Stable Diffusion web UI 是基於 Gradio 的瀏覽器界面，用於 Stable Diffusion 模型的各種應用，如：文生圖、圖生圖等，適用所有以 Stable Diffusion 延伸的擴充模型。關於這個工具軟體的安裝方式請參考我之前寫過的另一篇圖文，請先安裝並學習使用後再接續看本文教學。 這次教學主軸是「更多」頁籤中的影像放大功能，

SD web UI 全稱 Stable Diffusion web UI，是本次要搭配使用 ControlNet 的 AI 繪圖工具。我們先將原始 VRoid 動畫影片拆成一張張的圖像（Ezgif 提供的線上轉換服務還不錯用），透過批次圖生圖，可以基於原來的顏色、構圖並由 AI 讀取參數及提詞進行模型推理（重繪），但這樣還不夠，ControlNet 1.1 提供的 Tile 也要用到，進一步將顏色、

在影片處理與後製領域，ComfyUI 是一款強大且模組化的工作流介面，主要用於生成與處理影像。它透過節點（Node） 的方式，讓使用者能夠自由組合各種影像處理工具，無論是圖像生成、影片處理，甚至結合 AI 進行影像優化。相較於傳統的命令列工具或複雜的影像處理軟體，ComfyUI 提供了一種更直覺、更視覺化的方式，讓使用者可以在不撰寫程式的情況下完成複雜的影像與影片處理工作。

隨著 AI 影像與影片生成技術的進步，越來越多創作者開始尋找能夠快速生成高品質影片與圖片的工具。Pollo AI 作為一款雲端 AI 內容創作平台，不僅提供影像轉影片、文字轉影片、AI 動畫生成、影片特效等功能，還整合了多款 AI 影像與影片生成模型，讓使用者能夠根據不同需求，選擇最適合的 AI 模型來創作。 Pollo AI 主要分為視訊 AI 及影像 AI 兩大類，前者支援影像轉影片、

在 AI 圖像生成發展迅猛的當下，從靜態圖片延伸至連貫動態的影片生成，一直是許多創作者與研究者追求的目標。FramePack，作為一套由 lllyasviel 釋出、針對「逐幀預測」優化的開源影片生成工具，不僅大幅降低運算門檻，更在本地端部署與推理效能之間找到了理想平衡。這讓我們能在不中斷創作流程的情況下，穩定輸出具備…

Google 近日正式發表全新一代圖像生成與編輯模型 —— Gemini 2.5 Flash Image（代號 Nano Banana）。這一版本不僅承襲 Gemini Flash 系列的高速反應與低延遲特性，更在「角色一致性」、「多圖合成」、「局部編輯」與「邏輯推理」能力上全面升級。相較於過去單純依賴文字提示生成圖片…

由網友 @prompt_case 利用 Google AI Studio 及 Gemini 開發的 Nano Banana Infinite Canvas，是一款以「無限畫布」為概念的互動應用程式。它提供簡單直覺的圖形介面，使用者能上傳圖片、加上箭頭或註解，並搭配 Nano Banana 的生成能力來測試不同效果，例如人物換裝。這款作品強調低程式門檻也能快速完成互動應用。

隨著生成式 AI 的快速發展，除了聊天、寫文章、生成程式碼之外，現在連圖片編輯也能透過人工智慧來輕鬆完成。阿里巴巴集團推出的 Qwen Chat，就是一個類似 ChatGPT 的智慧對話平台，背後支援的是「通義千問」（Qwen）大語言模型系列。不僅能夠處理文字，還能透過 Qwen-Image-Edit 功能，進行圖片的修改、角色換裝與多模態任務。 簡單來說，

在使用 Google AI Studio 的 Gemini 2.5 Flash Image（Nano Banana）模型生成圖片時，系統會自動疊加官方浮水印，確保內容來源辨識。然而，對於某些只想用於個人專案或內部測試的使用者而言，這層浮水印可能會造成後製困擾。為了解決這個問題，可以透過篡改猴（Tampermonkey）…

想在本地用單張角色立繪，生成「同一角色、不同動作」的短篇角色動畫？這篇帶你用 ComfyUI 提供且經由站長我簡單改造的 HunyuanVideo 1.5 Image-to-Video 工作流，在 ComfyUI 裡完成以圖生影＋角色外觀一致的動畫生成流程：給模型一張角色圖，再用中文提示詞描述動作與表情，就能輸出約任意…

