如何選擇可按提示詞修改現有圖片的 AI 相片編輯器
選擇可按提示詞修改現有圖片的 AI 相片編輯器,應先測試工具能否保留原圖主體及重要細節。評估時可測試物件移除、背景替換、指定區域選取和連續修改,並檢查輸出尺寸、畫質及陰影效果。輸出結果可反映編輯是否符合要求,但不能單憑結果判定服務的內部處理方式。
選擇可按提示詞修改現有圖片的 AI 相片編輯器,應先測試工具能否保留原圖主體及重要細節。評估時可測試物件移除、背景替換、指定區域選取和連續修改,並檢查輸出尺寸、畫質及陰影效果。輸出結果可反映編輯是否符合要求,但不能單憑結果判定服務的內部處理方式。
InferenceKey 在單張 A40 上實測 MOSS-Image-SFT,50 步版本每張約需 78 至 81 秒,文字測試中的字樣均正確;8 步 turbo 約需 8.6 至 9.2 秒,但有文字錯誤。
IDM(Intrinsic Distribution Matching)在 internal DMD 基礎上加入生成器 EMA 特徵的矩約束,無需外部特徵編碼器。
HairDeck 以擴散 Transformer 從單張圖片生成風格化髮片及彈簧骨骼動畫,並將髮型表示為無序 token 集合。於 CHARM 自有測試集上,HairDeck 的 Chamfer 距離降低 44%、髮片方向誤差減少逾半,速度快 33 倍;生成的資產可供動畫製作,並可匯出至下游格式使用。
Meta 於2026年10月30日在印度尼西亞、新加坡及泰國推出 AI 穿搭應用程式 Style Sketch,提供虛擬試穿及按行程規劃穿搭。應用程式可連結 Instagram 生成虛擬衣櫥,亦可透過拍照、短片或相簿加入衣物,並兼容 iOS 與 Android。
Google Imagen 3 與 DALL-E 3、MidJourney 及 Stable Diffusion XL 1.0 作比較,評估文字生成圖像能力及各自優勢。Imagen 3 著重高解像度圖像、複雜提示詞的遵循度,以及 inpainting 和 outpainting 功能;Stable Diffusion XL 1.0 則以開源和可自訂見稱。
EditAgent 把編輯步驟分流至通用編輯器及專門方法,並為候選結果附上驗證紀錄,以擴展智能體圖像編輯的行動與觀察空間。專家在 78.5% 的已判定比較中偏好這種並行生成及一次列表式評判的做法,評判呼叫次數不多於順序改進方式的一半。EditAgent 在三個基準測試中提升了兩個開放權重編輯器的表現。
文創設計 AI Skill 接收「雲南文化主題冰箱貼」作為輸入,自動完成概念解構、方案設計、提示詞組裝及效果圖生成,約 178 秒產出完整設計方案與產品效果圖。方案以瓦貓和見手青為設計元素,產品名為「瓦貓守家·見手青變色冰箱貼」。全流程無需人工幹預,適用於前期概念發散和設計初稿參考。
作者針對 AI 漫劇製作中的 6 類資產管理事故,提出可追溯、可回滾、可復現及可校驗的全生命週期管控方案。方案以 L0–L5 資產分級、SSD/機械硬碟/夸克網盤混合存儲、版本基線凍結與 SHA256 審計為核心,並規範入庫、交接、備份和清理流程。文中提供 Python 工具及目錄模板,配套資源連結為 https://pan.quark.cn/s/2d676ea18531。
阿里雲函數計算(FC)的 Serverless GPU 方案可部署 ComfyUI、Flux 和 GPT-SoVITS,按需分配 GPU,請求完成後釋放資源,並按實際使用時長計費。Flux 生圖冷啟動約 60 秒,後續每張圖約 5 秒;GPT-SoVITS 語音案例冷啟動約 8 秒。方案適合間歇性使用和快速驗證,不適合等待時間要求高的即時互動。
ComfyUI 圖生圖批次推理管線以原圖潛變量、ControlNet 結構條件、IP-Adapter 身份特徵及提示詞共同控制生成。方案透過 YAML 分層配置、API 工作流模板、動態參數注入,以及帶日誌、限流與重試的任務調度處理批次繪圖,並附 Python 程式碼、參數範圍和故障排查方法。
SketchDirector 是一個智能體框架,可將場景文字提示詞拆解為多個由 Bézier 曲線構成的草稿向量素材,再透過具自我演進記憶的推理迴圈安排空間佈局,並利用擴散先驗精修細節。研究團隊同時推出 MCSketch8K 數據集,收錄可編輯向量素材、組合佈局及物件層級操作註釋。實驗顯示,SketchDirector 在語義和組合品質上優於現有基準,並能在精修時保留整體輪廓組織。
阿里雲雙 11 大促期間,Qwen-image-3.0、Qwen3.7-Max 和 Qwen3.8-Max-Preview 提供圖像生成、智能體及旗艦模型能力,文章並整理模型架構、功能和實戰接入教學。
