運用 AI 創作工具:7 則關於圖片轉提示詞、唇形同步虛擬人、影片浮水印、Flowith 和 OpenCode 寫作的筆記
Redreamality 整理了 7 則 AI 創作工具筆記,涵蓋圖片轉提示詞、本機唇形同步、影片浮水印處理、Flowith 工作空間及 OpenCode 寫作。
Redreamality 整理了 7 則 AI 創作工具筆記,涵蓋圖片轉提示詞、本機唇形同步、影片浮水印處理、Flowith 工作空間及 OpenCode 寫作。
ByteDance 於 2026 年 11 月 9 日推出 Seedream 5.5,這是首款支援原生去背、輸出帶 alpha channel PNG 的 Seedream。
Google 發佈 Gemini 4 Hydrogen,將它定位為 Gemini 4 系列成本最低的模型,可供日常工作使用或配合 Carbon、Argon 執行多模型工作流程。
推薦理由:文章對照三款 Gemini 4 模型的定價變化與鵜鶘生成效果,並交代 Google 對 Argon 同價但每輪 token 用量較低的説明,呈現各模型定位差異。
Microsoft 發佈七款自研 MAI 模型,涵蓋推理、編碼、圖像生成、語音轉錄及語音生成。MAI-Code-1-Flash 已整合 GitHub Copilot 和 Visual Studio Code。
ByteDance 的 Seedream 5.5 已於 11 月 12 日在 PixelDojo 上線,可生成 2K 圖像、準確呈現提示詞中的引文文字,亦可輸出透明背景 PNG。用戶可加入最多 10 張參考圖片進行編輯;文字提示生成的 2K 圖像需 1 credit,Seedream 5.5 已包含在每月 $10 起的計劃中。
ReDiverse 透過探查蒸餾圖像及影片生成器的內部激活,找出少步擴散模型的多樣性崩塌源於激活方差集中於較少方向,並提出恢復多樣性的方案。ReDiverse-FT 以輕量適配器微調,ReDiverse-TF 則無需訓練,沿教師模型的主方向引導激活;兩者均在保留生成品質的同時恢復樣本多樣性。
AnisoFlow 為基於流的生成模型學習可調的各向異性預測目標,提升生成品質而不改動模型架構或取樣器。在 ImageNet 256times256 上,相較 JiT 基線,FID 由 1.90 降至 1.55。像素空間文字生成圖像中,AnisoFlow 改善圖像品質,並在低精度推理下大幅減少拼接縫隙偽影。
Phota Labs 推出免費 iOS 應用程式,透過個人 AI 相片助手把日常快照轉成具專業攝影效果的相片,同時保留人物的自然外貌。用戶可選擇不同攝影風格,從保留原有鏡頭和構圖的細微修改,到魚眼效果及不同視角;修改過的相片分享至社交平台時會帶有識別 AI 修改的不可見水印。應用程式初期免費,Phota Labs 之後會探索免費增值模式,並計劃推出 Android 版本。
404 Media 記者與成人表演者 Vanniall 測試 Meta 的 Muse,發現它對真人身份及性同意的角色扮演防護前後不一,並生成性暗示圖像。Vanniall 的測試中,Muse 起初拒絕以她本人作親密角色扮演,後來卻以近似她外貌的虛構角色推進活動現場的性情境。
Andy Zhang 打造 ImgEdify,讓用戶在瀏覽器內生成及編輯 AI 圖像,並在提交前查看所選模型的點數費用。產品整合第三方 AI 模型,亦提供在裝置本機處理的圖片縮放、壓縮和格式轉換工具,毋須把檔案上載至伺服器。
AI 正透過生成作品、風格轉換和自動化流程改變藝術創作,並為藝術家帶來新的創作可能。DeepDream 作品曾於 2016 年在三藩市展出,《Portrait of Edmond Belamy》則於 2018 年在 Christie’s 拍賣。AI 藝術亦引發作品擁有權、私隱、偏見及藝術家工作前景等疑問。
Recraft Studio 現已提供 MiniMax H3 Image、H3 Image Highspeed、H3 Highspeed 及 H3 Lite,涵蓋圖像生成與編輯,以及影片生成。
文章提供一套以普通 8G 顯存筆記本和 ComfyUI 本地製作 AI 漫劇的入門流程,涵蓋由分鏡劇本、固定角色人設到影片輸出。流程包括以 IPAdapter + FaceID 固定角色形象、批量生成分鏡圖、用 Wan2.2 5B FP8 製作微動態,再配音、加字幕及剪輯。文中亦列出 8G 顯存優化建議及影片參數,包括 16 幀、720×1280、CFG=6 和採樣步數 20。
