正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

已经完成了，一键榨取任意图片中的信息，进行高保真还原。让GPT Image 2性能拉满的反推方案「GPT通用特调」已经内置到我的插件中。 26日起，「照样拍」插件不再是人像反推插件，而是进化成了通用图像反推插件，兼容海报、摄影、二次元、商品图等多种类型图像，正在努力做到给所有需要反推的人群服务。此外，针对Z Image Turbo和Nano Banana的反推方案今天已经完成了一部分，预计明天就可以向大家展示！多并行反推+生图也已经在计划中了，以后可以做到批量反推+批量生图/多角度宫格图，让插件进化成生产力工具。

骑司Chase

15,873 subscribers

525,880 次观看 • 3 天前 •via X (Twitter)

艺术科学技术教育

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

就在刚刚，我成功让插件可以连接上Codex cli，这意味着只要你用ChatGPT，就可以直接在插件中消耗GPT套餐额度进行反推和生图，GPT5.6模型和Image2都可以丝滑使用。另外我特调了一个GPT专用的人像反推方案，可以兼容各种风格，把反推质量提升到了一个新高度！经过测试，不需要任何手动修改提示词，生图相似度就能达到90分。这次还新增了包括火山引擎等多家服务商的适配，优化了产品使用的稳定性。接下来陆续上架的反推方案有： - GPT通用方案（针对GPT特调的全能反推方案） - Z Image Turbo人像方案（每日200次免费用，把生图的价格打下来） - Z Image Turbo通用方案 - Nano Banana人像/通用方案

就在刚刚，我成功让插件可以连接上Codex cli，这意味着只要你用ChatGPT，就可以直接在插件中消耗GPT套餐额度进行反推和生图，GPT5.6模型和Image2都可以丝滑使用。另外我特调了一个GPT专用的人像反推方案，可以兼容各种风格，把反推质量提升到了一个新高度！经过测试，不需要任何手动修改提示词，生图相似度就能达到90分。这次还新增了包括火山引擎等多家服务商的适配，优化了产品使用的稳定性。接下来陆续上架的反推方案有： - GPT通用方案（针对GPT特调的全能反推方案） - Z Image Turbo人像方案（每日200次免费用，把生图的价格打下来） - Z Image Turbo通用方案 - Nano Banana人像/通用方案

骑司Chase

51,621 次观看 • 4 天前

预告一下，给社区做了一个图像解构插件：Viko。一键爆破任何图片，让你功力大增！（哈哈哈哈夸张了）当你在网上冲浪，刷 X、小红书、Pinterest、VSC 论坛，或者任何网页时，看到一张有感觉的图，不用再只是截图收藏。 Viko 可以帮你把这张图： - 画面解构：拆出风格、构图、光线、色彩、成像质感等关键元素 - 反推提示词：输出适合 GPT 图像模型使用的自然语言提示词，即关键词词组，绝对不用JSON - 提示词变体：在保留原图核心气质的基础上，生成新的创作方向 - 直接生成图片：一键从参考图到新图 - 保存到 Eagle：图片和提示词一键保存到本地素材库，方便后续管理和复用为什么要做这个插件？其实我个人一直不太喜欢传统意义上的反推。尤其 GPT-Image2 出来以后，那种把图片拆成一大段 JSON，然后追求 1:1 复刻的玩法，对我来说实在太无聊了。复刻出一张差不多的图，然后呢？我真正想要的是：当我们看到一张好图时，能快速抓住它最核心的画面结构，知道它为什么好看，风格在哪里，构图在哪里，光线和质感在哪里。然后基于这些信息继续发散，做出同一视觉体系下的新图、新玩法、新方向。这也是 Viko 现在最核心的三个能力：解构，反推，变体。目前 Viko 还在内部测试中，等后面上架 Chrome 插件商店，再同步给大家。

