工作流

视频放大: SeedVR2 上传视频，使用SeedVR2模型放大并增强其分辨率，实现高清输出。 视频工具 · 245 次使用 MOSS-Image：颜色与深度控制 使用 MOSS-Image 对参考照片进行重新摆姿和重新风格化：画面先用 MoGe 3 估算参考图的几何结构，然后生成一张新图像，保留姿态、构图和轮廓，而由提示词决定角色、服装、场景和淺色。颜色/深度控制适配器 LoRA 让模型遵循估算出的映射图，颜色映射插槽则用于区域绘制的布局。 图像 · 239 次使用 LTX-2.5 DFR：图生视频 用 LTX-2.5 的 DFR（Diffusion Fidelity Rendering）路径，从一张图片生成带声音的短视频：先在半分辨率下生成并携带每秒一个细节关键帧，再做空间 ×2 细节重采样（pixel-spatial IC-LoRA），最后可选地做时间 ×2 上采样。适合镜头感画面、角色动作，以及需要口型与同步音频的「人像说话」片段。 视频 · 233 次使用 角色替换：MiniMax H3 Max 使用 MiniMax H3 Max Recast 替换已完成 CLIP 中的人物：连接最多四张参考照片，模型会在保留动作、构图、剪辑和原始音频的同时重写演员阵容。CLIP 时长为 5 到 30 秒，单个镜头不超过 15 秒，分辨率从 480P 到 1080P，并可选择更自然的皮肤和融合效果。非常适合无需重拍即可替换镜头中的演员、为主持人进行本地化，或用不同的面孔测试造型。 视频工具 · 230 次使用 一键多角度角色 上传角色图片，获取多角度视图 角色与时尚 · 230 次使用 深度图: Depth Anything 3 上传1张图像以生成深度图，用于视频深度估计。输出一张经过深度处理的图像，可直接用于下游工作流。非常适合需要深度控制的视频生成使用例、3D场景预处理以及动画深度映射。 视频工具 · 230 次使用 FLUX.2 [Klein] 4B：图片编辑 较小的基础模型，画质与体积比例出色，适合本地部署、有限硬件微调，以及高效的生成与编辑工作流。 图像 · 229 次使用 Flux Kontext Dev 图像编辑 使用Flux Kontext全节点可见性编辑图像，非常适合学习工作流程。 图像 · 224 次使用 Grok：视频生成 输入文本提示或初始图像帧，使用 Grok 模型生成最长 15 秒的带同步音频的视频。 视频 · 223 次使用 Flux.1 开发专用 USO 参考图生成 使用参考图像来控制风格和主题 - 在改变艺术风格的同时保持角色的脸部，或将艺术风格应用于新场景 图像 · 222 次使用 图像扩图: FLUX.2 Klein 9B 使用FLUX.2 Klein 9B模型智能扩展和展开图像内容。输入图像以生成无缝扩图和扩展构图。 图像工具 · 221 次使用 图像放大: Nano Banana Pro 上传已生成的图像以放大并增强详情。使用Nano Banana Pro生成4K输出，提高清晰度和连贯性。 图像工具 · 220 次使用 Gemini Omni 1.2 Flash：图片生视频 让一张静帧动起来：这张图就是首帧，运镜、动作和声音写进提示词。Gemini Omni Flash 画面和音频一次生成，环境声和台词跟着镜头一起出来。 视频 · 219 次使用 Kling O3：视频编辑 上传视频和参考图，使用Kling O3进行编辑。生成专业编辑的视频，实现精确的主体编辑、场景构图和原生音视频同步。 视频 · 216 次使用 Higgsfield Genjutsu：动作迁移 使用 Higgsfield Genjutsu 重铸现有视频：来源 CLIP 保留其运动、相机移动、时序和音频，而演员、场景和风格则根据 1 到 8 张参考图像重建。在可选提示词中描述哪张参考图像替换什么内容。输出长度跟随来源 CLIP。非常适合重新设计素材风格、替换镜头中的演员，以及构建拍摄从未覆盖的场景。 视频 · 215 次使用 Clarity AI：水晶放大器 使用注重精度的 Crystal 模型放大并增强图像，在保留真实细节的同时提升分辨率。输入一张图像，返回一张放大后的图像以及并排对比视图。非常适合人像、产品拍摄以及需要忠实细节的印刷级放大场景。 图像工具 · 213 次使用 Gemini Omni 1.1 Flash：视频编辑 通过自然语言对话与Gemini Omni 1.1 Flash编辑视频。上传一个片段（10秒或更短）并描述更改：交换背景、重新设计场景、添加或移除元素，模型会在保留所有未提及内容的同时应用编辑。添加"保持其他所有内容不变"以获得最大一致性；简单提示效果最佳。输出带有原始音频的视频，比例为16:9或9:16，支持1080p/4K输出。非常适合混音、风格更改和迭代优化，无需从头重新生成。 视频 · 210 次使用 Seedream 5.0 Flash：图像编辑 使用 Seedream 5.0 Flash 编辑和生成图像，将单张输入图像转化为一张精致的输出图像，具备电影级光影、精准的文字渲染，分辨率最高可达 2K。 图像 · 209 次使用 Qwen3.5：文本生成 使用Qwen3.5模型分析输入图像并生成描述性文本提示词。此工作流执行图像描述和反向提示词工程。 LLM · 198 次使用 Idol：图像转高斯泼溅 使用 Idol（Comfy-Org 对 TripoSplat 的微调）将单张图像转换为 3D 高斯泼溅：BiRefNet 移除背景，DINOv3 和 Flux2 VAE 编码视图，一次处理即可解码出 262k 点的泼溅。导出 .spz 泼溅、轨道预览和实验性 .glb 网格。最适合风格化角色和道具。 3D 模型 · 197 次使用 Grok Imagine 图像 2.0：文生图 使用Grok Imagine Image 2.0从文本提示词生成图像，这是一款Aurora引擎模型，擅长清晰的短文本渲染，支持14种宽高比的1K或2K输出。输入一个文本提示词即可获得一张已生成的图像，提供低或中等质量选项以控制成本。非常适合海报和封面设计、产品和品牌视觉，以及需要一致性的角色驱动场景。 图像 · 196 次使用 Kling 4.0：视频编辑 使用 Kling 4.0 一次性编辑现有 CLIP：说明要更改的内容并列出必须保留的部分，模型仅重写该部分，同时保持主体、服装、镜头数量、相机运动和时序不变。输出继承输入的长度和比例，立体声音频会重新生成以匹配新场景。非常适合在已剪辑好的素材上更换环境、服装或风格。 视频 · 196 次使用 TripoSplat：图像到高斯泼溅 上传一张2D图像。生成可控密度和渲染预算的高质量 3D 高斯点云表示。 3D 模型 · 193 次使用 SD3.5大型Canny ControlNet 使用SD 3.5 Canny ControlNet边缘检测引导生成图像。 图像 · 193 次使用