Recraft Studio 教學:將同一角色轉換為動漫、3D 與像素藝術風格
Recraft Studio 的教學示範如何以一張角色主圖生成 3D 收藏玩具、動漫主視覺和像素角色,並保留角色辨識特徵。流程使用 Nano Banana 2.1 的 Edit image,每張圖 7 credits;提示詞應固定角色輪廓、配色、標誌物件和陪伴物,容許線條、光影及質感隨風格變化。
Recraft Studio 的教學示範如何以一張角色主圖生成 3D 收藏玩具、動漫主視覺和像素角色,並保留角色辨識特徵。流程使用 Nano Banana 2.1 的 Edit image,每張圖 7 credits;提示詞應固定角色輪廓、配色、標誌物件和陪伴物,容許線條、光影及質感隨風格變化。
Recraft Studio 指南示範如何從角色圖建立自訂風格,再設計場景並將角色放入其中,為角色打造風格一致的世界。流程以 Recraft V4.1 Pro 生成環境,再用 Nano Banana 2.1 配合環境圖和角色圖作雙參考;文章亦建議固定角色細節,並以重複道具、配色和光線維持不同場景的一致性。
Recraft 的指南示範如何使用 Recraft V4.1 Vector,將角色配角設計成向量吉祥物並製作表情貼紙組。指南建議在單張 16:9 圖片中生成整組姿勢,並具體描述眼睛、圓環和天線的形狀與動作,以保持造型一致。輸出為 SVG 後可拆成獨立貼紙,並在 16、32 像素等實際尺寸檢查辨識度。
Recraft 的指南示範如何在 Recraft Studio 以自創角色製作四格漫畫,涵蓋編寫劇本、製作分鏡、逐格生成畫面和對白排版。指南建議先用 V4.1 Flash 製作分鏡,再以環境圖和角色圖作參考,使用 Nano Banana 2.1 逐格生成正式畫面。對白應以文字工具加入,因為圖像模型生成的文字經常有拼寫錯誤。
Recraft 的教學介紹如何在 Recraft Studio 以原圖生成 AI 圖像,流程分為上傳、描述變更、控制與原圖的差異及匯出四步。文章將任務分為編輯、重設風格和變體,並説明提示詞與相似度設定如何影響原圖保留程度。API 以 0 至 1 的 strength 值控制變化幅度;免費方案每日最多提供 30 次生成。
SpaceFlow 提出免訓練流程,以文字描述和幾何圖元生成 3D 內容,並可為各區域設定局部控制程度,選擇嚴格遵循輸入形狀或容許生成補全。外觀合成時,各部分只根據指定的文字或圖像線索生成;固定幾何評估中,文字條件路由的提示詞吻合度及顏色/材質準確度達到當前最先進水平。
豆包工作在任務模式新增畫布功能,支援無限畫布及 Seedream 5.0 Flash 圖片模型,用戶可查看、比較和整理素材,並逐步編輯文字、配色與佈局。豆包 2.1 Lite 已上線豆包工作,主打更省額度、更快交付,適用於文件撰寫、表格處理及 PPT 製作等場景。
FreeMatching 是一個通用框架,結合生成式與語義基礎表徵,以及來自傳統數據集、追蹤影片和合成場景的異質監督,旨在應對影像編輯與參考引導生成中的密集對應匹配。實驗顯示,單一 FreeMatching 模型提升了具挑戰性的影像對之對應品質,同時在傳統基準測試中保持競爭力。它亦可作為量化身份保留程度的指標,評分與人類判斷相關。
研究提出 Spatial Canvas Interface,讓用戶在空間畫布上編排海報生成意圖,並據此開發模型 Compo。介面提供語義、身份、文字及像素四種綁定方式,並以 Text Specifications 描述個別元素與整體外觀。評測顯示,Compo 的構圖可控性強於通用圖像生成模型及專用海報生成系統,同時維持高視覺質素。
VibeEdit 提出以畫布指令編輯圖像的介面,用戶可直接在圖像上標記編輯位置及修改內容,無須另寫文字提示詞。在 419 個案例的基準測試中,VibeEdit 的 VLM 評分為 79.9、區域外 PSNR 為 32.8 dB,高於文字指令基線 FireRed 的 67.4 及 24.0 dB。
研究團隊提出 RISEBench++ 視覺編輯評測基準,並提出免訓練的 RISE-Agent 框架。基準涵蓋 6 個推理維度、12 個子類別、65 種任務及 1,000 個人工標註測試案例,支援英文和中文。評估 58 種方法後,表現最佳的 GPT-Image-2.5 Sunburst 準確率為 56.6%。
Midjourney 的 Alpha 本週更新加入共享資料夾,並可用「thinking」重新執行以 8.2(standard 和 edit)生成的任務。資料夾可按用戶名邀請協作者或瀏覽者,亦可設定連結分享範圍。分享不會改變圖片私隱設定,非 stealth 圖片仍可能出現在 Explore 和個人檔案。
