跳到正文
10月22日週四
  1. DEV Community60

    MOSS-Image 教學:以 JSON 座標控制圖像中的物件佈局

    作者示範以 JSON 指定物件座標、大小和可選細節,控制 MOSS-Image 生成圖像時的佈局。作者測試 MOSS-Image-SFT 時,JSON 佈局約有 80% 的生成結果能正確放置物件,自然語言描述約為 40%。作者建議要精確放置物件時使用 SFT 而非 Base,並提供 ComfyUI 工作流 JSON 和提示詞合集的 GitHub 連結。

  2. HuggingFace Daily Papers(社區熱門論文)32

    GLOW-FM:以單步 Latent Flow Matching 高效提升低光影像

    GLOW-FM 提出單步 latent flow-matching 框架,透過凍結的 Tiny-VAE 潛在空間進行條件傳輸,並以 Terminal Velocity Matching(TVM)只需一次函數評估,提升低光影像。實驗顯示,小型版本僅需 34 GFLOPs,影像品質具競爭力,跨數據集泛化達到最先進水平;程式碼將於論文發表後公開。

  3. Dify Blog55

    Dify 如何搭建跨平台文案 chatflow

    Dify 教學示範如何搭建跨平台文案 chatflow,從指定網頁擷取內容並改寫為適合不同社交平台的文案。流程透過 Jina AI 解析網頁文字與圖片,並使用 Dify 0.8.0 加入的並行執行功能,生成 Redbook、Instagram 和 Twitter/threads 文案。其後可用迭代流程產生圖片提示詞,經 getimg.ai 生成圖片並輸出連結。

  4. 百度文心 ERNIE 官方博客68

    百度發佈 ERNIE-Image 開放權重文生圖模型

    百度發佈 ERNIE-Image,這是一款採用 8B 參數 DiT 的開放權重文生圖模型,並提供 ERNIE-Image-Turbo。ERNIE-Image 通常需 50 步推理,Turbo 經 DMD 和 RL 優化後只需 8 步。博客列出的四項基準結果中,ERNIE-Image 均位列前三,並在開放權重模型中排名第一。

  5. DEV Community32

    MythicCanvas:使用 Google AI Studio 打造奇幻 RPG 角色肖像工作室

    MythicCanvas 是一款以 Google AI Studio 和 Gemini 圖像模型打造的奇幻肖像生成與角色設計工作室,整合肖像生成、提示詞編輯、角色設定、角色卡及角色庫。應用程式使用 gemini-3-pro-image-preview 生成肖像,並以 gemini-nano-banana-2.1 根據提示詞編輯圖像;生成支援 1K、2K 和 4K 解析度。

  6. BBC Technology55

    Just Eat 因 AI 生成菜式圖片出錯致歉,暫停新增圖片

    外賣平台 Just Eat 因 AI 生成的餐廳菜式圖片出現錯誤而致歉,表示正移除錯誤圖片,並暫停製作更多圖片,直至 AI 進一步發展。AI 把煙肉雞蛋梳打麵包誤生成汽水杯中漂浮的煙肉和雞蛋,也把芝士卷變成壽司;報道指出,菜名的特定語境及拼寫錯誤都造成混淆。有顧客表示,菜式的實際外觀有助決定向哪間餐廳下單或點甚麼。

10月21日週三
  1. DEV Community69

    作者以100張圖片比較4款 AI 圖像判定工具,指出誤判風險不能只看準確率

    Han Lou 以100張圖片測試4款 AI 圖像判定工具,指出整體準確率不足以呈現誤判風險,真實照片被標成 AI 尤其值得關注。Sightengine 和 Hive 各測試100張,準確率分別為99%和95%,兩者都沒有把50張真實照片誤判為 AI;AI or Not 只測試20張,WasItAI 只測試9張,結果不足以作完整排名。

  2. DoNews62

    Black Forest Labs 開源 FLUX 3 Image Klein 圖像生成模型

    Black Forest Labs 於 10月15日開源 FLUX 3 Image Klein 圖像生成模型,參數量為 5.6B,並針對消費級 GPU 作優化。其 INT8 版本需 8GB 顯存,在 RTX 4070/5090 等設備上生成 1MP 圖像分別需時不足 9 秒及約 4 秒。模型支援文字生成圖像、圖像編輯、多參考生成及原生 4K 輸出,並具備像素級編輯與圖案限位能力。

