GPT Image 2 用提示詞修復舊照片:去除刮痕、上色並保留人臉特徵
作者以 GPT Image 2 示範透過圖生圖修復舊照片,並提供一段可按照片情況修改的提示詞,用來處理刮痕、摺痕、污漬、偏色及黑白照上色。提示詞要求保留人物五官、表情、身份、年代元素和原圖構圖,並對無法判斷的區域保守補全。文中提醒,模糊或缺失區域的補全是 AI 根據周圍線索推測,並非照片原貌。
作者以 GPT Image 2 示範透過圖生圖修復舊照片,並提供一段可按照片情況修改的提示詞,用來處理刮痕、摺痕、污漬、偏色及黑白照上色。提示詞要求保留人物五官、表情、身份、年代元素和原圖構圖,並對無法判斷的區域保守補全。文中提醒,模糊或缺失區域的補全是 AI 根據周圍線索推測,並非照片原貌。
作者用相同兩條提示詞各生成一次,實測 GPT Image 2.6、Nano Banana Pro、Nano Banana 2.1、FLUX 2 Pro、Seedream 5 Pro 及 Z-Image Turbo。
生成更好的 AI 圖像,應先明確描述具體視覺目標,再逐次調整提示詞中的單一變數。可用主體、環境、視覺風格、燈光與鏡頭、畫面比例及用途建立可重用範本,並以 Imagenova AI 在瀏覽器進行圖像創作和提示詞實驗。
aimodels-fyi 發佈 Seedream-4.5 初學者指南,整理 Bytedance 模型在 Replicate 上的圖像生成、編輯功能與使用限制。模型支援 2K(2048px)和 4K(4096px)輸出,可接收最多 14 張參考圖,但輸入與生成圖片總數不得超過 15 張,亦不支援 1K。
這篇文章提出一種以 OpenCV 衡量 AI 編輯室內照片時建築結構偏移的方法,重點是判斷房間原有結構是否改變。方法先用 SIFT 特徵和 RANSAC 估算縮放、平移及旋轉,再比對對齊後的邊緣圖和長直線;評估結構保留情況,並將真實感評分分開處理。
作者建立個人資料流程,把全血細胞計數(CBC)數據轉化為蛋白質建議,再輸入生成式設計流程製作結合口袋圖案。流程以 pandas 清理數據,參照 UCL 研究的百分位區間標示偏差,並使用本機 Stable Diffusion XL Base 生成圖案。最終成果是提供圖像和 CBC 指標儀錶板的 Flask 應用程式。
文章介紹如何在 8 GB VRAM 的 ComfyUI 環境運行 FLUX 3 Klein:int8 權重合計 20.8 GB,ComfyUI 需分階段載入,並將未使用部分移至系統 RAM。
dNaViT 是一種離散原生分辨率視覺 Transformer,透過分組乘積量化及雙分支目標作為通用視覺 tokenizer,支援多種下游任務及高保真圖像解碼。評測顯示,dNaViT 在 12 項視覺理解基準、4 項生成基準及 1 項圖像編輯基準中,達到或超越專用基線。
文章建議先以簡短視覺簡報固定色彩、光線、材質、構圖等特徵,再逐張改變主題和動作,令 AI 圖像系列維持一致風格並配合各頁內容。參考圖或固定 seed 不保證角色、構圖或模型更新後的輸出一致,角色設定可透過角色表和小批測試檢查。發布前還要核對參考素材的使用權與保密要求,並在網站桌面和手機版的實際版面檢查裁切、文字對比及替代文字。
AI-KSK 分享一套以 Qwen 2511 對高解像度圖片作局部重繪的 ComfyUI 工作流,先裁切遮罩區域,再按補邊資訊將結果貼回原圖。加入參考圖後,工作流亦可將參考物件轉移至遮罩區域;運行依賴第三方 Xiaozhi 節點外掛,並使用 4-step accelerator。最長邊 2048 是避免 VRAM 不足或結果變差的上限,並非縮放設定;作者指出 2048x2048 方圖效果不理想。
作者為 Anima Base 1.0 提供四套工作流,涵蓋文字生成、圖生圖、分塊放大及遮罩重繪,並示範 LLLite 控制。作者報告,約 2.35 MP 的設定現已可安全使用,LLLite 控制路徑在 2000-step 訓練更新後可用;分塊放大採四塊處理,總量為 8 MP 以上。作者亦指出遮罩重繪是四套中最弱的一套,Turbo LoRA 會降低風格與細節表現。
AI-KSK 分享以 Anima UltraReal 將動漫角色生成寫實照片的工作流,並介紹以 Turbo LoRA 加速至 8 步的方案。UltraReal 流程使用 1024x1024,另有 512x512 的 8 步草稿流程,以及以 SAM 分割進行臉部、手部和足部修復的組別。作者指出,8 步流程會損失提示詞遵循度和細節;文中的質素判斷來自目視比較,並非評分測試。