Midjourney 正在 Alpha 網站測試用於圖像生成的「Thinking Mode」,並邀請用戶提供意見。測試中發現,該模式有助提升模型在提示詞準確度、排版及連貫性方面的表現。
Pollo AI 透過 Pollo Agent 結合 OpenAI 模型,協助用戶把創意構想轉化為影片、廣告及宣傳視覺內容。平台以 GPT-5.6 負責路由,並以 GPT-6 Astra 處理較複雜任務,GPT-Image-2.5 則用於圖像生成。Pollo AI 表示,用戶選擇或切換模型所花時間減少逾 50%。
InstantFusion 是連接異質圖像生成器去噪軌跡的輕量級共享潛在介面。它透過各模型專屬的 Latent AutoEncoders(LAEs),把中間狀態映射至共享潛在空間,再解碼至目標生成器的潛在空間。訓練後,去噪可在凍結生成器之間轉換,無須為每組模型配對另設映射,並在加速、多偏好組合等設定中取得具競爭力的表現。
BigCell 提出生成原生十億像素級全切片病理影像的方法,可產生最高 32,768×32,768 像素的連貫影像。模型以 2048×2048 像素訓練,使用超過 120,000 張公開全切片影像;自適應排程令生成速度提升逾 3 倍,品質下降有限。另一個模型根據病理文字報告生成 8k 影像;加入合成樣本後,切片級 few-shot 分類表現較以真實資料訓練的基線最高提升 18%。
在訓練及推理計算量相同時,APEX 的 64-token 模型勝過 256-token 基線模型。APEX 結合分層潛在空間與非同步去噪排程;token 用量減少 4× 時,生成圖像品質反而更佳,並令極限壓縮下的通道縮放切實可行,大幅減輕其他受測方法的生成品質下降。
研究提出 Representation Guidance(RG),透過低維瓶頸形成生成所需的緊湊表徵,並以其引導解碼器生成。ImageNet 256x256 上,僅有 459M 參數的 RG-L/16 表現勝過規模大得多的像素擴散 Transformer,RG-XL/16 的 FID 為 1.55。
MixTok 結合精簡的 1D 全局表示與稀疏 2D token,按圖像內容自適應分配局部細化 token。於 ImageNet 256 x 256 上,重建 rFID 為 1.195,平均每張圖像約使用 128 個內容 token;生成 gFID 為 1.95,平均約使用 131 個內容 token。
ThinkDrag 是一個結合視覺推理的多模態框架,讓拖曳式圖片編輯能根據點位限制理解物件及場景層級的語義轉換。它可在生成圖片前輸出推理過程,並以 Drag Endpoint Markers 為拖曳提供圖像空間中的對應訊號;研究亦建立配對推理過程的監督數據集,並推出評估具挑戰性編輯情境的 DragBench++。
Iris-3B 研究像素空間擴散模型的預訓練、轉換與微調,並發現像素空間生成先驗未能顯著改善下游任務表現。在深度估計及 4 倍 DIV2K 圖像修復中,像素空間模型均未勝過微調後的潛在空間 FLUX.2 Klein;不過,Iris-3B 達到 3B 參數規模,並在 OneIG 的 1024^2 評測中取得與 Qwen-Image 相若的文生圖品質。作者已公開模型權重及訓練程式碼。
Normalizing Trajectory Models(NTM)以具表達力的條件正規化流建模每個反向步驟,並以精確似然訓練。模型的精確軌跡似然支援自蒸餾,讓輕量去噪器在四步內生成高質素樣本。在文字生成圖像基準測試中,NTM 以四個採樣步驟達到或超越強勁基線,並且是唯一保留生成軌跡精確似然的模型。
Pristine Models 提出文字生成圖像架構,以分別參數化的分支隔離安全與不安全知識,並可在推理時停用不安全分支。ImageNet 結果顯示,該方法保留全數據預訓練的大部分效用,圖像質素和文字對齊表現亦優於只用安全數據訓練或事後移除概念;在 CC12M 上亦保持有效。
AI 相機 App Superpose 完成 220 萬美元種子輪融資,利用 AI 在 10 秒內生成 4 張姿勢參考圖,並提供即時拍攝指導。產品今年 7 月上線以來,安裝量超過 2 萬次,累計生成超過 19 萬次。用戶每日可免費生成 5 次,之後可購買生成額度。
Recraft 的「Select Background」工具可在不改動主要主體的情況下更換圖片背景。用戶選取背景、輸入新的文字描述,再按「Recraft」即可重繪背景,毋須手動勾勒範圍。
