作者拆解了热门的AI视频换人技术，基于机智波玩AI发布的MiniMax H3角色替换工作流（RunningHub画布），讲解如何用现成模板最快做出第一版换人视频。文章指出应先认准真正生效的上方分支，第一步保留原视频只换角色参考图，第二步只修改提示词中换人对象的定位描述（用位置加衣服锁定目标），第三步照抄采样等参数不做凭感觉的调整，第四步通过分帧核查验证新结果并按错误类型逐项排查。最后总结可迁移的控制逻辑：视频给动作环境、图片给角色身份、提示词限定改动范围，建议按风险从小到大逐步修改素材。
作者详细记录了从零开始训练一个专属人物 LoRA 的完整实战流程。他使用 GPT Image 2 生成 56 张虚构人物训练数据，基于开源模型 MOSS-Image（5B 参数 Diffusion Transformer）进行微调，仅用一张 RTX 4090 训练约 65 分钟即获得稳定的人物形象生成能力。文章涵盖数据准备、Caption 标注、Checkpoint 选择、效果验收等关键环节，并指出了过拟合等常见问题。作者将整个流程开源到 GitHub，提供运行环境镜像、Jupyter Notebook 和 ComfyUI 工作流，建议初学者亲手跑一遍以真正理解 LoRA 训练原理，一通百通。
作者分享了零基础也能上手的 ComfyUI 部署教程：租用云 GPU（RTX 4090 48G），把部署工作交给 AI（Codex），一句话完成环境配置，并提示优先使用平台公共模型库避免长时间下载。随后导入现成工作流，通过修改提示词中的中文引号内容生成带文字的海报图。文章还实测对比了 MOSS-Image 与 FLUX 3 Klein 两个 5B 级开源文生图模型，进行八组同题生成和 30 次连续造型编辑实验，给出构图控制适配器的解决方案，并附完整工作流与提示词下载链接。
作者实测国产开源生图模型 MOSS-Image，重点验证其 JSON Layout 对文字、物体位置和画面构图的可控性。文章对比了普通提示词与 JSON Layout 在同一封面需求下的生成效果，详细讲解了中心坐标系和 yxyx 格式的 bbox 写法、在线体验参数设置、官方示例分析，以及 ZeroGPU 额度问题和本地部署方法。作者强调可复用的不是某张图，而是一套固定种子、对照测试的评估方法，认为 JSON Layout 让提示词变成可保存、可修改的布局资产，使 AI 生图真正进入设计工作流。
作者以马斯克版《流星雨》MV为例，详细讲解AI名人换脸的完整工作流。教程分为七步：准备原始素材并记录帧信息、拆分镜头并确定角色（如言承旭换黄仁勋、周渝民换马斯克）、为每个镜头生成换脸剧照、打包提示词与参考资料、使用MiniMax H3模型在DGX Spark上分两轮生成视频、将24帧生成视频对齐回原片30帧节奏，最后拼接成完整MV。文章还总结了质检流程、脚本工具使用方法，以及多次翻车经验教训，如三人齐弯腰、闭眼闭嘴等问题及修复方法。
文章介绍了一种简单易上手的AI视频玩法：上传一张图片加一条指令，即可生成360°环绕（Bullet Time）效果的视频。作者展示了旅游、美食、美妆、商业摄影、产品展示、服装穿搭等多个应用场景及商业潜力。实现方法分为两种：一是免部署的Web端方案，使用豆包等可生成视频的模型，配合文中提供的通用短指令和完整10秒详细指令；二是适合进阶用户的ComfyUI本地部署方案，通过加载MiniMax H3 I2V模板和360° Orbit LoRA实现。作者以设计师视角分享了最低门槛、可复用的AI玩法。
西羊石团队将做 AI 视频和项目积累的超过 100 万字实战经验整理成开源知识库并公开发布。内容涵盖 AI 视频制作（入门课程、短视频拆解、长视频实战）、工作流搭建（Coze、n8n、ComfyUI）、AI 编程（Claude Code 海报自动化、实战项目）、自媒体运营（口播剪辑、账号复盘）以及 AI 音乐创作（Suno）等。知识库包含基础教程、具体操作和项目复盘，适合入门者和项目实践者使用，并将持续更新和接受投稿。