這篇文章比較 ComfyUI 中 Ideogram 4 的 FAST 與 Instant 兩個 INT8 單模型工作流,兩者各有 12 個節點,均由 Ideogram4PromptBuilderKJ 提供提示詞。
AI Room Design 團隊提出照片生成房間 AI 工具的評估清單,提醒審核生成結果時,應核對門窗、地板邊界、空間幾何及傢俱比例,而非只看畫面是否吸引。AI Room Design 提供瀏覽器工作流程,支援房間改造和空房佈置,設有四種房間類型和六種風格,並可比較原圖與生成圖及下載結果。生成概念圖並非實測平面圖,不能確認傢俱尺寸、材料用量或施工可行性。
蘇州大學大三學生肖天樂以AI製作漫劇,不到一年帶領團隊創作數百部作品,累計營收超過300萬元。一部爆款播放量達15億次,單劇創收超過200萬元。AI能提高製作效率,但肖天樂認為,故事內核、敍事節奏和鏡頭語言才是留住觀眾的關鍵。
小米18 Pro系列預計11月登陸海外市場,全球發佈會有望於11月17日舉行,Pro系列背屏設計將首次面向海外用戶。全球市場預計推出小米18 Pro和小米18 Pro Max,並搭載全新AI百變背屏,支援動態通知及AI個性化內容生成。
文章提出以私有物件儲存和應用程式資產台帳管理健康科技應用中的 AI 生成產品圖片,並為原圖、核准版本、縮圖和工作檔案分別設定用途與保留責任。簽署連結應在應用程式核實租戶和資產狀態後才建立;遷移則須核對校驗和及台帳資料,並在確認後才更新引用。清理流程應先以試行模式核對資料,再逐類啟用刪除,並保留回復路徑。
比亞迪仰望鼎曜行政版發佈,車長 5.6 米,CLTC 續航超 1000 公里,並搭載自研 4nm 智駕芯片。中國空間站將迎來首位外籍航天員,巴基斯坦載荷專家將參加神舟二十四號任務。搜狗問問及問問商城已於 11 月 7 日 23 時 59 分停止服務。
OpenAI 邀請安全公司 Hacktron 測試自身系統的漏洞,並推出 Images 2.6,支援 GIF 動畫生成。Images 2.6 的生成速度平均提升 50%;Meta 則把 Muse Wonder 系列衍生的專用模型逐步推送予所有 Muse 和 Meta AI 用戶。新模型忘記目標關鍵細節的機率降低 2.4 倍,關鍵資訊的正確使用率由 76% 升至 90%。
《Myriad Immortal Sect》重繪了 82 件地圖美術,並為原本沒有美術的 14 項內容新增圖像;圖像模型生成迅速,耗時主要在人工挑選。挑選頁並列舊圖與多個新候選,選定圖像會直接用於更新,重做原因則成為下一批的規格。首輪有 19 項改選其他候選,另有 6 項需要全面重做。
作者為 Anima Aesthetic 1.1 整理了十組 ComfyUI 工作流,涵蓋文生圖、圖生圖、ControlNet、面部/手部修復、分塊放大及 Anima-Edit LoRA 測試。各工作流列出節點數及部分模型、步數、CFG、採樣器等設定;作者表示數字均取自已儲存的 JSON,沒有進行速度或品質基準測試。模型檔案、LoRA 和檢測器權重並未隨附,工作流引用的檔案須已存在於使用環境中。
G-STAR 提出空間與羣組協同縮放框架,讓離散自回歸生成在深度壓縮下維持重建、理解及生成表現。固定名義資訊預算下,羣組大小應隨每軸空間壓縮因子平方增長,框架支援 32× 及有效 64× 壓縮。在五個文字生成圖像基準上,模型表現具競爭力;生成 1024×1024 圖像時,速度較以往離散自回歸模型快 20×,單張 NVIDIA H200 上每張需時 2.5 秒。
作者以 BananaKit 示範 AI 試穿流程,透過批量生成穿搭圖像,讓用戶在實際拍攝或製作前比較造型。每批最多可選 4 套服裝和 4 種姿勢,生成最多 16 張圖像,並保持人臉、光線和衣料垂墜效果一致。圖像適合作造型參考,但服裝合身程度只是估算;Studio plan 每月 $9.90 可生成 120 張無水印圖像。
Images 2.6 的動圖實戰涵蓋遊戲 sprite、美食/產品展示和表情包三類用途,並整理相應提示詞寫法;文章亦分析 OpenAI 從圖片到動圖再到影片的商業路徑。遊戲素材宜讓角色原地動作、把位移交給引擎;商業展示需控制 GIF 體積,使用他人肖像則應先取得同意。文中將動圖定位為適合 2~3 秒循環小動作的素材,多鏡頭敍事則交由影片模型處理。
OpenAI 發佈 ChatGPT Images 2.6,讓用戶在對話中以一句話生成可循環 GIF,並可繼續編輯內容及調整播放速度。Flare 主打速度,Sunburst 重視編輯一致性並支援 SVG 匯出;文中所列同題對比中,Flare 用時由上一代的 7.08 秒降至 4.84 秒,提速 46%。