Tabtab 聚合 16 個 AI 模型,包括 11 個圖片模型和 5 個影片模型,按量付費,起付為 2 美元。影片生成透過非同步 Task API 提交任務並查詢結果;開發者可使用同一個 API 接入圖片與影片模型,並按畫質、時長和成本調整模型。
LARC 為統一多模態模型引入連續空間潛在推理,改善圖像生成質素,並支援測試時擴展,避免離散 token 瓶頸。其訓練分兩階段:課程式監督微調,以及資訊增益強化學習;後者無需真值監督。LARC 在 GenEval 上取得最先進表現,較 BAGEL 提升 7%p,並在平行及循序測試時擴展策略下,展現優於基於 token 生成的表現。
Meta 推出 AI 時尚應用程式 Style Sketch,讓用戶以已有衣物組合穿搭。應用程式連結 Instagram,從用戶已發布的照片建立虛擬衣櫃,也可手動加入衣物;目前在印尼、新加坡和泰國提供 iOS 及 Android 版本。用戶可取得穿搭建議、試穿虛擬造型,亦可按目的地、行程長度、活動和天氣預報規劃每日穿搭。
麥橘在2026站酷設計周分享 AI 角色設計方法,提出以「骨皮形神」四個維度描述面孔特徵,並將這套體系定位為有待創作者檢驗和完善的「行業語言初稿」。他帶來的首批72個原創角色已落戶站酷,並完成 DCI 數字版權標識申領及美術作品著作權登記。站酷用戶可查看角色檔案,在明確授權範圍後下載素材,亦可按項目定製角色。
中國電信與三星電子發布折疊屏手機心繫天下三星W27,搭載第五代驍龍8至尊版(for Galaxy),配備2億像素主攝及8.0英寸內屏。16GB+512GB版本建議零售價18,999元,16GB+1TB版本為21,999元;10月29日開放登記預約,11月13日全渠道開售。
作者以 Krea 2 Turbo 進行 5 個文生圖產品廣告實驗,測試模型將提示詞轉化為廣告風格視覺素材的效果。實驗在 ComfyUI 中使用 INT8 ConvRot 擴散模型、FP8 Qwen3-VL 4B 文字編碼器及 Qwen Image VAE;生成速度、VRAM 用量和輸出質素視乎 GPU、解析度及取樣設定而定。
研究發現,REPA 等擴散 Transformer 加速方法會重組 AdaLN-Zero 殘差閘 α,而較廣泛的閘參與度與較佳生成品質相關。研究提出無需教師模型的徑向目標,透過特徵範數正則化促進廣泛參與;在 ImageNet 256times256 的 SiT-B/2 實驗中,該方法的 FID 優於 dispersive loss。
調研認為,用小凝的照片製作形象影片可行,但照片生成高質素長片仍受身份漂移、動作表現及成本限制。四條路線包括音訊驅動口播、影片驅動表情復刻、圖生影片,以及多鏡頭身份一致性工程。建議先製作 15–30 秒口播或短鏡頭,再逐步處理一致性、超分及合規。
跨境電商商品素材本地化需按素材類型選擇技術路徑:文本採用垂直領域翻譯並人工校對,圖片經文字識別、擦除及譯文回填,影片則處理字幕、配音和口型同步。選型應考慮素材類型、本地化深度和批量規模;AI 負責初步處理,關鍵內容、圖片排版及影片配音仍須人工複核。
作者以 Python dataclass 編寫 Seedream 5.5 文字生成圖像提示詞輔助工具,按欄位組合提示詞並檢查缺漏。產品場景可額外檢查 surface、background、angle 和 space,並只改一個欄位建立一致系列。工具亦可把欄位資料轉成字典,與生成圖像一併存成 JSON,以便重建提示詞。
作者將 AI 生成的 PNG 標誌放大 8 倍,指出像素格式限制印刷尺寸,不能直接作為可任意縮放的標誌。測試中,1,200 px PNG 印在一米橫額上約為每英吋 30 像素,低於印刷店要求的 300;SVG 原檔大小為 11,813 bytes,任何尺寸都維持不變。
RelayMe 以視覺化畫布串連圖片、影片及文字模型,讓市場營銷團隊從一張產品相片生成候選圖片、調整尺寸並製作影片廣告。影片模型包括 Veo 3.1、Veo 3.1 Fast、Grok Imagine 和 MiniMax-H3,執行前可查看按模型及設定計算的點數估算。Starter、Basic 和 Pro 月費分別為 $19、$32 和 $90,附有不同月度點數。
作者測試三款圖像編輯模型把招牌上的 70% 改為 50%;Qwen 2.1 首次把 SALE 改掉,另外兩款雖改對數字,周邊畫面仍有變化。八次生成圖片的請求中,五個輸出通過文字檢查並選用於網站,三個包含錯誤修改;另有一次請求因供應商錯誤未產生圖片。作者建議逐字核對新文字及本應保留的文字,並以原尺寸檢查字形、間距和周邊細節。
