Music视频
@Music视频
2天， 6小时 前在线-
最近我一直在想，如果一个影视剧中用到多个角色、能不能把角色制作成Lora，这样角色就能迁移、需要几个角色、只需要调用对应的ora组合就可以。想让AI 生成的各种场景中保持脸部、妆容一致，这就需要用到训练自己的ai Lora，通过 Draw Things 就能在本地训练属于自己的 LoRA 模型，当然也可以通过Comfyui等工具来训练。本文将基于最新的 FLUX.2/SD 架构界面，训练自己的AI 角色Lora。
训练AI 角色Lora操作方法
1. 准备数据集 (Dataset)
在界面的右侧 Dataset 区域：
添加图片： 点击 “Add” 按钮，上传 15-25 张…[查看更多]
-
这套方法的精髓在于利用 Qwen Image Edit 的局部编辑能力，配合 F2P (Face to Portrait) LoRA，实现从单一“脸部照片”到“全身/多风格肖像”的高保真转换。
一、 环境与资源准备
1. 基础模型：选择 Qwen Image Edit（基于通义千问的图像编辑模型）。
2. LoRA：加载 F2P LoRA（由 ModelScope 社区 Dent Studio 提供，基于一万多张高质量人像训练，兼顾特征一致性与人体审美）。
3. 软件工具：推荐使用 Draw Things 进行本地部署与操作。
二、 基础操作流程
-
使用SD ControlNet pose精准控制AI表情、手指与姿势：进阶工作流
第一步：提取完整骨架（含脸/手）
访问「哩布哩布AI」网站，上传参考图。ControlNet 类型选 OpenPose，预处理器务必选择 OpenPose Full。系统将输出包含身体坐标、手指关键点与面部五官点位的完整骨架图。这是实现同步控制的数据基础。第二步：导入 DrawThings 图层
将生成的骨架图拖入 DT 的 Pose 图层，或放入draw thi…[查看更多] -
很多人用 AI 画图，最大的痛点根本不是不会写提示词，而是“人物姿势总乱变”。同样输入“一个站立的人”，AI 可能随机生成几十种完全不同的姿态。做分镜、角色设计或视觉预演时，这种不确定性非常致命。
解决这个问题的核心工具就是 Pose ControlNet。它的作用很直接：把“人物怎么动”从 AI 的随机发挥中抽离出来，变成你可以完全掌控的固定框架。
下面以 DrawThings 为例，走一遍最清晰、最稳定的按照我们的预期动作生成图片的操作流程。文末附你提供的完整参数配置对照表，ComfyUI 用户可直接按相同数值平移。
-
在最新的 AI 图像编辑领域，QIE-2511 AnyPose 提供了一种新的姿态迁移思路：不再依赖 OpenPose 骨架提取，而是直接通过图像理解实现动作迁移。该方法基于 Qwen Image Edit 2511，并结合 AnyPose LoRA，实现仅通过参考图片即可驱动人物动作变化。
一、核心思路
传统姿态迁移依赖 OpenPose 先提取人体骨架，再将骨架作为控制信号生成图像。这种方式结构稳定，但表达能力有限。
AnyPose 的核心变化是：直接使用“图像”作为姿态信号，由模型自行理解动作结构。也就是说，模型不再依赖显式骨架，而是通过视觉理解完成隐式姿态建模，使动作更加自然灵活。
二、模型…[查看更多]
-
追光 在版块 💻 Nuke合成影视制作 中发起了话题 CorridorKey：AI 如何重新定义绿幕抠像【AI制作】 2天 前
在影视后期制作中，绿幕抠像一直是最基础却也最耗时的环节之一。无论是使用 Keylight、Primatte，还是各种 AI roto 工具，行业的核心问题始终没有真正解决：当主体边缘与绿幕发生颜色混合时，如何准确地还原真实前景。
传统方法的思路是“分离”——通过颜色判断生成 Alpha 遮罩，再配合 edge refine、despill、roto 等流程不断修补细节。然而这种方式本质上是在做二值或半连续的分类，它很难处理头发、运动模糊、半透明材质等复杂情况，最终往往需要大量人工干预。
CorridorKey 的出现，提出了一个完全不同的思路：不再去判断“哪里是前景”，而是直接重建“前景本身”。
它的核心能力在于对图像进行“反混合”（unmixing）。在绿幕拍摄…[查看更多]
-
随着生成式图像技术的发展，图像编辑正在从“工具操作”转向“语言驱动”，Qwen Image Edit、Fluxkelein2等模型正是这一趋势下的代表模型。它可以在本地（如 Draw Things）运行，通过简单的提示词完成复杂的图像生成与编辑任务。在许多场景中，它已经可以替代传统依赖 LoRA 或复杂流程的工作方式。