文章介绍了 HuggingFace 上 AtomicChat 发布的 Qwen-Image-2.1-Turbo GGUF 量化版及去审查文本编码器。作者澄清该编码器仅移除拒绝倾向，对画图内容几乎无影响，其真正价值在于提供低显存无损量化方案。文章详细记录在 RTX 5060（8G 显存）真机上使用 ComfyUI 部署的完整流程：4 个模型文件的下载与存放、11 节点工作流配置，以及 5 个实测踩坑与解法（工作流 JSON 参数顺序、去噪器/编码器混淆、GGUF 架构识别错误、mmproj 缺失、latent 连接问题）。实测首次出图约 2 分钟，之后每次约 1 分钟，并附 4 组提示词与量化选型表。
本文介绍如何在 Windows 系统上快速搭建 ComfyUI 环境，适合零基础用户。作者使用 B站UP主秋葉aaaki 提供的整合包，只需解压和双击两步即可完成安装，一键启动后浏览器自动打开本地界面。模型下载与配置、工作流搭建（文生图、图生图、图生视频）等操作均可交给 WorkBuddy（AI Agent）完成，用户只需修改提示词点击生成即可，甚至可通过 API 让 Agent 全程自动完成并返回结果。文中还提供了 qwen-image-2.1-turbo 模型的下载示例及相关资源链接，遇到问题可将报错截图发给 AI 解决。
本文通过对8分钟AI短剧《黄果》成片（117个镜头）的逐帧逆向拆解，总结出一套可复现的13步AI短剧制作流水线。文章首先对比云端托管、本地开源、混合路线三条技术路径及成本考量，然后详解从LLM编写分镜脚本、角色LoRA训练、场景模板建立、关键帧生成、人工精修、I2V/TI2V视频生成、对口型处理，到后期超分补帧、TTS配音混音等每一步的操作要点、验证标准与错误应对方案。文末还总结了重复帧、短镜头策略、LoRA维护、精修比例等行业认知，以及模型在长动作、多人互动、文字生成等方面的能力边界。
作者精心整理了一份 AI 视觉与影视领域的 59 篇精选文章合集，涵盖 AI 视频生成、AI 生图、数字人、动画制作、ComfyUI 工作流等多个方向。内容包括 Cursor + Remotion 动画制作、Seedance 视频模型玩法、Gemini 3 Flash Image 生图探索、Suno AI 音乐生成、Claude Skill 开发、GPT Image 实测、数字人口播教程、3D 预演台实操等。文章以保姆级教程为主，兼有开源项目与经验分享，适合 AI 视觉与影视创作爱好者系统学习参考。
本文面向 AI 视频入门者，讲解三种常用素材的概念与用途：白模视频用于保留形体与动作、便于更换外观；白模绿幕视频通过纯绿背景方便抠像换景；深度视频以近白远黑的灰度画面提供远近空间关系。文章对比了三者的差异与适用场景，并给出从准备视频到使用即梦、ComfyUI 等工具的实际操作步骤和完整提示词模板，帮助读者按需选用素材完成换角色、换背景和空间控制等 AI 视频生成任务。
作者分享了一份云端 GPU 部署教程，用每小时仅两块钱的租用显卡（实测 RTX 4090），在破旧笔记本上跑通蚂蚁百灵刚开源的生图模型 Ming-Image-0.1-Design。文章从选择云平台与机器配置（显存、系统内存、数据盘）、镜像选择、SSH 连接、ComfyUI 启动，到运行官方工作流出图，手把手演示全流程。实测显示模型在商业海报的文字渲染上表现优秀，且 Design-Layer 模型可将设计图智能拆解为多个带透明通道的可编辑图层并自动补全背景。最后提醒下载成果、导出工作流并及时关机以节省费用。
作者分享了以 MiniMax H3 為核心的本地 AI 影片製作工作流，強調人物不僅要長得對，還要具備空間、道具與互動邏輯。流程包括：確立參考素材、撰寫結構化分鏡 Prompt（含 subject_definitions、retention_analysis、detailed_description 等模組）、加入 T8 ActionLogic 語義橋強化動作因果理解，並依題材搭配加速、寫實、格鬥、電影質感等 LoRA。生成後經放大銳化第二階段精修，遵循「寫分鏡→生成→檢查→修改→重拍」的創作循環。文末附完整模型、語義橋與 LoRA 資源清單。
文章是一份图文/短视频引流变现的保姆级教程，讲解如何通过美女写真内容在抖音、快手等平台做号养号、定位人设、制作套图和短视频，再通过多账号承接（A发作品、B中转、C建群、D接待）把用户引流至QQ私域并设置付费进群，最后介绍二转、三转的后续变现方向。文中详细列出了工具准备（醒图、NodeVideo、剪映、ComfyUI、MiniMax H3等）、九步整体流程、账号安全与养号节奏、作图与视频制作方法、文案写法及钩子设置等实操细节。