這份 SOP 以 60 集閩南語直向短劇《等你平安歸來》為案例,將阿里雲 FC、百煉、OSS 與 ComfyUI 串接成涵蓋劇本結構化、素材生成、方言配音和成片交付的製作管線。
Getty Images 於 2026年10月21日向美國法院申請《破產法》第11章重組保護。重組方案將註銷現有股權,由蓋蒂家族關聯實體及科赫股權發展公司關聯方取得重組後公司的全部股權;蓋蒂家族關聯實體的股權投資承諾上限為1.62億美元。文章亦追溯蓋蒂家族從石油產業起家,到以信託、家辦及多元投資管理財富的歷程。
作者以 Sightengine 重新測試其 AI 圖像檢測器:80 張已核實的 AI 圖像中,78 張判為 Likely AI,沒有被判作真實照片。40 張相機原始照片中,38 張判為真實照片,1 張被誤判為 AI,另有 1 張無法判定。每個生成器的樣本只有 20 張,結果仍有不確定性。
這份指南為 AI 漫劇與繪圖項目整理素材及成品檔案的全生命週期管理方法,涵蓋五類資產、標準目錄結構、版本管控和自動歸檔。Python 腳本會把渲染目錄中的合資格圖片和影片複製到歸檔資料夾,並輸出記錄檔名、檔案大小、修改時間和原始路徑的 CSV。交付規範包括原始素材唯讀、版本只增不覆蓋,以及在 readme.md 記錄模型依賴與環境資訊。
10月27日,中國農業出版社確認召回並下架《南海海洋生物科普叢書》第13冊(斑節對蝦),原因是封面及內頁出現 AI 生成的「雙頭蝦」錯誤圖片。該書序言稱,多數圖片由 AI 工具繪製,技術尚不成熟導致圖像失真;出版社表示正全網下架並啟動召回。出版社未就「脱殼示意」作公開回應;截至10月28日,其官方小程序及旗艦店已下架該書。
中國農業出版社表示,正通知全網下架並召回《南海海洋生物科普叢書》第13冊《斑節對蝦》,該冊封面及內頁出現「雙頭蝦」圖片。書序稱,叢書絕大多數圖片由 AI 繪圖工具生成;知情人士稱,涉事圖片原意是呈現斑節對蝦蜕殼過程,但因 AI 技術使用不成熟而引發誤解。出版社尚未就知情人士的説法公開回應,相關書籍已無法在其官方微信小程序和官方旗艦店查到。
中國農業出版社表示,正通知全網下架並召回《南海海洋生物科普叢書》中出現 AI 生成「雙頭蝦」錯誤圖片的涉事圖書。該圖出現在第13冊「斑節對蝦」封面及內頁;知情人士稱,圖片原為呈現斑節對蝦脱殼過程,但因 AI 技術使用不成熟,最終效果顯得誇張。
蘋果在 iOS 27.2 中為照片應用的共享相簿新增四項功能,包括編輯照片説明和評論、避免重複添加照片,以及在相簿即將到期時顯示提醒。更新亦為照片應用和 Image Playground 圖樂園加入 SynthID 水印支持,可輔助識別由生成式工具創建或修改的圖像;但並非所有經過編輯的照片都會帶有該標記。
GPU Unlock 的社羣基準測試顯示,RTX 3090 Ti 在部分 AI 圖像生成工作負載中吞吐量最高提升 58.6%,但增幅取決於數值格式及硬件、軟件配置。
Recraft 的指南示範如何用 AI 製作符合 iOS 和 Android 要求的 App 圖示,並從同一設計處理兩個平台的圖層、遮罩與輸出尺寸。指南以 Recraft V4.1 Vector 生成可編輯 SVG,並建議先檢查圖示在 40 px 下的辨識度,再拆分圖層。
蘋果推出 iOS 27.2,為 iPhone 照片 app 的共享相簿加入四項功能,並支援 SynthID 水印,以協助識別生成式 AI 建立或修改的圖像。用戶可編輯照片説明和評論、避免重複加入照片,並在相簿到期前收到提醒;共享相簿須升級至適用於 iOS 27 的版本。照片 app 和 Image Playground 亦新增 SynthID 水印支援,但並非所有經編輯的照片都會帶有標記。
蘋果 iOS 27.2 為照片應用程式的共享相簿新增四項功能,包括編輯照片説明和評論、避免重複加入照片,以及在相簿即將到期前收到提醒。照片應用程式和 Image Playground 圖樂園亦新增 SynthID 水印支援,以協助識別生成式 AI 建立或修改的圖像,但並非所有經編輯的照片都會帶有該標記。
阿里雲萬小智升級至 3.0,新增 GEO 品牌診斷、SEO 智能優化、AI 文章、圖片及影片創作,以及多平台內容分發。新用戶可免費領取 2000 靈感值,輕量版首月優惠價為 15 元,購買標準版或高級版可獲贈 CN 域名。
Microsoft 於 10 月 27 日發佈 MAI-Image-2.7-Preview,該模型在 Artificial Analysis 的 AA-Image-Editing v2.1 榜以 1,193 Elo 排第 2。