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。

终于来了！ Midjourney角色一致性功能发布. 下面视频是网站的使用方法和介绍：这个功能和之前的风格参照很相似，不同之处在于它不是匹配一个特定风格，而是让角色与给定的角色参照图像相符合。如何使用：在你输入的指令后面加上 --cref URL，URL是你选择的角色图像的链接。你还可以用 --cw 来调整参照的“强度”，范围从100到0。默认的强度是100 (--cw 100)，这时会参考人物的脸部、发型和衣着。如果设置为强度0 (--cw 0)，那么系统只会关注脸部（这对于更换服饰或发型很有帮助）。适用范围：这个功能最适合用于Midjourney创作的角色图像。不太适合用于真人照片（可能会产生一些扭曲，就像普通图像提示那样）。 Cref的工作方式类似于普通图像提示，但它更专注于角色的特征。但请注意，这项技术的精确度是有限的，它无法复制极其细微的特征，比如特定的酒窝、雀斑或T恤上的标志。 Cref同样适用于Niji和普通MJ模型，并且可以与--sref一起使用。高级功能：你可以使用多个URL，通过 --cref URL1 URL2 的方式来结合多个图像中的角色信息（这和使用多重图像或风格提示类似）。在web alpha版本中如何操作：只需将图片拖动或粘贴到想象工具栏，你会看到三个图标。选择这些图标之一，可以设置图片用作图像提示、风格参照或角色参照。如果你想让一张图像同时用于多个类别，只需按住Shift键再选择。请记住，由于MJ V6目前还处于alpha测试阶段，这个和其他功能可能会有所变化。但不久后，我们会推出官方的V6 beta版。

歸藏(guizang.ai)

159,634 subscribers

75,336 次观看 • 2 年前 •via X (Twitter)

