数（需要根据参考图手动调整宽高），最后生成即可。文字、纹理、人体解剖更自然：图片里的文字更清晰可读，材质更真实，人手、脸部、姿势更准确。
2026-10-22 08:44:49
613
原创 MOSS-Image：中文文字更清晰的文生图！文字整齐、布局可控，中文友好又实用
它特别擅长处理带文字的场景（比如白板上的字、便签上的手写中文），以及需要精确控制物体位置和布局的情况。简单说，它是一个能根据你用自然语言（中文或英文）写的提示词，自动生成高质量图片的 AI 模型。自带一个8步lora，可选择8步lora，并将cfg改成1、步数改成8，可实现8步快速出图。需要精确文字的图像生成：广告海报、便签、白板、菜单、说明书等带清晰中文/英文文字的场景。支持提示词增强功能，可以使用简短的提示词，开启增强选项获得更好的生成效果。进入工作流后，输入提示词，根据需要调整参数，最后生成即可。
2026-10-21 07:49:51
422
原创 Krea2 V11：一键人物、场景重塑，更强的一致性和保真度！保真脸部，自由换装换环境
你给它一张图片 + 一句普通话指令（比如“把这个人放到夜市里拍照”），它就会按照你的要求修改图片，同时尽量保持没让你改的部分不变，尤其是人物的长相、衣服细节、痣、皮肤纹理等都能很好保留。它不像一些通用AI那样只追求“像真照片”，而是特别擅长理解和控制各种艺术风格，让生成的图片更有创意、更漂亮、更符合设计师的审美。General Edit V2：指令式通用编辑（移除物体/人物、换色、重新打光、换背景、加物体、改文字、换服装、改风格、做服装平铺图等），只改你要求的部分，其他尽量保持原样。
2026-10-21 07:48:27
232
原创 FLUX 3 Image Klein：一键搞定文生图和智能编辑，支持精准布局，黑森林新开源
FLUX 3 Image Klein 是目前开源图像模型中“小而强”的代表之一：参数不大、速度快、功能全（生成 + 编辑 + 多参考 + 布局控制），质量在同类开源模型里表现突出。精确布局控制：支持在提示词中加入边界框（0-1000 网格坐标），可指定元素位置、大小，并进行移动、替换、删除等操作。启动WebUI，选择图像生成或图像编辑选项卡，（上传参考图）输入提示词，根据需要调整参数，最后生成（编辑）即可。进入工作流后，（上传参考图）输入提示词，根据需要调整参数，最后生成（编辑）即可。
2026-10-16 12:55:58
450
原创 【MiniMax-H3】MiniMax-H3 360° Orbit LoRA，一图生成时间冻结镜头环绕视频
MiniMax-H3 360° Orbit LoRA 是一个专门给 MiniMax-H3 视频生成模型用的小插件（LoRA），作者 pablodawson，适合做人物、物体的展示视频，或者需要无成循环的镜头。直接使用MiniMax-H3模型要么几乎不动，要么镜头乱飘、回不到原点。简单说：你给它一张照片，它就能生成一段时间完全静止、只有镜头在转圈的 360° 环绕视频。视频最后一帧会精确回到第一帧，所以可以无起来做成更长的循环视频，中间不会有接缝。，你也可以用于支持comfyui的其他工作流中。
2026-10-16 12:54:21
207
原创 Qwen-Image-2.1 虚拟试衣神器：专治换装跑偏！ 高一致性换装，脸不糊、背景不乱
使用此 LoRA，交换发生在您的图片自己的框架上：在 16 次从未见过的交换中，结果与原始图像相差 0.1 像素（没有它时为 3.6 像素）。这是一个基于 Qwen-Image-2.1（阿里通义千问的图像生成/编辑模型）的虚拟换装工具，核心功能是换装（Outfit Swap），而且特别强调“换得稳、不乱动”。它不是让衣服画得更精美，而是让“换装”这件事变得干净、稳定、可预测——脸不糊、背景不乱、位置不飘，真正做到“只换衣服，其他一切照旧”。快速生成同一人物穿不同衣服的系列图，保持脸、姿势、背景完全一致。
2026-10-14 11:09:40
229
原创 HunyuanOCR：轻量OCR视觉语言模型，一站式搞定文档解析、信息抽取与翻译