本文将系统梳理 Qwen Image Edit 的核心能力与实际应用场景。
一、人物一致性与多场景生成
Qwen Image Edit 可以基于一张人物基础图，生成该角色在不同场景下的表现，同时保持人物外观的一致性。
例如，同一个人物可以被快…[查看更多]
-
最近在设计圈和社交媒体上，两种视觉风格非常火：霓虹玻璃面板社交名片，玻璃棱镜光谱 Logo，它们的共同特点是：未来感强、信息清晰、视觉高级。这篇教程将手把手教你，用 Qwen Image + Draw Things 实现这两种效果，而且是稳定、可控、可定制的专业流程。这里流程中使用的模型主要有俩种生图模型、图片编辑模型、可以使用qwen 模型也可以使用flux2、z image或者其他你喜欢的模型来制作。主要展示流程和提示词写。
一、核心方法思路（一定要先理解）
很多人会尝试“一步生成”，但效果往往：文字崩坏，排版混乱，不可控。
👉 正确方法是：…[查看更多]
-
为了精准控制AI出图视角，我把 Qwen-Image-Edit-2511-Multiple-Angles-LoRA 的所有官方参数组合做成了结构化提示词库。8大方位 × 4种仰角 × 3种景别 = 96组标准写法，已按「正面/45°/侧面/背面」分段整理，每组自带使用场景备注，画角色卡、商业图，影视、游戏场景设计。
🔹 核心语法： [方位] [仰角] [景别]（严格空格分隔，禁加标点/括号） 🔹 适用底模：Qwen/Qwen-Image-Edit-2511/2509 🔹 参数建议：LoRA强度 0.85~1.0，固定 Seed 可稳定生成角色三/四视图
该提示词可以在Comfyui和Draw things等调用支持Qwen image edit（1.0版本、2509…[查看更多]
-
六、Draw Things物体移除功能（Object Removal）流程
本工作流利用 Flux Fill 强大的图像填充能力结合专用 LoRA，实现对画面中多余物体的无痕移除与背景补全。
1. 核心模型配置
主模型： flux1filldevq8p.ckpt
专用 LoRA： Object Removal Flux Fill v2（JSON 中对应文件为 fluxoutpaintloraloraf16.ckpt）
LoRA 触发提示词： Fill the green spaces according to the image,2. 操作步骤
1. 图片导入： 将包含想要移除物体的图片…[查看更多]
-
五、从肖像到全身绘图
本工作流利用 Qwen 架构的图像编辑模型，结合人脸保持 LoRA，实现仅需一张面部参考图，即可生成指定人物的全身、场景照片。
1. 操作流程
1.1 放置参考脸： 在 ControlNet 的 Moodboard 单元中，放入目标人脸图片（图2）。
1.2 生成目标图像： 在画布内，直接输入你想要生成的人物全身描述、着装、姿势及场景提示词。软件将自动提取 Moodboard 中的面部特征进行生成。
2. 完整工作流配置 (JSON)
配置方案：M4/M5 芯片 M 系列 Mac/iPad 高效生成
注意： 此配置使用了 4 步加速 LoRA，并精确调配了人脸保持 LoRA 的权重（0.6），以平衡面部…[查看更多] -
四、模糊照片变清晰（照片修复与高清放大）
本工作流利用 Qwen 架构的图像编辑模型结合专用修复 LoRA，实现将模糊、低分辨率照片重塑为高清画质。
推荐模型搭配：
主模型： qwen_image_edit_2509加速 LoRA： qwen_image_edit_2509_lightning_4_step
修复 LoRA： lora_a_qwen_edit_enhance_64_v3_000001000
1. 核心模型与脚本流程
标准操作流程：
第一步（清晰化）： 使用脚本 “enhance”，利用专用修复 LoRA 先将模糊的底图变清晰。第二步（放大）： 清晰化后，再使用…[查看更多]
-
三、 Draw Things替换人脸流程（Face Swap）
本流程介绍在 Draw Things 中进行精准人脸替换的两种主流方法，分别基于 Qwen 和 Flux 架构。
方法一：基于 qwen image edit2509
此方法利用 Qwen 模型的图像编辑能力，通过遮罩区域结合 moodboard 进行替换。