艺术科学技术教育

Anya Rossi• Live Now

Private livecam show

10 条评论

歸藏(guizang.ai) 的头像

歸藏(guizang.ai)2 年前

Nick 这张图的演示效果更好一些：

歸藏(guizang.ai) 的头像

歸藏(guizang.ai)2 年前

多人角色一致性的测试：

pippo 的头像

pippo2 年前

就等着藏哥的文章呢。

Manaker 的头像

Manaker2 年前

又想开通MJ会员了

Leeysu 的头像

Leeysu2 年前

是不是亚洲面孔效果都不咋样，用了杨幂的照片，只能说神似，这还是挑了最好的一张

SimbaLee 的头像

SimbaLee2 年前

传说中一直跳票的那个功能么

hristo 的头像

hristo2 年前

找了更多的示例，小红书做流量确实有了迎来新时代了，通过一致性做『虚拟』形象，降低了门槛可以带来大爆发

OSDev 的头像

OSDev2 年前

@readwise save thread

Cruise lee 的头像

Cruise lee2 年前

终于来了，一些东西可以开干了

Boooom 的头像

Boooom2 年前

图里多人的话能识别不哦

相关视频

🔥 Midjourney cref 海马体写真教程来啦！10 分钟不到出写真～视频在下面（记得mark 看文字笔记）👇 超低学习成本，你只要会用任意手机修图软件...就能解决 Midjourney Cref 角色一致性直出之后的「形似而神不似」的问题。 📝 简而言之，文字笔记： 1️⃣ 得益于 --cref [image url]和 --cw [0~100]，midjourney 能够迅速达成角色一致性的目的而无需 Lora。其中，cref 代表 character reference（角色参考）；cw 则代表 character weight（参考权重），默认为 100，会参考角色的人脸和服装特点。如果你只想关注人脸，请调低到 0。 2️⃣ 你不需要对角色原图使用 /describe 来贴近目标生成角色的形象，因为 --cref 会帮你完成这件事情。 👉 于是，风格复制和服装的替换，则应当用提示词（prompt）和 --sref [image url] 来解决。顾名思义，--sref 代表 style reference，权重参数为 --sw [0~1000]，默认值 100，越高越接近参考图像的风格举个例子，现在我们要海马体这张图像，我们先用 /describe 指令反推海马体的提示词，再配合 --sref [海马体图像的 url]，就可以轻松复制图像风格。在回车之前，检查你的提示词，不要出现和 sref 风格差异过大的 prompt；也可以增加一些你之前学过的有用的 prompt。 3️⃣ Upscale 最满意的那一张。接下来解决大家最关心的「形似而神不似」的问题。其实非常简单，这个问题其实是：MJ 直出和原人物在眼睛、眉毛、鼻子等其他地方的大小、间距有一些细微的差距。如果你不控制变量一个个调整，就会觉得「怎么眼睛嘴巴合在一起就不像我了？」此时，用醒图（英文版叫做 hypic）或者美图秀秀等 App 调整脸部，拖拖修图进度条就好了～完成度就从50%->80%甚至更高！如果你用的是醒图，我建议关注一下【人像 -> 面部重塑 -> 面部 -> 比例】，调整一下上庭、中庭、下庭。 --- 📝 其他备注 1: 🎨 在转绘这部分有一个重点案例是照片 -> Minecraft 这种风格幅度变化很大的。有小伙伴的问题是发现即便 --sw 风格权重拉满了还是复制不了像素小人风格。经过实验发现：原因是 --cw 太高。猜想原理：cref 提取的人物本身包含了一定程度的风格特性。MJ 把这部分特质也当成了「作为你 character 的一部分」。调低 cw 发现成功复制，猜想正确。（见视频） --- 📝 其他备注 2: 🤔 cref 和 sref 还可以同时参考多张 url，那是不是说我只要上传同一个人不同角度的照片，就更容易直出呢？ 🧪 实验发现不是..用语言描述的感觉是：MJ 它会把多张照片理解为多张人脸，直接把形状揉在一起。结果非常容易畸形。

🔥 Midjourney cref 海马体写真教程来啦！10 分钟不到出写真～视频在下面（记得mark 看文字笔记）👇 超低学习成本，你只要会用任意手机修图软件...就能解决 Midjourney Cref 角色一致性直出之后的「形似而神不似」的问题。 📝 简而言之，文字笔记： 1️⃣ 得益于 --cref [image url]和 --cw [0~100]，midjourney 能够迅速达成角色一致性的目的而无需 Lora。其中，cref 代表 character reference（角色参考）；cw 则代表 character weight（参考权重），默认为 100，会参考角色的人脸和服装特点。如果你只想关注人脸，请调低到 0。 2️⃣ 你不需要对角色原图使用 /describe 来贴近目标生成角色的形象，因为 --cref 会帮你完成这件事情。 👉 于是，风格复制和服装的替换，则应当用提示词（prompt）和 --sref [image url] 来解决。顾名思义，--sref 代表 style reference，权重参数为 --sw [0~1000]，默认值 100，越高越接近参考图像的风格举个例子，现在我们要海马体这张图像，我们先用 /describe 指令反推海马体的提示词，再配合 --sref [海马体图像的 url]，就可以轻松复制图像风格。在回车之前，检查你的提示词，不要出现和 sref 风格差异过大的 prompt；也可以增加一些你之前学过的有用的 prompt。 3️⃣ Upscale 最满意的那一张。接下来解决大家最关心的「形似而神不似」的问题。其实非常简单，这个问题其实是：MJ 直出和原人物在眼睛、眉毛、鼻子等其他地方的大小、间距有一些细微的差距。如果你不控制变量一个个调整，就会觉得「怎么眼睛嘴巴合在一起就不像我了？」此时，用醒图（英文版叫做 hypic）或者美图秀秀等 App 调整脸部，拖拖修图进度条就好了～完成度就从50%->80%甚至更高！如果你用的是醒图，我建议关注一下【人像 -> 面部重塑 -> 面部 -> 比例】，调整一下上庭、中庭、下庭。 --- 📝 其他备注 1: 🎨 在转绘这部分有一个重点案例是照片 -> Minecraft 这种风格幅度变化很大的。有小伙伴的问题是发现即便 --sw 风格权重拉满了还是复制不了像素小人风格。经过实验发现：原因是 --cw 太高。猜想原理：cref 提取的人物本身包含了一定程度的风格特性。MJ 把这部分特质也当成了「作为你 character 的一部分」。调低 cw 发现成功复制，猜想正确。（见视频） --- 📝 其他备注 2: 🤔 cref 和 sref 还可以同时参考多张 url，那是不是说我只要上传同一个人不同角度的照片，就更容易直出呢？ 🧪 实验发现不是..用语言描述的感觉是：MJ 它会把多张照片理解为多张人脸，直接把形状揉在一起。结果非常容易畸形。