MiniMax 本週開源圖像模型 H3 Image,支援原生最高 4K 輸出和最多 16 張參考圖;4K 文生圖 P50 耗時方面,極速版約 10.3 秒,標準版約 16 秒。文章實測其文字渲染、人像生成、圖像編輯和設計類任務,並介紹 H3 Image 沿用 H3-Base 架構,核心為 331 億參數的擴散 Transformer(DiT)。
推薦理由:文章以界面、文字、人像和圖像編輯等實測案例,呈現 H3 Image 在真實感、指令遵循與設計任務上的表現,並交代其模型架構及生成耗時。
Nookflip 是一款在 Anna AI 應用市集運行的房間設計應用,會根據房間照片生成包含傢俱尺寸、顏色和材料等資訊的平面圖,再按用戶調整後的佈局生成房間改造效果圖。應用會即時檢查傢俱重疊、通道間距和房間尺寸,並提供附有價格估算、預算提示及本地商店搜尋的購物清單。
vLLM-Omni 團隊透過 vLLM-Omni,讓 MiniMax H3-Image 支援 NVIDIA Vera Rubin;四張 GPU 在短提示詞服務基準中,原生 4096×4096 生成的中位延遲為 0.87 秒。
高陽毛巾工廠選擇從拼多多發展線上零售,逐步由代工、批發轉向自主開發產品和經營品牌。拼多多從2024年的「百億減免」到2025年的「千億扶持」,投入資金和流量資源,支援商家降低經營成本、拓展研發空間。商家亦運用AI設計花型、以ERP估算庫存,配合小單多款和柔性生產。
阿里雲「一鍵創作 AI 有聲繪本」方案以 CAP、百煉和 OSS 串連文案、插畫、配音、字幕及影片合成,輸入故事即可生成完整的有聲繪本影片。方案支援定製插畫風格與配音音色、單頁重新生成及批量產出,並可消耗試用點體驗。
微軟計劃於 12 月邀請 Windows Insider 測試新版 Windows 11「照片」應用,接入 Adobe 提供的 AI 編輯功能及 Adobe Express 設計流程。用戶可預覽照片套用個人化模板的效果,再轉至 Adobe Express 繼續設計;目前沒有證據顯示「照片」應用會變成付費工具,雙方亦未交代是否需要 Adobe 帳戶、哪些模板免費或會否出現試用提示。
作者將 ComfyUI 從 Intel Arc 筆電遷移至 Arm Windows 的 WSL2,並在 RTX Spark N1X 上以 PyTorch 2.14.1+cu132 執行圖像工作流。
趙麗穎就肖像權糾紛起訴北京抖音信息服務有限公司、北京筆墨留香科技有限公司及史某倫,要求停止侵權並公開道歉。報道稱,紅果短劇部分短劇被指未經許可使用 AI 換臉、融臉技術合成其肖像,訴請另包括賠償經濟損失及維權合理開支共計81萬元。案件開庭時間為2026年11月10日,地點為北京市門頭溝區人民法院雲法庭。
作者分享一套把文案交給 LLM 的流程,主張以白名單閘門把關,勝過單靠改善提示詞。作品以 Stable Diffusion 1.5 生成,131 件作品釘選於鏈上,每個錢包限領 5 件,可在 Base 免費鑄造;每件預載成本約 0.0000008 ETH。
文章指出,將 4:3 照片放進《Hit the Road Dude》9:16 AI 影片時,可用裁切、填充或擴圖適配畫面,各有取捨。裁切只保留約 42% 的照片;填充雖保留整張照片,照片只佔影片畫面的 42%。作者提供 Pillow 預覽腳本,可校正 EXIF 方向,並比較置中裁切、按主體裁切和模糊背景填充。
文章提出一套 AI 媒體工作流程設計,將參考圖片與影片渲染視為不同任務,並分開記錄任務狀態和財務狀態。付費請求應以伺服器確認的價格建立任務及預留點數,重試須避免重複收費;遇上逾時則先查核現有任務。輸入權限、生成結果審核及財務核對亦應分開處理。
8 款 AI 時裝攝影工具各有適用情境,涵蓋參考圖引導、虛擬試穿、商品目錄影像、造型企劃及圖片修飾。測試以 Ideogram 4.5 的 High quality 設定生成原圖及兩次提示詞編輯,並另行測試 Colorways 和 Material Swap。五張儲存的 PNG 均為 1,365 × 2,048 像素。
文章比較 Ideogram、Adobe Firefly、ChatGPT Images、Canva 和 Photoshop 五款工具,説明它們編輯圖片中文字的操作方式與適用情境。
Seedream 5.5 正式發佈,提升多輪編輯穩定性、圖像真實感及文字渲染,並新增原生 RGBA 透明素材生成。模型支援同一作品最多 100 輪連續編輯,評測中的嚴重及輕微文字崩壞率分別降至 0.4% 和 1.7%。與 Seedream 5.0 Pro 相比,六類場景的生成效果評分和可用率均有提升,影視與辦公場景的可用率均達上一版本的兩倍以上。
eDMD 提出端點分佈匹配蒸餾方法,只以學生模型的最終輸出訓練共享假模型,並加強教師監督,以改善少步擴散模型的蒸餾。實驗顯示,在 SD3-Medium、FLUX.2-klein(4B 和 9B)及 Qwen-Image-2.1 上,eDMD 在 4 步生成中持續勝過現有的分佈匹配方法。