操作步骤：
1.1 导入与涂抹： 将待换脸的图片（底图）导入到画布。在画布中使用画笔工具，将底图中需要替换的面部区域涂抹为绿色。
1.2 资源放置：
画布： 放置已涂抹绿色区域的底图（图1）。
Control (Moodboard)： 在 Contro…[查看更多] -
-
Draw Things：开箱即用的“苹果原生派”，专为 macOS/iOS 开发的原生 App，像 Photoshop 一样直接。界面清晰，模型下载、管理都在 App 内完成，对 16GB 内存优化极好。内置“无限画布”模式，修手、扩图操作非常直观，适合追求快速上手，想直接在 Mac 或 iPad 上高效出图的创作者。
1. 核心架构与模型
Base Model： 决定画风。内存有限，请优先选择 Z Image Base (8-bit) 或 SDXL (8-bit)，确保有余力加载插件。LoRA： 风格“补丁”，用于锁定特定服装（如汉服）或特定画风，权重建议 0.5-0.8。
2. 精准控制 (ControlNet)：
IP-Adapter Fac…[查看更多]
-
MacBook扬声器杂音修复日志
问题描述：MacBook Pro (M1) 内置扬声器在播放音乐时出现“啪啦”、“次啦”的杂音。
交叉测试：使用耳机或外部外置声卡时声音完全正常，排除音频源和系统解码问题。初步诊断：
软件层面的核心音频进程 (coreaudiod) 出现调度错误或驱动同步异常，而非硬件损坏。解决方法：通过重置 macOS 音频核心进程解决。
操作步骤：
1. 打开 终端 (Terminal)。
2. 输入命令：
sudo killall coreaudiod
3. 输入开机密码并回车。结果：进程重启后，内置扬声器杂音消失，音频输出恢复正常。…[查看更多]
-
追光 在版块 🎞️DaVinci Resolve达芬奇调色 中回复了话题 达芬奇调色输出之后存在色差的问题【解决方法汇总】 1周， 2天 前
非常感谢分享，没想到这个帖子竟然8年了，也一直在使用苹果的设备，能发现这些区别的都是对色彩高度敏感，对品质要求极高的同行，感谢你的分享，我也学习了，好久没测试这些细节了。
-
追光 在版块 Waves AI智能鼓替换插件Intrigger 鼓替换并将鼓转为Midi数据 中回复了话题 Waves AI智能鼓替换插件Intrigger 鼓替换并将鼓转为Midi数据 3周， 6天 前
在 Waves InTrigger 中，将检测到的音频打击点转换为 MIDI 数据是一个非常有用的功能，无论你是想触发外部音源（如 Superior Drummer 3 或 Kontakt），还是想保留打击动态进行后期精细编辑。
以下是将 InTrigger 识别结果录制为 MIDI 的详细操作指南：
一、插件内部设置
在将信号发送给 DAW 之前，你需要确保 InTrigger 已经正确输出了 MIDI 信号。
1. 完成检测：确保你已经通过 Learn 按钮或手动调整，让 InTrigger 准确识别了目标鼓点（蓝色线…[查看更多]
-
追光 在版块 Waves AI智能鼓替换插件Intrigger 鼓替换并将鼓转为Midi数据 中发起了话题 Waves AI智能鼓替换插件Intrigger 鼓替换并将鼓转为Midi数据 3周， 6天 前
Waves InTrigger 是一款基于 AI 技术的智能鼓组替换与补强插件，利用智能打击检测技术，能够自动识别、分类并隔离鼓点，同时过滤串音（bleed）的革命性工具。它的核心逻辑是：通过 AI 学习你原始音轨（例如底鼓或军鼓）的特征，然后精准触发干净的采样。相比传统的阈值触发器，InTrigger 极大地减少了漏触发或误触发（串音干扰）。
快速…[查看更多]
-
openclaw 全自动Mac安装版本脚本（粘贴到终端输入密码即可执行）
bash -c "$(cat <<'EOF'
echo "🦞 OpenClaw 一键安装启动..."# ========= 系统检测 =========
if [[ "$OSTYPE" != "darwin"* ]]; then
echo "❌ 仅支持 macOS"
exit 1
fiecho "✅ macOS 检测通过"
# ========= 网络检测 =========
echo "🌐 检测 GitHub 网络..."
if ! ping -c 1 github.com >/dev/null 2>&1; then
echo…[查看更多] - 查看更多
京公网安备
工信部备