本文详细介绍了 Qwen-Image 2.1 图像生成模型的三种本地部署路线：ComfyUI、Unsloth Desktop 和官方 Diffusers。作者首先解释了不同后端权重的差异，指出 DiT、文字编码器和 VAE 三件套需分别下载且不能混用。文章给出了 Windows RTX 5080 与 MacBook Pro M2 Max 两套平台的实测数据：5080 上 1MP 文生图约13秒，M2 Max 单张约10分钟。同时涵盖模型目录结构、extra_model_paths 配置、图像编辑模板用法、常见问题排查及 Qwen Research License 商用限制提醒，是一份可复现的完整部署教程。
作者拆解了 Playtime-AI 发布的 Sydney Sweeney 人物 LoRA（仅 155MB）如何在 MiniMax H3 视频模型上无需参考图、仅凭名字生成人物视频。文章讲解 LoRA 低秩自适应原理：冻结基础模型，只训练小矩阵 A、B 记录人物身份差量；还原训练过程（3440 步、120 epoch、rank 16、约 5% caption dropout）；并分享本地加载实践，包括底模版本兼容、量化格式、采样步数（6 步而非 30 步才清晰）和触发词拼写等常见坑。最后指出 LoRA 技术正在改变人物身份的传播方式。
本文是一篇面向零基础用户的 AI 音乐生成实战教程，讲解如何使用 ComfyUI 和开源模型 MiniMax Music 3，在本地电脑上生成最长 5 分钟的完整歌曲（含前奏、主歌、副歌、尾奏）。文章介绍了 ComfyUI 的节点式工作流概念、Comfy Desktop 安装方法、模型三件套下载配置，重点讲解了如何撰写结构化音乐描述和带段落标签的歌词，并附带可直接复制粘贴的中文抒情流行歌曲模板。教程在 RTX 4070 Laptop 8GB 显存环境实测通过，针对低显存给出了 int8 量化模型等优化建议。
文章系统调研了截至 2026 年 9 月社区对 MiniMax H3 视频编辑模型（Ref2VA）的实践情况，评估其“1:1 复刻”宣传的真实能力边界。作者按证据可信度分级，指出 H3 是整帧重生成而非像素级复制：换人玩法最热但身份稳定性最弱（约半数会丢身份），社区分化出遮罩合成路线保留背景；换背景最稳定；动作迁移最容易翻车。文章还详解官方六段式提示词规范、可直接套用的换人提示词骨架，并汇总身份、画质、音频、工程规格四类失败模式与硬限制，最后指出社区普遍缺乏 SSIM/MAE 量化验证这一空白。
本文是 MiniMax H3 视频生成系列第二篇，作者在 4080 12G 显存笔电上用 ComfyUI 本地运行 H3。文章首先分析官方公开的九套 Skills，涵盖产品广告、品牌宣传、纸拼贴、纸艺定格、歌词贴字 MV、3D 动画、手绘实拍融合和双人游戏开场，并附自制案例视频。随后详解 H3 提示词写作规范：先确定任务模式（T2VA/I2VA/FL2VA/L2VA/Ref2VA），为参考素材分工，定义视觉系统，单独列出屏幕文字的进入、可读与退出状态，按时间线写主体动作与运镜，将声音分为剧情内音景与非剧情配乐，规定转场继承方式，并明确结尾定格，最后给出一份可直接复用的 Prompt Spec 模板。
作者分享了在RTX 4070 16G显存电脑上本地部署MiniMax H3视频生成模型的完整经验：使用精简版ComfyUI和turbo lora模型（6步生成480P，超分至1080P），并让AI工具搭建了手机可远程调用的自动化系统，支持文生视频、图生视频、首尾帧等功能。文章详细说明不同分辨率下的时长与耗时数据，总结了低分辨率视频的美学要点（适合风景、特写、慢镜头），并附上完整的30秒电影复刻级英文对白短片提示词，涵盖镜头设计、人物一致性、声音设计与避坑指南。
面向 AI 视频制作新手的入门科普文章，去繁就简地讲解了四大模块的基础概念：音频部分（TTS、ASR、SRT 字幕、声音克隆等）、视频底层工具（ffmpeg、帧率、补帧、超分、人脸修复）、AI 生成画面核心概念（Prompt、Seed、LoRA、时序一致性、图生视频等）以及流水线工程概念（推理、量化、ComfyUI、智能体等）。每个概念只讲是什么与实操重点，并给出新手避坑建议：先跑通最小流水线、显存决定速度、理解文件流转逻辑，最后附完整专有名词速查表。