  3. DEV Community38

    自動化止步之處:標題、關鍵字與封面仍須人手判斷

    作者的貼紙套裝流程以腳本製作符合平台格式的 CSV、防止重複上載及產生封面,但標題、關鍵字、圖片品質和封面是否吸引人仍須人手判斷。每批 40 組套裝約需 90 分鐘檢查中繼資料及挑選生成圖片;整套流程曾在 1 vCPU、2 GB RAM 的伺服器上封裝 39 件產品,輸出共 856 MB。

  4. DEV Community64

    Cloudflare Queues 如何處理付費 AI 圖像任務,避免重複收費和重複呼叫模型

    作者拆解其照片風格轉換應用如何用 Cloudflare Queues 處理付費 AI 圖像任務,並以 D1 交易、冪等鍵及條件式任務認領,避免重複扣款和佇列重送時再次呼叫模型。若任務在處理中卡住超過 15 分鐘,排程工作會將其標記失敗並退款;生成前的視覺檢查可攔截含糊要求,生成後則評估結果,並在修復未改善時保留先前版本。系統亦會在每次付費呼叫前按每日預算預留成本,再按供應商用量資料結算。

  5. DEV Community39

    我把個人網站改造成一幢建築

    作者將個人網站改造成由六個房間組成的互動建築,訪客點選房間後,像素角色會帶路進入相應頁面。網站以 Astro 靜態生成,文章以 Markdown 檔案儲存,沒有資料庫、管理面板或在伺服器上執行的程式碼。吉祥物、房間及行走動畫由 gpt-image 生成後再手工整理,程式碼則由作者與 Claude Code 一同編寫。

  6. Recraft 自有模型與設計產品58

    Recraft 指南:如何創作角色一致的兒童繪本

    Recraft 的指南建議先完成並分配兒童繪本稿件,再製作角色設定表,並以固定畫風和角色參考圖維持各頁插畫一致。Recraft Studio 的 V4 Styles mode 可用最多 10 張參考圖建立可重用風格,無需訓練;編輯模型亦可接受最多 10 張參考圖。接近完成的頁面可透過局部編輯調整指定元素,避免重新生成整頁造成角色走樣。

10月20日週二
  1. DEV Community32

    如何在瀏覽器中設計 Tesla 數碼車身外觀:Tesla Wrap Pro 的圖庫、編輯及 3D 預覽

    Tesla Wrap Pro 讓 Tesla 車主在瀏覽器中自訂車輛螢幕顯示的數碼外觀,並以圖庫、編輯器及即時 3D 預覽設計。手動編輯、3D 預覽及 PNG 下載免費;可選 AI 工作流程可按文字或參考圖片生成設計,但需帳戶及預付點數。設計可匯出為 PNG,供支援的 Tesla Paint Shop 使用,惟需按車款及軟件版本核對相容性;產品不提供實體貼膜或安裝服務。

  2. DEV Community57

    AI Cartoon Generator 如何用 Next.js、Cloudflare Workers 和 D1 構建邊緣優先的 AI 卡通 SaaS

    作者構建並推出 AI Cartoon Generator,這是一個面向卡通、動漫和漫畫創作者的創作平台,採用 Next.js App Router(透過 OpenNext)、Cloudflare Workers、D1 和 R2。文章分享如何分拆工作負載、處理 R2 快取部署、使用 D1 batch() 進行原子批次操作,以及驗證 ISR;作者稱部署流程縮至 45 秒,頁面載入時間低於 50ms。

  3. DEV Community53

    Kivide 分享多模型 AI 影片工作室的工程設計,涵蓋 19 個圖像及影片模型

    作者分享 Kivide 將 19 個圖像及影片模型整合至同一工作室的工程設計,聚焦模型能力描述、點數計費與提示詞層。系統以模型規格資料驅動介面、定價和生成端點,按模型及方案計算成本;Pro 年繳用戶支付標準價格的 60%,生成前預扣點數,失敗時退款並以生成 ID 防止重複退款。提示詞示例強調鏡頭角度、動作動詞和物理細節,並將內容拆分為主體、動作、鏡頭、氛圍及品質欄位。