想在本地用中文提示詞，直接對圖片下指令，完成「換衣服、換背景、合成多張圖片」這類過去要靠多模型、多節點才能做到的圖片編輯工作？這篇文章要介紹的是一條極度精簡、但功能完整的 ComfyUI 圖片編輯工作流，核心只仰賴一個模型：Qwen-Rapid-AIO。 Qwen-Rapid-AIO 的全稱為 Qwen-Image-…

ComfyUI 作為近年最受歡迎的節點式影像生成介面之一，憑藉高度自由的流程設計與豐富的社群資源，已成為進階創作者與研究者的核心工具。隨著 Qwen-Image-2512 的推出，ComfyUI 也正式提供原生工作流範例，讓使用者能在不依賴第三方整合的情況下，直接體驗新一代文字轉圖片模型的實力。相較於先前版本，Qwen…

隨著生成式人工智慧技術的飛速發展，Google 推出的 Gemini AI 已成為許多人創作圖像的首選工具。然而，Gemini 生成的圖片在右下角都會自動附帶一個具有辨識性的星型浮水印。雖然這是為了標示 AI 生成內容，但對於需要將圖片應用於簡報、個人作品集或社群分享的使用者來說，這枚浮水印往往會破壞畫面的完整性與美感…

隨著生成式 AI 技術的飛速發展，影片生成領域正迎來一場革命。由 Lightricks 團隊開發的 LTX-2 模型正式發布，並在首日即獲得 ComfyUI 的原生支援，這對於廣大 AI 創作愛好者來說無疑是一大福音。LTX-2 不僅能生成高品質的視覺畫面，最令人驚豔的是它具備同步生成語音、對話、背景噪音與音樂的能力，…

隨著生成式 AI 技術的演進，圖像編輯的精確度已成為使用者最在意的核心指標。在過去的 Stable Diffusion 生態系中，雖然我們可以透過 Inpainting（局部重繪）或是 IP-Adapter 來嘗試修改影像內容，但在面對「保持角色完全一致」且「大幅度更換服裝或姿態」的需求時，往往容易出現特徵偏移或細節崩…

ComfyUI 作為目前最強大的節點式 AI 繪圖介面，其高度靈活的擴充性讓使用者能精確掌控生成流程。而近期推出的 Qwen-Image-Edit-2511 模型更是將圖像編輯與一致性推向新高度。相較於前代，2511 版本顯著強化了角色一致性、幾何推理能力，並有效解決了圖像偏移（Image Drift）的問題，讓生成的…

隨著開源生成式 AI 模型的飛速演進，Qwen 團隊最新推出的 Qwen-Image-2.1 帶來了令人驚豔的突破。這款模型最大的亮點在於「小模強效、創改一體」，其視覺生成模組僅具備 7B 參數，卻將高品質的文字生成圖片（Text-to-Image）與基於指令的影像編輯（Image Edit）完美整合於同一套權重中。不…

⚠️ 本文為 R-15 分級的文章，建議年滿 15 歲者觀看。 在開源視覺生成模型領域中，模型是否具備嚴格的安全性過濾或是屬於無審查架構，始終是社群在探討模型表現力與權重自由度時極受關注的議題。Qwen 團隊最新推出的 Qwen-Image-2.1 主打僅 7B 的精簡架構與創改一體的編輯效能，但在面對人體結構與敏感…

在數位平面設計與遊戲角色立繪製作的流程中，傳統上若要將半身插圖擴展為完整全身圖，並將背景去背輸出，往往需要仰賴繪師繁瑣的局部重繪、畫面外推擴展以及額外的摳圖圖層處理。然而 Qwen 團隊開源的 Qwen-Image-2.1 將視覺生成與圖像編輯能力融為一體，其內建的四通道 VAE 架構原生支援 Alpha 透明通道，使…

在過去的 AI 繪圖實作中，若想將多位擁有固定外觀設定的原創角色整合至同一張構圖中拍攝「合照」或「全家福」，往往面臨角色特徵相互污染、臉部走樣以及肢體互動僵硬等巨大挑戰。即便是目前主流的多圖參考方案，也經常需要搭配繁複的 LoRA 權重或分區提示詞才能勉強達成。然而，Qwen 團隊開源的 Qwen-Image-2.1 …