Lyson Ober

163,409 次观看 • 2 年前

一个好玩的插件，「照样拍」2.0正式上线！如果一个软件不在把重心放在“有用”，而是“有趣”，会发生什么？「照样拍」开发的初心就是提供情绪价值。想要拍出网上同款大片，只需要点击几下就行，无需手写提示词。就像雇了10个御用摄影师，把你喜欢的图片分析出同款参数，按一下快门就出片。它能把你的整个网页变成灵感库：小红书、Pinterest、电商图、摄影作品，都能变成风格参考。我希望它能帮助大家发现不一样的自己，找到更多属于自己的风格，用极低的成本试错，获得属于自己的高质量写真。如果你是AI生图玩家，「照样拍」能帮你快速对你的参考图片做同款风格视觉，像素级复刻的提示词随手就来。如果你是摄影师，它可以把客片参考图快速拆成可复用的拍摄风格、灯光、构图方案。帮你掌握画面关键提示词，快速用AI套用。如果你是电商卖家，它能帮你把好看的模特图、妆造图、棚拍图，快速做成同类风格参考。 Discover a style. Make it your own. 在1.0版本的阶段，我发了一条帖子，有30多位朋友选择成为「照样拍」的付费用户。在2.0版本，插件价格为29.9¥，一杯美式的价格即可买断使用，并且享受后续更新版本。购买链接：

一个好玩的插件，「照样拍」2.0正式上线！如果一个软件不在把重心放在“有用”，而是“有趣”，会发生什么？「照样拍」开发的初心就是提供情绪价值。想要拍出网上同款大片，只需要点击几下就行，无需手写提示词。就像雇了10个御用摄影师，把你喜欢的图片分析出同款参数，按一下快门就出片。它能把你的整个网页变成灵感库：小红书、Pinterest、电商图、摄影作品，都能变成风格参考。我希望它能帮助大家发现不一样的自己，找到更多属于自己的风格，用极低的成本试错，获得属于自己的高质量写真。如果你是AI生图玩家，「照样拍」能帮你快速对你的参考图片做同款风格视觉，像素级复刻的提示词随手就来。如果你是摄影师，它可以把客片参考图快速拆成可复用的拍摄风格、灯光、构图方案。帮你掌握画面关键提示词，快速用AI套用。如果你是电商卖家，它能帮你把好看的模特图、妆造图、棚拍图，快速做成同类风格参考。 Discover a style. Make it your own. 在1.0版本的阶段，我发了一条帖子，有30多位朋友选择成为「照样拍」的付费用户。在2.0版本，插件价格为29.9¥，一杯美式的价格即可买断使用，并且享受后续更新版本。购买链接：

骑司Chase

110,661 次观看 • 1 个月前

今天看到一个不错的 AI 产品 Napkin，能帮你生成各种不同样式风格的漂亮图表，交互很丝滑，图表也很漂亮。大概看了下实现原理，应该是后台用了一个小模型（GPT-4 mini 或者 Gemini Flash这种），把选中的文本变成mermaid这样的图表格式，并且每个节点选了一个配套的图标（可能用了RAG），然后前端渲染成 SVG 格式，编辑器是基于 TipTap。它有很多图表的模板，会一次性生成多套图表，你可以选择一套喜欢的应用。每一套风格都很讨喜，团队的设计能力很强。目前还是免费的

今天看到一个不错的 AI 产品 Napkin，能帮你生成各种不同样式风格的漂亮图表，交互很丝滑，图表也很漂亮。大概看了下实现原理，应该是后台用了一个小模型（GPT-4 mini 或者 Gemini Flash这种），把选中的文本变成mermaid这样的图表格式，并且每个节点选了一个配套的图标（可能用了RAG），然后前端渲染成 SVG 格式，编辑器是基于 TipTap。它有很多图表的模板，会一次性生成多套图表，你可以选择一套喜欢的应用。每一套风格都很讨喜，团队的设计能力很强。目前还是免费的