Photo AI 適合每週生成圖片並需要主題套組和影片的用戶;若只需要一組個人頭像,作者認為 PFPMaker 更合適。Photo AI 月費由 $19 至 $199,並按方案標示低至超高相似度;PFPMaker 按國家調整個位數的一次性價格。若沒有可用照片,並在收到照片後 7 天內電郵,PFPMaker 可退款。
文章提供一套用 AI 為舊家庭相片上色及修復的逐步流程,涵蓋挑選相片、掃描、選擇處理模式和檢查結果。建議掃描時使用 600 DPI;相片乾淨時只上色,有刮痕、摺痕、污漬或褪色時先修復,並仔細檢查人臉是否被改變。流程亦建議保留原始掃描檔、標明色彩由 AI 推測,並在上傳前查看工具如何保存及使用檔案。
蘋果於 11 月 5 日更新官方支援文件,表示從 iOS、iPadOS、macOS 27.2 等版本起,部分 Apple Intelligence 圖像工具會加入 SynthID 隱形水印。
Apple 宣佈從 iOS / iPadOS / macOS 27.2 等版本起,為部分 Apple Intelligence 圖像工具加入 SynthID 隱形水印。
手機廠商正對部分 AI 影像功能設定使用次數限制或付費機制,雲端生成所需的算力是相關成本之一。小米18 Pro系列「傳奇一瞬」每次調用需消耗100積分,系統每月贈送一定額度,並計劃自2027年起改為付費積分機制。文章認為,基礎修圖功能應盡可能免費,消耗較多雲端算力的進階功能則可採免費額度加付費服務。
Pangram Labs 正式推出 AI 圖像檢測模型 Pangram Image 1.0,在其測試數據集上取得 99.96% 準確率。模型可透過熱力圖定位 AI 生成內容,在 256×256 分辨率下準確率為 96.4%;一同推出的 Pangram Image Flash 1.0 在 DF26 數據集上的準確率達 98.7%,領先第二名 29 個百分點。
物理增強擴散建模結合具身智能體反饋迴路,旨在生成符合物理條件、可供機械人實地驗證的行星地形。文章探討以物理殘差梯度引導去噪,以及加入預測物理違規的小型殘差頭;實驗中,引導尺度約 0.3–0.7 時,在逼真度與物理可行性之間取得較佳平衡。
Baus 每天早上把前一天的對話、日常筆記和日曆事件整理成一張圖像,不選定單一主題,也要求生成器不得虛構新事件。7 月 23 日的素材包括 18 段對話、兩則日常筆記和四項日曆事件,整理成 12 段短故事及 25 項視覺元素。生成結果連同實際使用的提示詞和來源素材一併保存。
Adobe Firefly 可按文字提示生成圖像,讓用戶調整提示詞及設定、修整結果並下載成品。操作時可選擇 Firefly 或合作方模型,描述主體、場景、風格與構圖,再設定比例和內容類型;免費方案每日生成次數有限,Firefly Standard 美國月費為 $9.99,附 2,000 個每月生成點數。
FLUX 3 Image Klein 是 Black Forest Labs(BFL)的影像編輯及生成模型,可在 NVIDIA Blackwell GPU 上加速影像生成。部署擴散模型時,推理延遲是開發者須考慮的因素;生成影像需讓含數十億參數的模型依次執行多輪運算,而較高解像度會增加註意力計算成本。
MotionGraphicsBench以100個專家策劃案例,評估大型語言模型根據文字提示為靜態SVG生成動態圖形的能力。其確定性驗證程式與人類判斷的一致率為93.3%,高於GPT-6 Astra VLM基準的83.3%;涵蓋32個LLM、12家供應商的47種配置,pass@1介乎6.0%至67.7%。
OpenAI 和 Anthropic 分別為 ChatGPT、Claude 推出網絡安全、圖像生成及個人理財相關更新。OpenAI 的 GPT-6 Cyber 專為安全研究而設,目前只供 OpenAI Daybreak 計劃內的網絡安全專家使用;ChatGPT Images 2.6 比之前快 50%,並可把 AI 圖像製成短 GIF,現已全球開放予 ChatGPT 用戶。
Unite.AI 獨立評估並比較 10 款 AI 圖像生成 API,按能力、實用優勢、限制及開發者用途整理排名;排名屬編輯判斷,並非新的速度或輸出品質實測基準。
作者以 Nano Banana 2.1 和 GPT Image 2.5 對 9 張 AI 圖像進行 39 次測試,整理出 4 組可複用提示詞,改善圖像的實拍質感。
Apple 正式推送 iOS 27.3 Developer Beta,unwire.hk 整理三步啟用廣東話 Siri 與 Apple Intelligence 的設定,並實測茶記帳單分帳。
推薦理由:文章並列啟用設定與茶記帳單實測,具體展示廣東話 Siri 如何拆分公攤項目及各自菜式,亦交代 Apple Cash 在香港不可用。