它适合需要高精度、低成本 OCR 和文档理解的场景（办公自动化、数字档案、移动端识图翻译、工业质检等），比传统 OCR 更“聪明”，比大型通用视觉模型更轻量、更专注。简单说，它是一个“看图识字”的 AI 专家：你给它一张图片（文档、照片、截图等），它能直接理解并提取文字内容，同时完成更复杂的结构化处理，而不需要传统 OCR 那种“先检测文字位置，再识别”的多步骤流水线。其他实用场景：图表/公式解析、布局分析、视频字幕提取、街景/手写/艺术字识别、多图文档问答等。多语言支持：中英为主，覆盖多语言。
2026-10-14 11:08:17
76
原创 Qwen-Image-2.1-Turbo：8步快速出图，一键搞定生图和改图，告别慢速等待，又快又全能
今天分享的 Qwen-Image-2.1-Turbo（NSFW无限创作版），基于最新社区大佬分享的 无审查版本量化模型 打包制作，支持更自由的图像生成和编辑，图像生成模型和文本编码器均采用无审查版，给你更自由发挥创造空间，适合艺术类创作群体。Qwen-Image-2.1-Turbo 是阿里通义千问团队推出的一款加速版图像生成与编辑模型（基于 Qwen-Image-2.1），参数量约 7B，8步快速出图，主打“又快又全能”。进入工作流后，（上传参考图）输入提示词，根据需要调整参数，最后生成（编辑）即可。
2026-10-10 16:45:04
528
原创 Winxvideo：AI全能工具，智能修复老视频照片、清理噪音、录屏剪辑超方便
它把 AI 增强、格式转换、压缩、录屏和基础编辑等功能整合在一起，适合普通用户一站式解决媒体文件的质量问题和处理需求。它就是一个“AI 媒体万能工具箱”：既能把差画质变好看，又能转换压缩、录屏剪辑，特别适合不想用复杂专业软件、又想快速提升视频图片质量的普通用户。AI 画质提升：能把模糊、有噪点、低分辨率的视频或图片变清晰，最高可放大到 4K、8K 甚至 10K，同时补充真实细节，减少假影。给旅行、vlog 素材提质。主要功能包含图像/视频超分辨率，视频转换，补帧，音频修复，录屏等功能，大家根据需要选择。
2026-10-10 16:43:20
297
原创 MiniMax-H3 V6版：视频角色一键替换神器，一张图实现视频换人，场景基本不变
今天分享的 MiniMax-H3 V6版，基于 社区大佬训练的视频角色替换工具（LoRA 适配器）MiniMax-H3 Character Swap LoRA，可以一键替换视频里的人物，同时保持场景不变，是一个让普通用户更方便地在本地做“视频角色换人”的轻量工具。想象你有一段视频，里面有某个人在动、说话、走路。你再给它一张参考图片（比如你想换成的角色照片或角色设定图），这个模型就能把视频里指定的那个人“换脸换身”，换成参考图里的角色，同时尽量保留原来的背景、镜头、灯光、其他人物和整体场景。
2026-10-09 18:01:33
624
原创 Index-Echo：轻量语音翻译神器，一键把中文语音变成英日西字幕，带时间戳，简单好用
Index-Echo-S2TT 是一个开源的语音转文字翻译模型（Speech-to-Text Translation，简称 S2TT），由 Index Team 发布，属于 Index-Translate 系列。技术架构：使用 Qwen3-Omni 的音频编码器 + 连接器 + Index-Translate-2B 解码器，端到端训练，直接从语音理解并翻译。上次需要翻译的音频文件（只支持中文），选择输出语言（目前支持英语、日语和西班牙语），点击生成即可。（建议N卡，显存6G起，支持50系显卡）
2026-10-09 18:00:14
187
原创 Index-Translate：小而强的指令离线翻译助手，支持150语种，会听话的多语言翻译模型，指令翻译+网络梗全覆盖
Index-Translate 是一个“小而强”的翻译模型，在保持轻量的同时，兼顾翻译质量和指令理解能力，同时离线不联网，适合需要多语言支持又想控制成本且需要隐私安全的开发者和用户。指令翻译：输入需要翻译的内容，输入指令要求（比如“ 把以下当代网络流行语翻译为地道、自然的英语年轻人俚语（Gen-Z Slang），传达出夸张、喜悦的情绪氛围 ”），选择目标翻译语言。能听懂指令：不只是简单翻译，还能按你的要求保留专业术语、保持 JSON 或代码格式、调整文风、控制输出长度、结合上下文理解意思等。