宝玉

67,346 次观看 • 1 年前

这是一套已经被161万人见证过的交易策略，据频道主说这是最好的剥头皮方法，能有接近96.8%的交易胜率，我大牙都被惊掉了😘🤓 接下来我会在比特币图表连续交易回测100次，看看比特币是否适用这套策略！第一个要用到平均K线图 Heikin Ashi，选中这两个黄色五角星的收藏按钮，这样方便我们在平均K线图和普通K线图之间快速切换，平均K线图可以消除强劲的价格波动滤除掉一些市场的噪音，帮助我们更好地识别行情走势/ 平均K线图取的是平均值，虽然两种图表呈现相同的走势，但收盘价与普通K线图的实际价格却有些出入。所以在本次测试中，我会打开右上角的上下布局，上方设置成平均K线图表作为信号指标使用，下方是我们的普通K线图，实际交易以普通K线图为准！第二个用到的指标是Chandelier Exit，后面简称CE指标，我们将参数改成1和2，样式栏中只留下Buy Label和Sell Label两个买卖标签，其他用不到的功能勾掉！第三个用到的指标是ZLSMA（Zero Lag LSMA），后面简称ZL线，将长度设置成50，颜色改成白色！这就是我们要用到的所有作案工具，接下来我就在视频中结合实例解释一下交易规则～

这是一套已经被161万人见证过的交易策略，据频道主说这是最好的剥头皮方法，能有接近96.8%的交易胜率，我大牙都被惊掉了😘🤓 接下来我会在比特币图表连续交易回测100次，看看比特币是否适用这套策略！第一个要用到平均K线图 Heikin Ashi，选中这两个黄色五角星的收藏按钮，这样方便我们在平均K线图和普通K线图之间快速切换，平均K线图可以消除强劲的价格波动滤除掉一些市场的噪音，帮助我们更好地识别行情走势/ 平均K线图取的是平均值，虽然两种图表呈现相同的走势，但收盘价与普通K线图的实际价格却有些出入。所以在本次测试中，我会打开右上角的上下布局，上方设置成平均K线图表作为信号指标使用，下方是我们的普通K线图，实际交易以普通K线图为准！第二个用到的指标是Chandelier Exit，后面简称CE指标，我们将参数改成1和2，样式栏中只留下Buy Label和Sell Label两个买卖标签，其他用不到的功能勾掉！第三个用到的指标是ZLSMA（Zero Lag LSMA），后面简称ZL线，将长度设置成50，颜色改成白色！这就是我们要用到的所有作案工具，接下来我就在视频中结合实例解释一下交易规则～

投机实验室

27,560 次观看 • 1 年前

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

小互

44,263 次观看 • 1 年前

兄弟们这个牛P PaintsUndo：输入静态图像自动帮你生成整个绘画的全过程视频你只需要提供一张图片，PaintsUndo会根据你提供的图像自动生成对应的绘画全过程视频。不仅限于某一种类型的图像，PaintsUndo可以应用于各种不同类型的图像，生成相应的绘画过程视频。该项目主要是为了研究和再现数字绘画中的绘画行为，从而为数字艺术创作提供新的工具和方法。

兄弟们这个牛P PaintsUndo：输入静态图像自动帮你生成整个绘画的全过程视频你只需要提供一张图片，PaintsUndo会根据你提供的图像自动生成对应的绘画全过程视频。不仅限于某一种类型的图像，PaintsUndo可以应用于各种不同类型的图像，生成相应的绘画过程视频。该项目主要是为了研究和再现数字绘画中的绘画行为，从而为数字艺术创作提供新的工具和方法。