  4. HuggingFace Daily Papers(社區熱門論文)47

    Text-to-Image Generative Modeling Without Language Pretraining

    Halcyon 證明,多模態自回歸模型只用圖文配對資料從零開始訓練,無需大規模語言預訓練,也能實現高質素文字生成圖像。Halcyon-0.52B 以少 18.2 倍的預訓練計算量,取得優於 LlamaGen-XL/8 的 gFD 評分;Halcyon-1.6B 亦以少 275 倍的計算量優於 JiT-T2I-XXL/8++。研究亦發現,純文字預訓練不會提升文字生成圖像效果。

  5. HuggingFace Daily Papers(社區熱門論文)34

    RoAR-VAE:透過穩健預測提升潛在表示的擴散可學習性

    RoAR-VAE 透過穩健預測改善視覺 tokenizer,平衡影像重建保真度與下游擴散模型的可學習性。在相同訓練預算下,其生成基準平均分數較最強基線 tokenizer 高 2.19 分,小字重建準確度則較 FLUX.1-VAE 高 16.93 個百分點。RoAR-VAE 結合 RobustAlign 和 RobustRecon,分別從受損潛在表示預測預訓練語義特徵,以及重建清晰影像。

  6. DEV Community50

    AI 照片生成身份鎖的構建經驗:如何保持人物面貌一致

    Promtix 為 AI 照片生成工具設計按用途調整的身份鎖,讓參考照片中需要保留的人物特徵不被預設文字覆蓋。身份敏感且附有參考照片時,指示模型以照片為準處理膚色、年齡、體型及性別;A/B 對照顯示,啟用鎖定後膚色和年齡更貼近來源照片,場景則不受影響。髮型試戴工具採用較窄的身份鎖,不鎖定髮型;作者指出,同一原則也適用於髮色和鬍鬚工具。

  7. HuggingFace Daily Papers(社區熱門論文)37

    TextRIRO:如果場景文字編輯只使用真實資料?

    TextRIRO 以圖像擾動建立自配對真實資料,配合條件式擴散模型進行場景文字編輯,提升真實場景中的準確度與視覺真實感。研究發現,結合字元欄位打亂與圖像裁剪可破壞文字語義,同時保留風格線索;TextRIRO-3M 亦可提升長文本識別模型的準確度。

  8. DEV Community28

    Renova 如何打造 AI 空間改造功能

    Renova 以提示詞驅動的影像編輯模型配合浮水印,建立 AI 空間改造流程,讓用戶點按後數秒內,把房間、房屋外觀、花園或泳池照片改成指定風格的同一空間。提示詞會保留空間結構、建築格局和拍攝角度,多種改造工具共用同一核心步驟。Renova 以同一套程式碼支援 iPhone、Android 和網頁版,並讓同一帳戶及設計記錄在各平台間延續。

  9. DEV Community35

    I Found a Better-Looking AI Website. Then I Compared Its Business With Mine.

    作者比較 TextToPoster 與 CutDone 的商業模式,探討兩款由獨立開發者建立的 AI 輔助工具如何吸引用戶並實現收入。TextToPoster 每月訂閲費為 $9.90,CutDone 為 $4.99;CutDone 的網域每年約 ¥75,部分 DeepSeek 文字生成請求每次約 ¥0.01。文章指出,AI 降低了建立產品的成本,但找到真正重視產品的用戶仍不容易。

10月19日週一
  1. DEV Community45

    Higgsfield AI 圖像評測 2026:四張東京海報與一個浮水印

    Higgsfield 與 Kyncept 各以同一東京提示詞完成兩張標示為 Nano Banana Pro 的圖片,四張檔案均為 1376×768 pixels;這個小樣本中,內容品質難分高下。Higgsfield 原始 PNG 帶有右下角品牌浮水印,每張扣 2 個積分;檢視的兩張 Kyncept JPEG 均未見品牌標記,每張扣 1 個積分。時長資料不完整,未能判定哪個服務普遍較快。