预告一下，给社区做了一个图像解构插件：Viko。一键爆破任何图片，让你功力大增！（哈哈哈哈夸张了）当你在网上冲浪，刷 X、小红书、Pinterest、VSC 论坛，或者任何网页时，看到一张有感觉的图，不用再只是截图收藏。 Viko 可以帮你把这张图： - 画面解构：拆出风格、构图、光线、色彩、成像质感等关键元素 - 反推提示词：输出适合 GPT 图像模型使用的自然语言提示词，即关键词词组，绝对不用JSON - 提示词变体：在保留原图核心气质的基础上，生成新的创作方向 - 直接生成图片：一键从参考图到新图 - 保存到 Eagle：图片和提示词一键保存到本地素材库，方便后续管理和复用为什么要做这个插件？其实我个人一直不太喜欢传统意义上的反推。尤其 GPT-Image2 出来以后，那种把图片拆成一大段 JSON，然后追求 1:1 复刻的玩法，对我来说实在太无聊了。复刻出一张差不多的图，然后呢？我真正想要的是：当我们看到一张好图时，能快速抓住它最核心的画面结构，知道它为什么好看，风格在哪里，构图在哪里，光线和质感在哪里。然后基于这些信息继续发散，做出同一视觉体系下的新图、新玩法、新方向。这也是 Viko 现在最核心的三个能力：解构，反推，变体。目前 Viko 还在内部测试中，等后面上架 Chrome 插件商店，再同步给大家。

古一

80,245 次观看 • 1 个月前

阿里刚刚搞了一个可将图像拆分成多个RGBA图层的模型：Qwen-Image-Layered，像Photoshop里图层一样这种分层使得图像可内在编辑，可以对单个图层进行操作，而不影响其他内容，保障了图像编辑的高保真和一致性比如说，一张有蓝天、白云、山峦和一棵树的风景照，你想移动那棵树，但栅格图像的纠缠性会使局部修改影响全局，而Qwen-Image-Layered只修改“树”那一层模型不限固定的图层数量，支持可变数量的图层分解分解过程可以递归进行，任意一个图层本身都可以被进一步分解 Qwen-Image-Layered对图像的结构化和分层能力，相当于让AI改图从粗修走向了精修，对设计师或者电商、广告行业比较实用 #AI图像编辑 #QwenImageLayered #AI修改

阿里刚刚搞了一个可将图像拆分成多个RGBA图层的模型：Qwen-Image-Layered，像Photoshop里图层一样这种分层使得图像可内在编辑，可以对单个图层进行操作，而不影响其他内容，保障了图像编辑的高保真和一致性比如说，一张有蓝天、白云、山峦和一棵树的风景照，你想移动那棵树，但栅格图像的纠缠性会使局部修改影响全局，而Qwen-Image-Layered只修改“树”那一层模型不限固定的图层数量，支持可变数量的图层分解分解过程可以递归进行，任意一个图层本身都可以被进一步分解 Qwen-Image-Layered对图像的结构化和分层能力，相当于让AI改图从粗修走向了精修，对设计师或者电商、广告行业比较实用 #AI图像编辑 #QwenImageLayered #AI修改

AIGCLINK

31,371 次观看 • 7 个月前

最近发现一套不错的办公 skills - SenseNova Skills，已经 4.1k 个 stars 了。这是基于底座 SenseNova 智能体模型开发的一系列 skills，针对办公需求，专注帮 AI Agent 做 PPT 生成、信息图、可视化、Excel 分析等真实办公场景。我测试了两种常见需求，第一是自动生成高质量 PPT，sn-ppt-entry / sn-ppt-standard，我把英伟达最新一季的财报数据丢给它，让它去生成，几分钟就能出一份结构清晰、设计专业的 PPTX，连图表都自动做好。第二是生成信息图，sn-infographic，高质量信息图 / 技术分解图 / 产品可视化把最近很流行的事件：Nvidia 与 SK Hynix 达成多年合作的的新闻丢给它，直接生成出了类似下面这种很形象富有科技感的新闻信息图，感觉很不错。除了这两个需求，它还可以完成其他常见的办公需求： * Excel 数据分析：自动处理大文件、多 Sheet 分析、出图表 * 深度研究：完整研究报告生成我已经把它集成到自己的 Agent 工作流里了，OpenClaw Hermes 都可以，我是用的 Codex，有类似任务现在直接丢给 Agent 全自动搞定，需要的朋友们可以收藏备用下。