小互

448,970 次观看 • 2 年前

开源 | 基于 DeepSeek、Kokoro TTS 与 Replicate 的多功能内容 AI 创作应用：故事、播客、图像、音频一站式生成简介：在本期视频中，我详细演示了一个整合 DeepSeek、Kokoro TTS 以及 Replicate 的多功能内容创作应用。该应用我已开源，它可以一键生成故事、播客脚本并支持语音合成，还可通过 Replicate 进行图像创作。我还分享了如何根据角色或场景灵活选择不同的声音和微调图像，以及如何在浏览器开发者工具和 Replicate 后台进行调试和错误排查。无论你是想快速生成多角色故事、播客脚本，还是想尝试个性化图像生成，本视频都能为你提供实用的思路与示例。时间戳： 0:00 - 项目开源和简介 0:53 - 应用演示 7:30 - Kokoro js 介绍 8:24 - Replicate API 调用说明 10:10 - Replicate 图片模型微调介绍 11:40 - 浏览器开发者工具调试 14:44 - 应用提示词解读 17:04 - 要点总结

开源 | 基于 DeepSeek、Kokoro TTS 与 Replicate 的多功能内容 AI 创作应用：故事、播客、图像、音频一站式生成简介：在本期视频中，我详细演示了一个整合 DeepSeek、Kokoro TTS 以及 Replicate 的多功能内容创作应用。该应用我已开源，它可以一键生成故事、播客脚本并支持语音合成，还可通过 Replicate 进行图像创作。我还分享了如何根据角色或场景灵活选择不同的声音和微调图像，以及如何在浏览器开发者工具和 Replicate 后台进行调试和错误排查。无论你是想快速生成多角色故事、播客脚本，还是想尝试个性化图像生成，本视频都能为你提供实用的思路与示例。时间戳： 0:00 - 项目开源和简介 0:53 - 应用演示 7:30 - Kokoro js 介绍 8:24 - Replicate API 调用说明 10:10 - Replicate 图片模型微调介绍 11:40 - 浏览器开发者工具调试 14:44 - 应用提示词解读 17:04 - 要点总结

nicekate

39,492 次观看 • 1 年前

这个真的有点炸裂，我必须要炸裂一下，亲自测试了🤣 字节跳动发布AI图像编辑工具只需一句话即可实现全自动P图你只需要通过简单的文字描述来修改图像，对图片进行各种复杂的修改和编辑，不需要专业的图片处理技能，不需要其他任何操作，不用再相 Photoshop 那样复杂的操作才能修改编辑图像。无论是改变图像的内容、风格，还是调整光线和角度，SeedEdit 都可以实现，并保持高质量的编辑效果。

这个真的有点炸裂，我必须要炸裂一下，亲自测试了🤣 字节跳动发布AI图像编辑工具只需一句话即可实现全自动P图你只需要通过简单的文字描述来修改图像，对图片进行各种复杂的修改和编辑，不需要专业的图片处理技能，不需要其他任何操作，不用再相 Photoshop 那样复杂的操作才能修改编辑图像。无论是改变图像的内容、风格，还是调整光线和角度，SeedEdit 都可以实现，并保持高质量的编辑效果。

小互

123,997 次观看 • 1 年前

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

karminski-牙医

29,929 次观看 • 8 个月前

一个非常实用的图表生成网站：chartcube图表魔方无需注册和登录，使用简便同时功能全面。它不仅允许用户导出各种图表，还支持多种文件格式的导出。通过四个简单的步骤，用户可以迅速制作出专业级别的图表，相较于使用PPT和Excel，这种方式更为高效便捷！ 🔗：

一个非常实用的图表生成网站：chartcube图表魔方无需注册和登录，使用简便同时功能全面。它不仅允许用户导出各种图表，还支持多种文件格式的导出。通过四个简单的步骤，用户可以迅速制作出专业级别的图表，相较于使用PPT和Excel，这种方式更为高效便捷！ 🔗：