2026-10-04 11:30:36
377
原创 Visual Enhancer：一键让模糊照片视频变清晰，升分辨率、插帧、转HDR，一键搞定素材修复
它不需要游戏或复杂注入工具，直接在本地用 DLSS 5 神经渲染（Neural Rendering） 技术处理素材，让模糊、低清的内容变得更清晰、细节更丰富，同时还能插帧、升分辨率、转 HDR 等。输出灵活：支持多种图片格式（PNG、JPEG、WebP 等）和视频编码（H.264/H.265/AV1、ProRes 等），尽量保留原音轨、元数据。上次需要增强的图像/视频，根据需要开启增强选项，调节相关参数，支持变调节变预览，效果满意后，渲染导出即可。（建议N卡，30-50系列，显存4G起）
2026-10-04 11:24:16
480
原创 【Qwen-Image-2.1】Pruna加速LoRA，仅需5或8步，最高提速6倍，支持文生图与编辑
Pruna-Qwen-Image-2.1 是一套由 PrunaAI 发布的 LoRA 加速适配器，专门用来给基础模型 Qwen-Image-2.1 提速。它不是一个完整的独立模型，只是加载在原版 Qwen-Image-2.1 上面的轻量插件。原模型的文字编码器、VAE 等都不用换。下载lora模型后，放到ComfyUI/models/loras 目录，前台切换即可。普通的 Qwen-Image-2.1 生成一张图通常需要跑 40 步左右，比较慢。强度设置为1，建议使用8步的lora，兼顾速度和图像质量。
2026-10-01 09:27:59
302
原创 yovoice：本地配音工具箱，支持音色克隆与情绪控制，专为旁白、有声书和视频配音打造
它的核心目标是：在电脑本地把文字变成自然、有感情的语音，完全不依赖云端 API，也没有按字数收费。简单说，就是一个免费的“本地配音软件”，让你自己控制声音，成本更低，隐私也更好。装好后四步走：下模型 → 建项目（故事配音或语音生成）→ 输入文字或导入字幕，选角色调声音 → 生成、预览、导出。首次用的时候在设置里下载模型（模型使用的是国内的魔搭镜像，速度很快），后面断点续传也支持。下载对应系统的安装包。声音设计：部分模型支持直接用文字描述想要的声音（例如“年轻女性，声音清澈温柔”），不需要参考音频。
2026-10-01 09:23:35
307
原创 Qwen-FaceSwap：一键幻头/幻脸/换身体，身份迁移自然，姿势光照完美保留
幻脸功能会保留目标图的身体、姿势、灯光、背景，只把参考图的头部（脸、头发、眼睛颜色、鼻子等）换上去，同时尽量保留目标图的头部朝向、眼神和微表情；换身体功能会把场景图里的人整个人（脸、衣服、身材比例）换成参考图的人，同时尽量保留场景的姿势、构图、灯光和背景。换身体：上次源头像和目标场景图像，提示词可以默认，参数也可默认，生成即可。整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可，详情参考下方目录结构。广告、海报中快速更换人物。
2026-09-30 15:06:42
619
原创 Ming-Image：专为设计而生，让文字描述直接生成清晰排版的UI界面、海报与信息图
自动化设计工作流：配合官方提供的 Design Skill（帮 Agent 从提示/截图生成并检查 UI 代码）和 Image-to-Editable-PPT Skill（把生成的图转成可编辑的 PPT），实现“文字→设计稿→可编辑图层/PPT”的完整链路。标题、按钮、卡片、多区域信息能更清楚地渲染出来，风格统一（颜色、布局、素材不会乱）。支持透明背景（RGBA）：可以直接生成带透明通道的图片（比如图标、人物、商品、装饰元素），方便直接放到设计软件里叠加，不用再手动抠图。
2026-09-26 11:56:55
540
原创 LiYing：一键生成标准证件照，自动识别人脸、纠正角度、换背景并智能排版