最近发现一套不错的办公 skills - SenseNova Skills，已经 4.1k 个 stars 了。这是基于底座 SenseNova 智能体模型开发的一系列 skills，针对办公需求，专注帮 AI Agent 做 PPT 生成、信息图、可视化、Excel 分析等真实办公场景。我测试了两种常见需求，第一是自动生成高质量 PPT，sn-ppt-entry / sn-ppt-standard，我把英伟达最新一季的财报数据丢给它，让它去生成，几分钟就能出一份结构清晰、设计专业的 PPTX，连图表都自动做好。第二是生成信息图，sn-infographic，高质量信息图 / 技术分解图 / 产品可视化把最近很流行的事件：Nvidia 与 SK Hynix 达成多年合作的的新闻丢给它，直接生成出了类似下面这种很形象富有科技感的新闻信息图，感觉很不错。除了这两个需求，它还可以完成其他常见的办公需求： * Excel 数据分析：自动处理大文件、多 Sheet 分析、出图表 * 深度研究：完整研究报告生成我已经把它集成到自己的 Agent 工作流里了，OpenClaw Hermes 都可以，我是用的 Codex，有类似任务现在直接丢给 Agent 全自动搞定，需要的朋友们可以收藏备用下。

Viking

27,300 次观看 • 1 个月前

美图昨天发布了他们的MiracleVision 4.0图像模型，野心很大啊，几乎上线了现在 AI 画图和视频能做的所有事情，但是除了 AI 画图之外，AI 视频我没找到体验的地方，又是个期货发布会。下面是所有主要能力： ✦ AI 画图-矢量图形：画布中选一个区域，输入提示词，就可以生成匹配设计风格的矢量图形。 ✦ AI 画图-文字特效：输入任意想要的字形，如“MV”，同时输入“半透明玻璃，灯泡”就能生成对应的文字特效。 ✦ AI 画图-智能抠图：只需涂抹对象，AI就能够快速识别，自动提取，再转换成独立的图层。 ✦ AI 画图 -智能排版：可以帮你轻松排版。通过自然语言交互，对文字的布局、图像和元素的组合进行设计。模型商店：用户可以自己创建对应的 AI 画图风格模型并上架。 ✦ AI 视频-文生视频：输入提示词，就能生成一段视频。 ✦ AI 视频-图生视频：上传图片，让图片动起来。 ✦ AI视频-视频运镜：提供了推、拉、摇、移等八种电影级运镜模式。 ✦ AI视频-视频生视频：对已有视频提供风格转换的能力。 ✦ AI视频-商品展示：让商品展示图片动起来，变成视频。

美图昨天发布了他们的MiracleVision 4.0图像模型，野心很大啊，几乎上线了现在 AI 画图和视频能做的所有事情，但是除了 AI 画图之外，AI 视频我没找到体验的地方，又是个期货发布会。下面是所有主要能力： ✦ AI 画图-矢量图形：画布中选一个区域，输入提示词，就可以生成匹配设计风格的矢量图形。 ✦ AI 画图-文字特效：输入任意想要的字形，如“MV”，同时输入“半透明玻璃，灯泡”就能生成对应的文字特效。 ✦ AI 画图-智能抠图：只需涂抹对象，AI就能够快速识别，自动提取，再转换成独立的图层。 ✦ AI 画图 -智能排版：可以帮你轻松排版。通过自然语言交互，对文字的布局、图像和元素的组合进行设计。模型商店：用户可以自己创建对应的 AI 画图风格模型并上架。 ✦ AI 视频-文生视频：输入提示词，就能生成一段视频。 ✦ AI 视频-图生视频：上传图片，让图片动起来。 ✦ AI视频-视频运镜：提供了推、拉、摇、移等八种电影级运镜模式。 ✦ AI视频-视频生视频：对已有视频提供风格转换的能力。 ✦ AI视频-商品展示：让商品展示图片动起来，变成视频。

歸藏(guizang.ai)