这是一篇面向小白的 ComfyUI 本地 AI 出图与生视频完整教程。文章介绍了 ComfyUI 的节点连线原理与硬件要求（显存 8GB 起步），详解安装方法（推荐秋叶整合包）、模型文件的正确存放目录、跑通第一张文生图流程；随后推荐了可商用的 Z-Image Turbo 模型并给出完整配置，再讲解用 Wan 2.2 做文生视频、图生视频和首尾帧过渡的玩法，提示词要描述动作与镜头运动。最后介绍如何使用官方模板库和社区工作流，以及通过替换越狱编码器实现未审查模型生成短剧视频的方法。
本文面向新手介绍如何在 ComfyUI 中使用开源视频大模型 MiniMax H3 生成带同步声音的视频。内容包括：检查本地电脑显卡、显存与磁盘空间（建议预留70-100GB）；Windows 安装 ComfyUI Desktop 的步骤；不适合本地时使用 Comfy Cloud 云端方案；使用官方 T2V/I2V/R2V 模板生成第一条5秒视频的参数与提示词写法；以及高清修复、多参考素材、首尾帧控制、长视频续拍、局部重绘等进阶工作流，最后给出常见问题排查和最稳学习路线。
文章介绍了如何用 Stable Diffusion + ControlNet 在 ComfyUI 中生成可扫描的艺术二维码。作者首先解释了为什么 GPT-image-2 等模型无法完成此任务：文字通过交叉注意力进入生成过程，缺乏坐标信息，且 AI 生成的码常因几何定位失败而无法解码。解决方案是使用专门为二维码训练的 control_v1p_sd15_qrcode_monster_v2 控制网，关键技巧包括：控制图只占画布 60%~70%、纠错级别用 H、strength 参数 1.35-1.8 调节'好看与能扫'的平衡。最后需批量出图筛选，并用重绘定位角、修正错误模块等后期手段提升通过率。
文章介绍了10款免费开源、可在本地运行的AI工具，涵盖从模型引擎到日常应用的完整技术栈：llama.cpp作为本地推理引擎，Qwen3作为开源模型，AnythingLLM提供本地知识库聊天，whisper.cpp实现本地语音转文字，Kokoro-82M负责文本转语音，Immich用于自托管照片管理，Tabby提供本地代码补全，ComfyUI支持本地图像生成，Activepieces实现自动化工作流。每个工具均通过免费开源、本地运行、持续更新、有公开证据四项筛选标准，帮助用户摆脱云端订阅和数据外流。
本文介绍了MiniMax Music3模型发布后，作者打包的「达芬七·Music3 v0.1.0一键唱歌包」，支持20种风格本地一键出歌。文章详细说明了包的使用方法、界面操作、显存要求（8G可跑但慢，16G推荐）、实测速度（60秒歌曲约93秒生成）、时长限制（3分钟是上限非保底）、收尾处理、包内组件、License注意事项、安装步骤及下载方式。作者通过多首试听展示了不同风格和语种的生成效果，并强调公开内容需标注AI生成。
本文详细介绍了在 Windows 宿主 + Linux Docker 容器环境下，使用双 RTX 4090（48GB）本地部署 MiniMax H3 视频生成模型的完整过程。内容包括本地部署的优势（成本、隐私、可控性）、双 GPU 架构分工、宿主机目录布局、模型文件清单、Docker 容器创建、启动验收、已验证的推理链、速度实测、分辨率与帧数注意事项、最小生成验证流程、复现清单以及生产链必需节点。文章提供了具体的配置命令和参数，并强调了可复现性的重要性。
文章介绍了近期开源AI视频和音频工具的密集发布，包括MiniMax H3、IndexTTS-2.5、LTX-2.5、Wan-Animate-2和NAVA等。这些工具覆盖了配音、角色驱动、多镜头和后期制作等环节，标志着开源AI视频从生成短片段向完整生产流水线转变。作者强调了各工具的特点，如IndexTTS-2.5的音色克隆和情绪控制，LTX-2.5的原生多镜头支持，以及NAVA的同步音画能力，并表达了对开源社区活跃度的欣喜。
本文介绍了达芬七·Z-Image v1.4.5版本的更新，重点在于为本地生图工具新增100个提示词灵感卡，解决用户“不知道画什么”的痛点。文章详细说明了灵感卡与LoRA风格的区别、使用方法和实际案例，并提供了升级补丁和完整包的安装指引。作者强调灵感卡帮助用户快速开始创作，并通过实际演示展示了如何修改提示词生成个性化图像。