LiYing 是一个开源的自动化证件照后期处理工具，主要帮照相馆或个人把普通单人肖像照片快速变成标准证件照。它针对的是符合基本要求的单人肖像照片，复杂背景或多人照片效果可能不理想。上传需要生成的证件照（建议标准正装，不要多人），设置相关参数，比如尺寸，底色，预设有常见的证件照，比如驾照，护照等，生成即可。全自动流程：从识别到换底、裁切、排版一气呵成，减少人工操作。照相馆日常证件照制作（身份证、护照、签证、简历、资格证等）自动排版到相纸上（方便打印多张），还能加裁剪线。（无需显卡，CPU即可运行）
2026-09-26 11:54:38
174
原创 【MiniMax H3】TaoMate-H3：3步LoRA让视频生成更快更高效，速度快10倍
它基于 MiniMax H3 大模型，加上一个专门的 3-step LoRA（三步低秩适配器），能把文字提示（prompt）快速转成声音和画面同步的视频。流式生成、延迟很低：视频被切成小块（每块大约几秒），每块只需要三步去噪就能定型，比原版 MiniMax H3 快很多（实测纯计算部分可快 10 倍以上，第一块可用视频出得更快）。注.当前版本主要是 T2AV（文本直接生成音视频），后续还会推出更完整的流式版本（比如图生视频/参考视频生成）。可配合本站发布的 MiniMax H3一键包，比如。
2026-09-23 09:40:48
255
原创 Qwen-Image-2.1：统一图像生成与编辑模型，原生支持透明图生成，设计电商内容创作好帮手
Qwen-Image-2.1 是一个“小巧但全能”的图像模型，把生成、透明图处理、多参考图编辑、局部精准修改都整合在一起，特别适合需要高效出图和灵活编辑的设计、电商和内容创作场景。图像编辑选项卡“自定义尺寸”参数，默认关闭，即编辑后的图像保持“参考图1”的尺寸，如果开启，则支持自定义编辑后的尺寸，请手动设置，建议参考或接近“参考图1”的尺寸，否则会出问题。更高级的采样器通常所需步数较少。启动WebUI，选择图像生成或图像编辑选项卡，（上传参考图）输入提示词，根据需要调整参数，最后生成（编辑）即可。
2026-09-23 09:39:20
692
原创 NarratoAI：一站式AI影视解说神器，自动写文案配音剪辑，短剧电影轻松成片
简单来说，它能帮你用大模型（LLM）自动完成“看视频 → 写解说文案 → 配音 → 加字幕 → 剪辑成片”的全流程，让普通人也能高效做影视解说视频。NarratoAI 就是把“看完一部剧再自己写文案、配音、剪辑”的繁琐工作，变成 AI 帮你大部分搞定的工具，特别适合想做影视解说内容、又想节省时间的人。可定制、可扩展：支持导出剪映草稿、一键转录字幕、AI 配乐（可选）、自定义文案字数等。支持多种场景：影视解说、短剧解说、纪录片解说、短剧混剪等。短剧解说 / 混剪：短剧内容快速拆解、解说、混剪。
2026-09-15 15:39:48
273
原创 AuK：多任务语音生成编辑，支持克隆、改词、换情绪与分离，内容编辑与增强全覆盖
保留所有人声、更换情感、目标说话人提取、调整语速、升调 / 降调、更换音色、删除语音、添加 / 删除非语言声音、去除口音、在前面 / 后面插入语音、替换语音、改写歌词、耳语转换（双向）AuK 就像“语音版的全能编辑器”，用一句话就能生成、修改、优化语音，开源后让开发者和创作者都能方便使用。声音克隆、提高音量 / 降低音量、语音增强、歌声提取、说话人分离、仅降噪、音质修复。换情绪、换音色、去口音、处理呼吸/笑声等非语言声音、正常语音↔耳语转换。内容创作：短视频配音、有声书、播客、游戏角色语音、广告配音。
2026-09-14 14:36:15
211
原创 YuE2 V2版：新增翻唱功能 人人都能写歌，输入歌词即可生成完整人声歌曲，质量接近商业顶级
你给它歌词和风格描述（比如“中文流行、温暖女声、钢琴伴奏”），它会先写出一份可编辑的旋律 + 和弦乐谱（用 ABC 记谱法），然后再把这份“乐谱计划”变成一首带人声和伴奏的完整歌曲（48kHz 立体声）。YuE2 是目前开源音乐生成里少有的“既能出高质量完整歌曲，又能让你看懂、改得动乐谱”的模型，特别适合想真正掌控创作过程、而不是只靠黑盒提示词的用户。今天分享的 YuE2 V2版，在上个版本的基础上，新增了 歌曲翻唱 功能，支持上传参考歌曲，在保留参考音频旋律的基础上，修改风格及歌词翻唱。
2026-09-14 14:35:05
500
原创 【Krea2】Krea2-Turbo 4步加速lora 让ai文生图提速1.6倍