110,739 次观看 • 2 年前

Lovart × Nano Banana 有点开挂的感觉让你从“单点出图”进化成“可交付的内容生产” Agent 的能力+强大的图像模型编辑能力无需来回切换工具，在一个画布窗口里面你就能轻松的完成各种的图像生成+编辑+产品拍摄+海报制作等同时还能进行视频创作，完全的一条龙下面是我从无到有创造一个模特的过程让你一个人即可可以实现“产品电商一条龙”：创造模特 → 商拍质感 → 上架所需套图

Lovart × Nano Banana 有点开挂的感觉让你从“单点出图”进化成“可交付的内容生产” Agent 的能力+强大的图像模型编辑能力无需来回切换工具，在一个画布窗口里面你就能轻松的完成各种的图像生成+编辑+产品拍摄+海报制作等同时还能进行视频创作，完全的一条龙下面是我从无到有创造一个模特的过程让你一个人即可可以实现“产品电商一条龙”：创造模特 → 商拍质感 → 上架所需套图

小互

23,259 次观看 • 10 个月前

GPT- image 2 ➕Nano banana 📷 实现出图自由，谷歌 flow 新增的 Agent 智能体还有智能指令实现了一次性生成十几张图片甚至视频，大大提高了生成效率，再也不用就是生成九宫格分镜，然后再一格一格去提取图片了！使用方法也很简单。点击 Agent 按钮上传在 GPT image 生成好的图片。然后选智能指令，把智能指令添加进去就可以实现批量出图。智能指令如下👇

GPT- image 2 ➕Nano banana 📷 实现出图自由，谷歌 flow 新增的 Agent 智能体还有智能指令实现了一次性生成十几张图片甚至视频，大大提高了生成效率，再也不用就是生成九宫格分镜，然后再一格一格去提取图片了！使用方法也很简单。点击 Agent 按钮上传在 GPT image 生成好的图片。然后选智能指令，把智能指令添加进去就可以实现批量出图。智能指令如下👇

John

43,671 次观看 • 2 个月前

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

歸藏(guizang.ai)

48,993 次观看 • 2 年前

Meta昨晚开源了款通用图像识别模型：DINOv3，核心能力在于无需人工标注，可以自己学习图像特征 DINOv3通过自监督学习框架实现，无需人工标注在基准测试上，性能与SigLIP 2、Perception Encoder等持平甚至超越它可以生成高质量高分辨率的密集图像特征表示，能捕捉图像的全局信息以及局部细节可以处理图像分类、目标检测、语义分割、图像检索、深度估计等等视觉任务除了普通照片，还可以处理卫星图像、医学图像等等可以用于环境监测中的图像分析、自动驾驶中的物体识别、医疗保健中的医学图像分析、安防监控中的人员识别等等 #DINOv3 #图像识别模型

Meta昨晚开源了款通用图像识别模型：DINOv3，核心能力在于无需人工标注，可以自己学习图像特征 DINOv3通过自监督学习框架实现，无需人工标注在基准测试上，性能与SigLIP 2、Perception Encoder等持平甚至超越它可以生成高质量高分辨率的密集图像特征表示，能捕捉图像的全局信息以及局部细节可以处理图像分类、目标检测、语义分割、图像检索、深度估计等等视觉任务除了普通照片，还可以处理卫星图像、医学图像等等可以用于环境监测中的图像分析、自动驾驶中的物体识别、医疗保健中的医学图像分析、安防监控中的人员识别等等 #DINOv3 #图像识别模型

AIGCLINK

11,415 次观看 • 11 个月前

我用GPT-4帮忙写了一个浏览器扩展，帮你把Midjourney提示词和对应图片快速保存到Notion中，下面是插件的使用方式介绍、我总结的GPT-4使用技巧以及产品实现的具体过程。详细的过程可以去这里查看：插件已经开源在这里下载：

我用GPT-4帮忙写了一个浏览器扩展，帮你把Midjourney提示词和对应图片快速保存到Notion中，下面是插件的使用方式介绍、我总结的GPT-4使用技巧以及产品实现的具体过程。详细的过程可以去这里查看：插件已经开源在这里下载：

歸藏(guizang.ai)

