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。這次主軸是由「Stability AI」推出的新模型「Stable…

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。這次主軸是由「DGSpitzer」釋出的模型「Cyberpunk Anime…

ChatGPT 是一種預測式聊天機器人，它使用自然語言生成技術來回答用戶的問題。它可以根據用戶輸入的文本進行智慧響應，並提供相關訊息和解決方案。ChatGPT 可用於多種應用場景，如自動客服、智慧問答系統等。以上文字都是 AI 吐出來的，是不是很驚豔？然後 AI 還說啊 … 這平台推薦給有興趣於人工智慧和語言生成技術的人使用。尤其適合用在文字聊天機器人、寫作支援工具、客服自動回覆系統等領域。

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。這次主軸是「hakurei」釋出的「Waifu Diffusion v1.4」，

Suno AI，簡稱 Suno，是一款生成式人工智慧音樂創作程式，旨在生成結合人聲和樂器的逼真歌曲。自 2023 年 12 月 20 日推出網路應用程式後，Suno 已經廣泛可用。此外，Suno 還與微軟合作，將其作為插件整合到 Microsoft Copilot中。該程式的運作方式是透過將歌曲與用戶提供的文字提示（提詞）進行匹配。Suno 並未公開其訓練用的資料集，

Sora 是 OpenAI 推出的先進 AI 影片生成模型，能夠根據簡單的文字描述，快速生成高品質的短影片。與傳統影片製作過程相比，Sora 省略了繁瑣的拍攝、剪輯與後製步驟，讓使用者僅憑幾句指令，就能生成具有流暢運動、真實光影與細膩細節的畫面。不論是自然景觀、人類活動，還是抽象藝術，Sora 都能憑藉其強大的理解與模擬能力，產生極具視覺衝擊力的內容，為創作者提供全新的影像創作方式。 個人來說，

ElevenLabs 是目前 AI 語音與音效技術領域的佼佼者，專注於打造高品質、自然流暢的 AI 語音合成技術，無論是語音旁白、角色配音，甚至是即時 AI 朗讀，ElevenLabs 都能提供極具真實感的音訊內容。這款「視訊音效產生器」就是由他們提供的，使用方式相當直覺，無需複雜的音效設計或剪輯經驗，任何人都能快速上手。只需上傳參考影片，AI 就會根據畫面內容自動分析適合的音效，並生成完整的音軌。

在這個生成式 AI 技術快速發展的時代，Google 推出的 Gemini（前稱 Bard）平台也逐漸成為開發者與創作者關注的焦點。無論你是希望結合語言模型打造聊天機器人、進行智慧問答，還是整合自然語言處理能力至自己的應用中，Gemini API 都提供了強大而彈性的工具，幫助你輕鬆實現這些功能。 本篇教學將帶你…

在當前生成式 AI 快速發展的浪潮中，視聽內容的自動合成技術逐漸進入主流視野。尤其是在影音創作、互動媒體以及虛擬實境等應用領域，從影片或文字中生成自然同步的音訊，已成為一項令人矚目的突破。「MMAudio Web UI」正是為此而誕生的輕量化操作介面，讓使用者能夠便捷地體驗 MMAudio 所帶來的創作新可能，無需深入程式碼層面，也能快速上手進行影片轉音訊或文字轉音訊的創作流程。

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，

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…

在 2026 年初的 CES 大展上，Lightricks 推出了震撼 AI 業界的 LTX-2 開源影音模型，正式宣告影片生成進入了「音影同步」的新紀元。不同於以往模型僅能生成無聲畫面，LTX-2 是一款強大的影音底層模型，其最大的特色在於能夠在單次生成過程中（Single Pass），同步產生動作細節、人物對話、背…

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…

隨著人工智慧技術的飛速發展，AI 生成音樂已經不再是新鮮事，但過去高品質的生成往往受限於付費的雲端訂閱服務。最近，開源界迎來了震撼性的進展 —— HeartMuLa 系列模型正式發布。這是一個擁有強大參數量的音樂大模型家族，不僅支援中、英、日、韓、西等多國語言的人聲歌詞生成，更透過其專有的 HeartCodec 技術，…

隨著 2026 年生成式 AI 技術的演進，高品質的音樂創作已不再是雲端訂閱服務的專利。最近開源界迎來了劃時代的進展 —— ACE-Step 1.5 正式發布，這是一款由 ACE Studio 與 StepFun 共同打造的頂尖開源音樂基礎模型。ACE-Step 1.5 採用了創新的「混合語言模型 (LM) + 擴散變…

在距離地球平均 2.25 億公里的紅土地上，一場無聲的科技革命剛剛完成了它的首次路試。NASA 的毅力號（Perseverance）探測器，這台在火星執行任務的六輪機器科學家，成功完成了首次完全由人工智慧（AI）規劃的駕駛任務。這項由噴射推進實驗室（JPL）主導的實驗，標誌著人類探索地外行星的方式進入了「自動駕駛」的新…

OpenAI 最近正式推出了 ChatGPT Images 2.0，效果好到令人驚艷，堪稱目前最強大的 AI 圖像生成工具。Images 2.0 引入了最先進的影像生成模型，其核心突破在於極致的指令遵循（Instruction Following）與物件關聯性處理。過去 AI 繪圖最令人頭痛的「文字崩壞」與「構圖邏輯混…

隨著生成式 AI 圖像技術的急速演進，開源社群再度迎來令人振奮的重量級基礎模型 Krea 2（K2）。這款由 Krea AI 團隊從零開始獨立訓練的全新圖像模型，徹底顛覆了過往一味追求極致寫實與連貫性的框架，轉而將美學優先與藝術創意表達視為核心靈魂。不論是充滿故事感的電影畫面、獨特質感的粒狀底片、抑或是二次元插畫與視覺…