Promptclay 作者提供用 Gemini 或 ChatGPT 從一張照片製作 AI 聖誕家庭照的方法,並建議明確要求保留原有面孔和人數。指南建議選用清晰、面孔較大的照片,配合原有姿勢設計場景,並在每次修改時只提出一項要求;作者觀察到 Gemini 較能保留羣體面孔,ChatGPT 較貼合服裝和版面細節。若照片中有兒童,文章建議使用家長帳戶並先查看應用程式規則。
Miraviso 讓髮型師把客人帶來的靈感照片與客人照片一同載入平板,預覽髮型套用在客人本人身上的效果。系統只從靈感照片取用剪裁、造型等參考,髮色由髮型師決定,鬍鬚及客人的面貌則維持原樣。取得客人同意後,照片會經由 Gemini 在歐洲的伺服器處理,只在記憶體中保留所需時間,不會寫入磁碟。
澳洲與中國的學術合作提出 TongueReenact,透過 Stable Diffusion 等方法,將駕駛影片中的面部動作和舌頭動態轉移至來源人物。測試中,該方法在舌頭位置和大小等關鍵指標上,較最接近的競爭方法準確度高逾 100%。論文發表後,承諾提供的程式碼似乎尚未推出。
Adobe 預覽四款面向創意工作流程的實驗性 AI 工具,涵蓋角色開發、把平面圖像轉為可導航的 3D 場景、混音音效,以及轉移照片編輯。這些項目仍屬技術預覽,Adobe 尚未承諾推出;未來或會納入 Creative Cloud 應用程式或 Firefly。
Adobe 公佈四項 AI 實驗項目,可把平面圖像轉成可探索的 3D 空間,並透過對話設計 AI 角色。Project Sound Bender 可用文字提示詞生成並調整影片音效,Project Rinse Repeat 則能把已完成的照片編輯套用到其他人物或物件;這些項目目前均屬技術預覽,不保證最終推出。
Adobe 公佈四項 AI 實驗項目,涵蓋透過對話設計 AI 角色、把平面圖片轉成可探索的 3D 空間、生成並調整影片音效,以及把照片編輯效果套用到其他人物或物件。這些項目目前均屬技術預覽,未保證會正式推出。
Adobe 公佈多項 AI 實驗功能,可把照片轉成可探索的 3D 場景,並讓用戶透過對話設計 AI 角色。Project Screen Test、Project Sight Span、Project Sound Bender 和 Project Rinse Repeat 分別涉及角色設計、照片重構、音效混音及複製編輯。這些功能目前屬技術預覽,未必會成為 Adobe 產品的正式功能。
花叔全球鳥類貼紙庫以 AI 生成 11064 種現生鳥類貼紙,其參考圖授權與物種準確性引發爭議。文中稱,參考照片中只有 1986 種採用開放許可,另有 2017 種未記錄許可協議;初代公開版本有 3388 張未達項目 AI 評分門檻的圖像。文章並以 AI 增清鳥照被誤認物種及科普書出現雙頭蝦為例,介紹 eBird 與 iNaturalist 的影像准入規則,指出失真圖像可能影響科研記錄和公眾科普。
MiniMax 開源 H3-Image 圖像模型。Qwen4-Max 預覽版已在阿里 Token Plan 首發上線,百度文心 5.5 Flash Preview 正式發布;均勝電子向宇樹科技交付首台機器人高算力大腦背包。DeepMind 發布 Gemini Robotics 2.5,並在 Mercedes 工廠試點分揀,成功率達 96%。
MiniMax 開源 H3-Image 圖像模型。其他 AI 動態包括 Qwen4-Max 預覽版首發上線阿里 Token Plan、百度文心5.5 Flash Preview 正式發布,以及 DeepMind 發布 Gemini Robotics 2.5;該模型在奔馳工廠試點分揀的成功率為 96%。
作者整理了一套讓 AI 生成示意圖更易修改的實用流程,建議按後續編輯需求選擇點陣圖、draw.io/Excalidraw、SVG 或 Mermaid,並確認文字、形狀及連線能否獨立編輯。流程圖可檢查節點識別碼、父級引用、邊端點和文件能否成功解析;AcaDraw 提供標註編輯,以及圖片轉 SVG 的文字和完整轉換模式。交接前應測試更改標籤、移動元件、增添步驟或連線,並另行核對圖中內容是否正確。
開源項目 ai-pose-gallery-zh 提供中文姿勢、服裝及人像參考資料,並以 Web 合成台和 ComfyUI 插件連接選圖、提示詞組裝與生圖流程。項目收錄 6,162 條中文數據及 12,022 張本地高清圖片,其中 1,439 組姿勢附有對應深度圖。Web 合成台支援 5 大 AI 圖像協議,ComfyUI 插件提供 4 個原生節點,項目亦附有 9 個 Agent Skills。