知识分享官

61,798 次观看 • 2 年前

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

如何轻松创建可爱的人工智能生成的小动物视频使用人工智能工具，您不需要太多就能制作出这样可爱又可爱的小动物视频。现在，任何人只需点击几下就可以生成可爱的小动物短视频。我将引导您使用 ChatGPT4、Midjourney、RunwayML 和 Pixabay 完成几个简单的步骤。首先，该演示视频是使用以下内容创建的：头脑风暴：ChatGPT4 图片：MJ 动画：RunwayML 音乐：Pixabay / Geoff Harvey 编辑：CapCut 第 1 步：用AI工具脑爆可爱的小动物使用 ChatGPT4 或 Claude 帮助您集思广益，列出 10 种（或更多）超级可爱的小动物。要求足够生动的描述，以便与 Midjourney 等图像生成 AI 工具一起使用步骤 2：使用 Midjourney（或您选择的其他图像工具，但此步骤假设您使用的是 Midjourney）生成图像记下您的动物描述列表，并使用 Midjourney 生成每种动物美丽、可爱的图像。步骤 3：使用不同区域增强图像在MJ使用新的“变化区域”功能。突出显示整个图像区域，然后只需按箭头按钮即可生成 4 个附加图像。新的 Vary Region 实际上增强了您的形象。选择您最喜欢的升级版并保存以供后续步骤使用。第 4 步：使用 RunwayML 制作图像动画前往 RunwayML 并使用其 Gen-2 图像转视频功能来为您的增强型中途图像制作动画。将新的 MotionSlider 调整为 3 或 4 以添加微妙的运动，从而很好地保留图像质量和上下文。您可能需要重新滚动几次才能获得您喜欢的自然动作。第5步：添加背景音乐和文字在 Pixabay 或 CapCut 中搜索与您视频的欢快氛围相匹配的简短、欢快的曲目。根据需要修剪和使用淡入淡出等音效。使用 CapCut 添加文本你就完成了！ ✅ 享受你可爱的创作，别忘了分享！原作者：Min Choi

如何轻松创建可爱的人工智能生成的小动物视频使用人工智能工具，您不需要太多就能制作出这样可爱又可爱的小动物视频。现在，任何人只需点击几下就可以生成可爱的小动物短视频。我将引导您使用 ChatGPT4、Midjourney、RunwayML 和 Pixabay 完成几个简单的步骤。首先，该演示视频是使用以下内容创建的：头脑风暴：ChatGPT4 图片：MJ 动画：RunwayML 音乐：Pixabay / Geoff Harvey 编辑：CapCut 第 1 步：用AI工具脑爆可爱的小动物使用 ChatGPT4 或 Claude 帮助您集思广益，列出 10 种（或更多）超级可爱的小动物。要求足够生动的描述，以便与 Midjourney 等图像生成 AI 工具一起使用步骤 2：使用 Midjourney（或您选择的其他图像工具，但此步骤假设您使用的是 Midjourney）生成图像记下您的动物描述列表，并使用 Midjourney 生成每种动物美丽、可爱的图像。步骤 3：使用不同区域增强图像在MJ使用新的“变化区域”功能。突出显示整个图像区域，然后只需按箭头按钮即可生成 4 个附加图像。新的 Vary Region 实际上增强了您的形象。选择您最喜欢的升级版并保存以供后续步骤使用。第 4 步：使用 RunwayML 制作图像动画前往 RunwayML 并使用其 Gen-2 图像转视频功能来为您的增强型中途图像制作动画。将新的 MotionSlider 调整为 3 或 4 以添加微妙的运动，从而很好地保留图像质量和上下文。您可能需要重新滚动几次才能获得您喜欢的自然动作。第5步：添加背景音乐和文字在 Pixabay 或 CapCut 中搜索与您视频的欢快氛围相匹配的简短、欢快的曲目。根据需要修剪和使用淡入淡出等音效。使用 CapCut 添加文本你就完成了！ ✅ 享受你可爱的创作，别忘了分享！原作者：Min Choi

AI Will

39,381 次观看 • 2 年前

阿里期货开源，再发新项目：虚拟服装试穿。只需要一张人物照片和服装照片就可以让那个人穿上这个衣服，对服装行业是个利好。效果确实很好，但是全是期货开源很容易被当成诈骗啊。 Reddit 有个宣传这个项目的帖子，下面全是在喷，用不到就是不存在。还可以跟前几天发的Animate-Anyone项目结合生成跳舞视频。简介： Outfit Anyone通过利用双流条件扩散模型来解决这些限制，使其能够熟练处理服装变形，从而获得更逼真的结果。它通过可扩展性（调节姿势和身体形状等因素）和广泛适用性（从动漫到野外图像）来区别于其他方法。Outfit Anyone在各种场景中的表现突显了它在实际部署中的实用性和准备就绪性。实现方法：核心是条件扩散模型，它处理模特、服装和相关文本提示的图像，以服装图像作为控制因素。在内部，网络分为两个流，独立处理模特和服装数据。这些流在融合网络中汇聚，便于将服装细节嵌入模特的特征表示中。在此基础上，我们建立了Outfit Anyone，包括两个关键元素：用于初始试穿图像的零样本试穿网络，以及用于增强输出图像中服装和皮肤纹理的事后优化器。项目地址：