Krea2-Turbo-Distill-4step-LoRA 是一个用于Krea 2 Turbo 模型的加速 LoRA，原本 Krea 2 Turbo 至少要跑 8 步才能出效果不错的图，使用这个 LoRA 能让你只跑 4 步就出图，速度大约快 1.6 倍，同时尽量把画质（尤其是细腻的纹理和细节）保持得接近甚至略好于原来的 8 步效果。细节恢复得不错：4 步时原本会丢失的细腻纹理被尽量补回来了，测下来纹理能量甚至略高于老师模型（8 步版）。速度快一倍左右：从 8 步减到 4 步，整体生成时间明显缩短。
2026-09-10 09:29:54
258
原创 PixRestore：像素级统一图像修复神器，一键修复 噪点模糊雨雾低光，细节不丢、效果真实
它不依赖复杂的图像压缩器（VAE），也不借用生成图片的预训练大模型，而是从头学习，既保证细节真实，又避免乱加不存在的内容。PixRestore就是一个小而精、快而准的“万能图像修复器”，特别适合需要处理多种真实退化、又对速度和细节有要求的场景。高效推理：先训练多步扩散模型，再微调成单步生成（约44ms），参数量仅约5000万，体积小、速度快。统一修复：一个模型同时应对多种退化（噪声、模糊、雨、雾、低光等），甚至复合退化。上传需要修复的图像、视频，点击开始修复，等待完成即可。噪声、模糊、雨、雾、低光。
2026-09-10 09:28:31
86
原创 DaSiWa MiniMax H3：集成导演工作台，一站式首尾帧、多参考、音频同步视频生成
DaSiWa MiniMax H3（也叫 DaSiWa Hybrid v1）是一个由社区创作者 Darksidewalker（DaSiWa）基于 MiniMax 官方开源的 MiniMax H3（又称 Hailuo H3）微调、优化并量化后的 AI 视频生成模型，DaSiWa 的版本是对它进行了微调（finetune）和混合优化后的 checkpoint，让它更好用、质量更高、资源占用更灵活。REF2VA：多参考（最多9张图 + 3个视频 + 3段音频）生成视频+音频。T2VA：纯文字生成视频+音频。
2026-09-09 08:40:20
865
原创 Viggle-Animate：视频角色替换神器，一帧重绘就能精准替换视频角色，动作跟得牢、速度还超快
你只需要两样东西：一段原始视频（驱动视频）、从这段视频里抽出一帧，用图像编辑工具把里面的角色“画”成你想要的样子（比如换成另一个人、动物、机器人、飞机等），模型就会自动把整段视频里的角色都替换成你画的那个新角色，同时完整保留原来的动作、镜头运动和时序。和同类角色动画生成软件不同，Viggle-Animate的参考图需要把你的角色重绘到驱动视频的某一帧上（相同背景、接近的姿态和站姿），再用它作为参考图。双击启动跳转，进入WebUI后，上传参考图和驱动视频，设置相关参数（百万像素比和帧数），运行生成即可。
2026-09-09 08:36:25
741
原创 易创：纯本地开源AI网文写作软件，从灵感到成书一站搞定，数据自己掌控
AI 用你自己的钥匙：支持 DeepSeek、通义千问、智谱、Kimi、OpenAI 等主流模型，以及 Ollama、LM Studio 等本地模型。适合认真写长篇小说、又想用 AI 帮忙的人。AI 辅助功能较完整：划词润色/扩写/纠错、续写补全、AI 对话顾问、一键从灵感到建书工作流、竞品拆书、取名/简介/封面生成等。网络小说作者（起点、番茄、七猫、晋江等平台）：日常码字、管理长篇、AI 辅助创作和拆书参考。喜欢用 AI 辅助创作的人：需要续写、润色、建大纲、起名等功能，又希望提示词和模型自己可控。
2026-09-07 10:01:16
585
原创 Audio8-ASR：小身材大能力，超轻量多语言语音识别模型 一键语音转SRT字幕
今天分享的 Audio8-ASR 基于Audio8-ASR-0.1B超轻量模型打包制作，支持无显卡设备一键快速转写，并将结果转写成txt和srt字幕文件，同时支持一键批量转写，离线不联网，无隐私安全隐患，并且支持中文、英文、法语、德语、日语、韩语、粤语等 7 种语言。支持热词（Hotword）：不需要重新训练，就能在识别时临时加强某些关键词的识别准确率（比如人名、品牌、专业术语）。多语言支持：能识别中文、英文、法语、德语、日语、韩语、粤语等 7 种语言。支持自定义热词功能（比如人名、品牌、专业术语）