188,881 次观看 • 3 年前

把Banana图片变成可编辑的PPT文件这个网站可以把Banana生成的PPT图片，OCR成可以编辑的PPT源文件，准确度不错，但是细节的切分会稍有问题。用过之后我的感受是：能用AI生成和编辑PPT，我再也不愿意手动编辑PPT。现在AI编辑图片的能力还差些，但也就是等半年到一年的时间罢了。网址：

把Banana图片变成可编辑的PPT文件这个网站可以把Banana生成的PPT图片，OCR成可以编辑的PPT源文件，准确度不错，但是细节的切分会稍有问题。用过之后我的感受是：能用AI生成和编辑PPT，我再也不愿意手动编辑PPT。现在AI编辑图片的能力还差些，但也就是等半年到一年的时间罢了。网址：

Gorden Sun

30,108 次观看 • 7 个月前

PMRF：一种全新的图像修复算法实现高质量修复图像降低图像失真还原跟自然逼真度主要能力： -图像恢复：处理去噪、超分辨率、着色、盲图像恢复和图像修复等任务，生成自然逼真的图像。 -降低图像失真提高感知质：不仅关注图片的清晰度，还会确保图片看起来像真实世界中的图像，而不是AI生成 - 处理复杂的图像退化问题：PMRF能够应对各种复杂的图像退化情况，不论图片内容有多复杂，比如细节丰富的面部图像，还是受到多重损坏的图片，PMRF都能很好地处理，并提供优质的修复结果。

PMRF：一种全新的图像修复算法实现高质量修复图像降低图像失真还原跟自然逼真度主要能力： -图像恢复：处理去噪、超分辨率、着色、盲图像恢复和图像修复等任务，生成自然逼真的图像。 -降低图像失真提高感知质：不仅关注图片的清晰度，还会确保图片看起来像真实世界中的图像，而不是AI生成 - 处理复杂的图像退化问题：PMRF能够应对各种复杂的图像退化情况，不论图片内容有多复杂，比如细节丰富的面部图像，还是受到多重损坏的图片，PMRF都能很好地处理，并提供优质的修复结果。

小互

10,911 次观看 • 1 年前

发现了一个开源的生图 Claude Skill MeiGen-AI-Design-MCP，一个把大模型变成“专业设计助理”的仓库。该 Skill 和内置的 Prompt 提示词库搭配，能够搜索1300+提示词。产出的图片效果非常不错。最近我开发SaaS添加展示图片时经常用到。通过 7个内置的 MCP Tools 为大模型提供一整套“设计能力插件”，能够：像创意总监一样拆解需求像设计师一样做多方向视觉探索像工程师一样并行、自动化生成图像能够启动多个子代理： prompt-crafter写多套高质量提示 image-generator并行生成图像 gallery-researcher灵感搜索不污染主上下文安装过程如下 /plugin marketplace add jau123/MeiGen-AI-Design-MCP /plugin install meigen@meigen-marketplace 此外，还支持 ComfyUI 工作流程导入和 OpenClaw，但是我暂时用不到，大家可以自行探索，链接放在评论区了。视频展示效果如下

发现了一个开源的生图 Claude Skill MeiGen-AI-Design-MCP，一个把大模型变成“专业设计助理”的仓库。该 Skill 和内置的 Prompt 提示词库搭配，能够搜索1300+提示词。产出的图片效果非常不错。最近我开发SaaS添加展示图片时经常用到。通过 7个内置的 MCP Tools 为大模型提供一整套“设计能力插件”，能够：像创意总监一样拆解需求像设计师一样做多方向视觉探索像工程师一样并行、自动化生成图像能够启动多个子代理： prompt-crafter写多套高质量提示 image-generator并行生成图像 gallery-researcher灵感搜索不污染主上下文安装过程如下 /plugin marketplace add jau123/MeiGen-AI-Design-MCP /plugin install meigen@meigen-marketplace 此外，还支持 ComfyUI 工作流程导入和 OpenClaw，但是我暂时用不到，大家可以自行探索，链接放在评论区了。视频展示效果如下