阿里期货开源，再发新项目：虚拟服装试穿。只需要一张人物照片和服装照片就可以让那个人穿上这个衣服，对服装行业是个利好。效果确实很好，但是全是期货开源很容易被当成诈骗啊。 Reddit 有个宣传这个项目的帖子，下面全是在喷，用不到就是不存在。还可以跟前几天发的Animate-Anyone项目结合生成跳舞视频。简介： Outfit Anyone通过利用双流条件扩散模型来解决这些限制，使其能够熟练处理服装变形，从而获得更逼真的结果。它通过可扩展性（调节姿势和身体形状等因素）和广泛适用性（从动漫到野外图像）来区别于其他方法。Outfit Anyone在各种场景中的表现突显了它在实际部署中的实用性和准备就绪性。实现方法：核心是条件扩散模型，它处理模特、服装和相关文本提示的图像，以服装图像作为控制因素。在内部，网络分为两个流，独立处理模特和服装数据。这些流在融合网络中汇聚，便于将服装细节嵌入模特的特征表示中。在此基础上，我们建立了Outfit Anyone，包括两个关键元素：用于初始试穿图像的零样本试穿网络，以及用于增强输出图像中服装和皮肤纹理的事后优化器。项目地址：

歸藏(guizang.ai)

150,912 次观看 • 2 年前

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

53,946 次观看 • 7 天前

一图胜千言。那么，学习知识时有这样的可交互图片（interactive images），就是“一图数千言”！今天，gemini 3.0 pro 的可交互图片推送了。demo 见视频。在学习一些学术概念时，例如细胞结构，神经元运作方式，这样的可交互图片就非常有价值。说明：之前误解了。interactive images 并不算 nano banana pro 的生图能力，而是 gemini 3.0 pro 的动态网页功能。使用方式：没有直接开关。就是选择 gemini 3.0 pro，特定的问题会触发可交互图片。我测试了多个 prompt，包括但不限于明确指定使用 interactive images，但是都没用。所以，目前还不太稳定。后续有经验会及时分享出来。启示： ai 最容易也最应该落地的一个场景就是学习和教育。gemini 3.0 pro 的这个功能，如果能持续迭代，应该会非常强大。希望它早点整合到 notebooklm 中🤣

一图胜千言。那么，学习知识时有这样的可交互图片（interactive images），就是“一图数千言”！今天，gemini 3.0 pro 的可交互图片推送了。demo 见视频。在学习一些学术概念时，例如细胞结构，神经元运作方式，这样的可交互图片就非常有价值。说明：之前误解了。interactive images 并不算 nano banana pro 的生图能力，而是 gemini 3.0 pro 的动态网页功能。使用方式：没有直接开关。就是选择 gemini 3.0 pro，特定的问题会触发可交互图片。我测试了多个 prompt，包括但不限于明确指定使用 interactive images，但是都没用。所以，目前还不太稳定。后续有经验会及时分享出来。启示： ai 最容易也最应该落地的一个场景就是学习和教育。gemini 3.0 pro 的这个功能，如果能持续迭代，应该会非常强大。希望它早点整合到 notebooklm 中🤣

howie.serious

38,930 次观看 • 8 个月前

三分钟能学会用图片生成这样的AI视频吗？二十年后娃可能会问：“当年你们站在AI风口浪尖上，怎么就没抓住机会挣到钱呢？” 就像你不理解父辈明明在改革开放的时候到处是机会，怎么就没变暴发户。要不，先动手试试看？（博主“北方Befun”用到的工具： Lovart：用于生成和处理所有静态图片。 Nano Banana Pro ：用于生成服装、人物、细节和分镜图。可灵3.0 (Kling 3.0) 欧米娜大模型：用于最后将静态图片转化为动态视频。这也是在Seedance禁止真人脸的时候一个很好的替代品。）

