AI 图像生成
围绕 FLUX、HunyuanImage、Seedream 等工具,讲清文生图、图生图和局部重绘在出图质量与可控性上的差别。
围绕 FLUX、HunyuanImage、Seedream 等工具,讲清文生图、图生图和局部重绘在出图质量与可控性上的差别。
多模态模型是能同时处理文本、图像、音频等多种信息形态的 AI 模型:给它一张图、一段语音、几行文字,它能综合起来理解并回应。但先划一条边界——"多模态"不等于"全能",通道变多了,理解力并没有同步翻倍。它能描述照片里有几个人在做什么,却分不清谁在开玩笑。 三种常见形态:理解型、生成型、统一型 三类很...
AI 图像生成工具现在看起来都差不多:输入一句话,出来一张图。但真用起来才发现,选错工具比不会用更浪费时间。做头像的人用上了电商批量工具,画海报的人折腾起了本地部署,钱和时间都花了,图还是不对味。这篇就按三类最常见的需求,把四个主流选择掰开讲清楚。 三类需求,先对号入座 ① 头像、社交形象、艺术插画...
AI 画图把手指画坏,多数情况是扩散模型本身对手部结构学习不足,提示词只能缓解、不能根治。模型画手指时并不真的“数手指”,而是按像素统计去猜数量和位置,猜错就多出或少掉一根。想解决,先搞清是哪类原因,再对症处理。 三类原因,先对号入座 1. 模型的结构性局限:这是主因 扩散模型训练时见过的规范手部特...
ComfyUI 是本地跑图圈最热门的开源项目:用节点连线替代传统界面的 Stable Diffusion 工作流前端。它不带模型,只负责“调度”——把加载模型、编码提示词、采样、解码、保存拆成可视节点自由连线。这篇一次讲清它的火因、部署成本和四个真实坑点。 ComfyUI 到底是做什么的 传统 SD...
AI 绘图提示词扩写解决的是一个很具体的痛点:脑子里有画面,写出来的提示词却只有一句话。"画一只橘猫在窗台上打盹"——主体有了,但画风、光影、构图全没交代,出图只能靠运气。下面这段提示词就是干这个的:把一句话想法丢给 AI,它先追问缺失的关键信息,再输出一段可直接粘贴到 Midjourney、即梦的...
2026年9月22日,腾讯在阿里云栖大会开幕的同一天,发布了混元图像模型的新版本 Hy Image 3.5 Preview(预览版)。这不是一次常规迭代:腾讯把"多轮对话式编辑"做成了这次更新的核心卖点,并直接把字节 Seedream 5.0 Pro、谷歌 Nano Banana Pro 列为对标对...
2026年9月21日,阿里通义千问团队通过 Qwen 官方 X 账号宣布 Qwen-Image-2.1,模型权重同步在官方 Hugging Face 页面开放下载。这不是一次常规的画质升级,而是 Qwen 把“文生图”与“图像编辑”彻底合并为同一个模型的一次架构表态:7B 参数、32 层 Singl...
2026 年 9 月 1 日,Google Workspace 官方博客公布 Google Pics。这款图像生成与编辑工具基于 Nano Banana 模型,将在未来数周逐步面向 Google AI Pro、Ultra 订阅者和多数 Workspace 商业客户开放,并先接入 Docs、Slide...