Recraft 可透過 AI 提示詞生成效果圖底圖,並把設計圖插入其中,自動調整至貼合底圖。用戶可生成或上載設計圖,完成後匯出高解像度 PNG,用於品牌、介面、社交媒體及電商展示。
Recraft 的 AI 圖案生成器可按文字描述製作無縫圖案,並讓用戶調整顏色、形狀等元素。教學列出由註冊、建立專案、輸入描述、微調至儲存匯出的 5 個步驟,成品可匯出為 SVG、PNG、JPEG 或 Lottie。生成的圖片可用於商業用途。
Recraft 可讓用戶以自有圖片建立自訂品牌風格,再按該風格生成 AI 圖像,以維持多張作品的品牌一致性。用戶可匯入最多 5 張高解像度圖片(最大 6000x6000 px),再以提示詞描述圖像內容,並選擇色彩、背景、長寬比及生成數量。
Recraft 可按指定的 hex 色碼生成 AI 圖像,讓作品配合品牌色彩與設計指引。用戶可透過色彩選擇器輸入色碼、從現有圖片匯入調色板,或隨機產生調色板,再以提示詞指定圖像內容、風格和構圖。生成後可微調細節、調整配色與尺寸、移除局部或放大圖片;AI 換色工具亦可為圖片套用新顏色或取代原有顏色。
AI 圖像生成器會根據文字提示詞或其他輸入資料創作圖像,生成內容涵蓋寫實場景至抽象藝術。模型透過大量圖像及相關文字資料學習,生成時逐步減少雜訊,再按品質和風格要求修整圖像。Recraft 面向設計師提供圖像及向量圖生成、圖像放大和 AI 背景移除,並可調整風格、色彩和細節。
Recraft 的 AI 設計平台讓設計師和市場推廣人員按品牌風格製作社交媒體圖像,可上載品牌圖片建立自訂風格,再用該風格生成圖像。圖像生成器每次可生成 1 至 4 張,並支援生成系列圖像、移除背景、使用 AI 橡皮擦、調整比例、套用品牌色盤、放大圖像及向量化。AI 圖像生成器免費供所有用戶使用。
Recraft 的 AI 向量生成工具可為網站製作圖示、標誌、插畫等向量圖像,並可匯出 SVG,供網站設計使用。生成的圖像可上載至網站建構工具,再放置於網站設計中;SVG 檔案可縮放而保持高畫質,且檔案體積較小,適合網頁使用。
Recraft AI 提供設計師在工作流程中使用 AI 的 6 種方式,涵蓋構思、精準修圖、品牌一致性設計、社交媒體圖片、mockup 製作及圖示套裝。其影像生成器基於 20-billion parameter AI 模型,一次最多生成 4 張圖片;亦可一鍵建立 6 個風格、線條粗幼、顏色和尺寸一致的圖示。
Recraft 推出 Halloweenize 功能,可把現有圖片轉成萬聖節風格;Recraft 亦支援按文字提示詞生成萬聖節 AI 圖片。功能會把色調調成較濃鬱、温暖的橙色與深黑色,並加入南瓜、鬼魂、怪物及蝙蝠等元素。完成的設計可匯出為 SVG、PNG、JPG 或 Lottie。
AI 向量生成器以數學公式而非像素生成向量圖,令圖像可縮放而不失清晰度。Recraft 的 AI 向量生成器可按提示詞製作插畫、標誌和自訂圖示集,亦可將點陣圖轉為向量圖。設計師可調整提示詞和風格,並從超過 50 種設計風格中選擇。
AI 配色生成器可分析圖片、標誌或項目主題,提出互補色或類似色方案,協助設計師更快探索配色,並維持不同設計素材的一致性。指南涵蓋色彩理論、暖色與冷色在品牌中的表達,以及 AI 配色在網站、社交媒體素材和品牌設計等場景的應用。
Recraft 可透過 AI 從圖片提取以主色為基礎的自訂色盤,並按提示詞生成套用該配色的新圖片,協助品牌視覺保持一致。用戶可使用自訂 HEX 色碼,並調整顏色的飽和度、亮度及不透明度;上載圖片建議清晰、光線充足,並優先採用 PNG 格式。
Recraft 的 AI 編輯器以局部重繪讓用戶精準新增或修改圖片指定區域,並使新內容自然融入原有背景。用戶可上載或生成圖片,放大目標位置後以提示詞描述並描繪範圍,完成後匯出 JPG 或 PNG。Infinite Canvas 支援縮放,亦可配合外繪擴展背景;局部重繪則只修改圖片原有範圍內的指定區域。
Recraft 的 AI 擴圖工具透過 outpainting 在圖片邊界外生成內容,保留原有核心構圖,並讓圖片適配不同長寬比例。用戶先設定畫框大小及長寬比例,再輸入提示詞引導生成,或讓 AI 自然補上週邊內容;亦可重複擴圖並調整提示詞和色彩。這項功能適用於製作橫幅、海報、頭像及市場推廣素材,毋須裁切或拉伸原圖。
Recraft 的「Set」工具可按指定風格與色彩,一次生成最多六張風格一致的圖片。用戶可重新生成個別圖片或整組圖片、轉換風格及使用 AI 橡皮擦修改局部元素,並匯出為 .png、.jpeg 或 .svg 格式。