三分钟能学会用图片生成这样的AI视频吗？二十年后娃可能会问：“当年你们站在AI风口浪尖上，怎么就没抓住机会挣到钱呢？” 就像你不理解父辈明明在改革开放的时候到处是机会，怎么就没变暴发户。要不，先动手试试看？（博主“北方Befun”用到的工具： Lovart：用于生成和处理所有静态图片。 Nano Banana Pro ：用于生成服装、人物、细节和分镜图。可灵3.0 (Kling 3.0) 欧米娜大模型：用于最后将静态图片转化为动态视频。这也是在Seedance禁止真人脸的时候一个很好的替代品。）

Ken W

24,980 次观看 • 4 个月前

发现一个效果很好且颇为实用的 AI 图像修复工具：PromptFix。它能够根据输入的提示来对图像进行修复，比如给图像上色、移除指定物体、去除水印、图像高清化、调整光线等。 GitHub：从给出的演示来看，效果挺不错的，代码已经开源，可以自部署使用。

发现一个效果很好且颇为实用的 AI 图像修复工具：PromptFix。它能够根据输入的提示来对图像进行修复，比如给图像上色、移除指定物体、去除水印、图像高清化、调整光线等。 GitHub：从给出的演示来看，效果挺不错的，代码已经开源，可以自部署使用。

高军

19,275 次观看 • 1 年前

看到大家玩的蛮开心，之前的功能我决定全部免费开放，不用再问我要License了。同时，DrawingPics发布正式版了，License购买作为了可选项，这次更新带来的两个新模型，作为License激活用户的特权。这次更新的效果是，不需要什么机器代价的情况下，你们可以画的更准，和图像质量更高。直观展示请看视频。关于这两个模型具体细节： 1 精准画图模型：类似controlnet，这个模型下你画的线条它都会去感知到。另外它只需要额外多下载300M。运行时内存也有优化。 2更高质量的模型：这个是SDXL的社区改良版，比SDXL体积更小速度更快，适合我们这种场景跑。SDXL主要特色是具有照片真实感，景深比较强。它也同样拥有这个优点。但低分辨率下跑不出来效果。缺点是它要多下载4-6GB，而且占用内存比较高。 3一开始的画图模型，没有动它：我发现了它的优点，就是图生图的理解能力蛮强的，只要写简单的prompt就能懂，虽然没有SDXL那么“高质量”真实感，但是似乎更“聪明”“灵活”，而且快。这就是目前三个主要的画图模式，都在最新的 DrawingPics1.0.1 版本中发了，只需要下载安装，就可以在你自己的电脑上无限出图了！

看到大家玩的蛮开心，之前的功能我决定全部免费开放，不用再问我要License了。同时，DrawingPics发布正式版了，License购买作为了可选项，这次更新带来的两个新模型，作为License激活用户的特权。这次更新的效果是，不需要什么机器代价的情况下，你们可以画的更准，和图像质量更高。直观展示请看视频。关于这两个模型具体细节： 1 精准画图模型：类似controlnet，这个模型下你画的线条它都会去感知到。另外它只需要额外多下载300M。运行时内存也有优化。 2更高质量的模型：这个是SDXL的社区改良版，比SDXL体积更小速度更快，适合我们这种场景跑。SDXL主要特色是具有照片真实感，景深比较强。它也同样拥有这个优点。但低分辨率下跑不出来效果。缺点是它要多下载4-6GB，而且占用内存比较高。 3一开始的画图模型，没有动它：我发现了它的优点，就是图生图的理解能力蛮强的，只要写简单的prompt就能懂，虽然没有SDXL那么“高质量”真实感，但是似乎更“聪明”“灵活”，而且快。这就是目前三个主要的画图模式，都在最新的 DrawingPics1.0.1 版本中发了，只需要下载安装，就可以在你自己的电脑上无限出图了！

Xiao Tan

116,792 次观看 • 2 年前