雪踏乌云

15,296 次观看 • 5 个月前

兄弟们这可能是目前全球最强的AI图像生成设计工具了我测试了一周多，真的是非常强大它把【深度思考】的理念引入到了AI图像生成领域你只需描述你的需求，它会进逐步的推理和思考来分解和理解你的任务需求，然后调用合适的模型工具进行创作。而且在一个展开的画布中直接呈现，还能随时修改 Lovart 集成 GPT image-1、Flux Pro、OpenAI-o3、Gemini Imagen 3、Kling AI、Tripo AI、Suno AI 等市面上主流的多模态工具一站式调用，无需来回切换工具和跳来跳去，一个画布内即可完成你的所有图像、视频生成和设计需求。下面是我通过我的头像批量生产表情包和体恤、手机壳的过程效果和速度都非常的炸裂

兄弟们这可能是目前全球最强的AI图像生成设计工具了我测试了一周多，真的是非常强大它把【深度思考】的理念引入到了AI图像生成领域你只需描述你的需求，它会进逐步的推理和思考来分解和理解你的任务需求，然后调用合适的模型工具进行创作。而且在一个展开的画布中直接呈现，还能随时修改 Lovart 集成 GPT image-1、Flux Pro、OpenAI-o3、Gemini Imagen 3、Kling AI、Tripo AI、Suno AI 等市面上主流的多模态工具一站式调用，无需来回切换工具和跳来跳去，一个画布内即可完成你的所有图像、视频生成和设计需求。下面是我通过我的头像批量生产表情包和体恤、手机壳的过程效果和速度都非常的炸裂

小互

76,345 次观看 • 1 年前

跟在家做电商的朋友聊到他的一些痛点，我说有 lovart 或者 tapnow 这些很方便的画板工具，他说他只想要拍下图就能生成，而不是还要去学一下怎么写提示词，怎么使用软件，所以我就根据他的需求，把整套生图流程 vibecoding 了一套工具，现在随手拍一张图，就能生成一整套高质量的电商海报了

跟在家做电商的朋友聊到他的一些痛点，我说有 lovart 或者 tapnow 这些很方便的画板工具，他说他只想要拍下图就能生成，而不是还要去学一下怎么写提示词，怎么使用软件，所以我就根据他的需求，把整套生图流程 vibecoding 了一套工具，现在随手拍一张图，就能生成一整套高质量的电商海报了

Paidax

24,851 次观看 • 5 个月前

Flux3真的很强！终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里主打图像、视频、音频和动作预测的统一架构。它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了

Flux3真的很强！终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里主打图像、视频、音频和动作预测的统一架构。它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了

huangserva

26,909 次观看 • 4 天前

用 gemini-2.0 新推出的图片编辑 API，连夜肝了个工具，实现白底图到产品实拍图的批量自动化生成。效果炸裂，特别是对产品的特征保留的很好，相比 ComfyUI 工作流调个半死，这不强多了。这效果图拿来做短视频足以，代码还要整理一下，晚点看看发出来玩玩

用 gemini-2.0 新推出的图片编辑 API，连夜肝了个工具，实现白底图到产品实拍图的批量自动化生成。效果炸裂，特别是对产品的特征保留的很好，相比 ComfyUI 工作流调个半死，这不强多了。这效果图拿来做短视频足以，代码还要整理一下，晚点看看发出来玩玩

DouO

65,319 次观看 • 1 年前

ChatGPT 免费用户一天只有 2 次生成图片次数，EasyControl 刚刚在 Hugging Face 发布了 EasyControl_Ghibli 模型，可以免费生成吉卜力风格图像，操作非常简单，速度收藏。该模型仅使用了100张真实亚洲面孔与 GPT-4o 生成的吉卜力风格对应图像进行训练，并在应用标志性动漫美学的同时保留了面部特征。

ChatGPT 免费用户一天只有 2 次生成图片次数，EasyControl 刚刚在 Hugging Face 发布了 EasyControl_Ghibli 模型，可以免费生成吉卜力风格图像，操作非常简单，速度收藏。该模型仅使用了100张真实亚洲面孔与 GPT-4o 生成的吉卜力风格对应图像进行训练，并在应用标志性动漫美学的同时保留了面部特征。

katon

120,389 次观看 • 1 年前