2026-09-07 09:58:57
497
原创 Breeze TTS 2：一句话设计声音，支持自由情感控制，克隆、设计、导演三合一
语音设计：输入一段需要生成的文字和描述内容（比如一位温柔自信的年轻女性，声音清晰，语气亲切，表达轻快而富有感染力），支持插入[笑]、[叹气]、[咳嗽]、[清嗓子]等副语言标签，点击生成即可；不需要参考音频，直接用自然语言描述想要的声音，比如“一个温暖、沉稳、年轻的女性，声音清晰、语气平静”，模型就能凭空创造出符合描述的独特声音。可以在文字里直接插入提示，比如英文用 (laugh)、(sigh)、(cough)，中文用 [笑]、[叹气]、[咳嗽]，让语音更生动自然。支持语音设计、语音克隆和语音定向三个功能。
2026-09-05 09:31:08
1148
原创 Krea2 V10版：一键提升清晰度与质感，更具丰富细节质感图像生成
Krea2 V10版 基于社区大佬 wikeeyang（红潮作者）的Krea2-Turbo-HD-V1打包制作， 它基于官方 Krea 2 Turbo 进行高清优化微调，就像一个“升级版快速画师”：你输入一段文字描述（支持中英文），它就能快速画出高质量、细节丰富的图片。相比原版 Krea 2 Turbo，它在清晰度、纹理质感、细节表现上更好，尤其适合想要“更清晰、更有质感”的用户。适合作为“追求细节的进阶选择”。日常创意与快速迭代：概念艺术、社交媒体图片、角色设计、氛围探索等，需要“又快又清晰”的场景。
2026-09-05 09:29:36
448
原创 MiniMax-H3 V4版：让视频创作变得超简单，新增二次采样，画质细节拉满，文字图片一键生成带声高清视频
V4版WebUI 新增 Diffusion 版模型切换功能支持，可在WebUI端自由使用社区大佬的的二创模型，比如 红潮系列、Remix系列和Dsiwa系列等，下载后，放到 ComfyUI/models/diffusion_models 目录，前台切换即可。如需调整二采参数，比如 “百万像素”和“宽高比”，请遵循以下原则，先使用默认数值，比如 “百万像素比”，一次采样保持0.2，二次采样再调高，如果报OOM显存不足错误，可降低二次采样“百万像素比”数值。支持多种宽高比（横屏、竖屏、方形等）；
2026-08-28 09:39:08
867
原创 MOSS-Transcribe-Diarize：本地离线字幕转写 - 上传视频即可转写+加字幕一键完成
它能一次性把长音频或视频转成带说话人标签和时间戳的结构化文字，并且自带可视化字幕操作界面，支持直接上传视频转写，支持自由手动编辑转写字幕，还能把字幕烧录进视频生成带字幕的 MP4。视频支持将字幕烧录成硬字幕到视频文件，点击烧录，完成后，点击最下方输出区域的 MP4即可保存稍后后带字幕的视频文件。等待转写完成，页面会输出转写完成后的字幕列表，并可以拖动音频/视频定位到指定的时间轴，支持修改字幕。想象你有一段 1 小时的多人会议录音，或是一段访谈视频：几个人轮流说话，有时重叠，背景还有噪音。
2026-08-28 09:36:48
387
原创 MiniMax-Music3 V2版：输入一句话，让 AI 从零创作一整首歌，不会写歌也能当音乐人
新增 “词曲创作” 功能，只需要输入简短的音乐描述，比如“一首流行音乐，失恋后的内心独白，60秒”，支持多个自定义标签，比如流派（hip-pop，jazz等），声音配置（男声，女生等），语言，时长等，让创作更丰富更自由。今天分享的 MiniMax-Music3 V2版，在上个版本的基础上新增“词曲创作”模块，你只需要输入简短的创作主题和曲风，即可一键生成“音乐描述”和“歌词”，并可以自定义微调，最后一键生成自己想要的音乐。双击启动ComfyUI，进入WebUI后，点击左侧的 工作流程，选择对应的工作流。
2026-08-23 09:52:47
262
班迪录屏 Bandicam 中文便携特别版
2022-04-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人