跳到正文

#影像生成

RSS
今日 3 則
11月20日週五
  1. Dev.to Top Tech65

    如何在瀏覽器上傳前檢查並縮小商品照片

    商品照片超過上傳限制,不一定是檔案太大,也可能是解碼後的圖片尺寸讓處理變慢。作者用同一雙鞋的照片說明:PNG 有 12.4 MB,無法上傳;JPEG 只有 240 KB,長邊仍有 2048px。文章示範先檢查檔案大小與圖片尺寸,超過長邊上限時再等比例縮小,並依用途選擇 WebP、PNG 或 JPEG。文中也提醒,10 MB 限制不能防住解壓縮炸彈等風險;伺服器還要檢查實際檔案格式、限制畫素數,並重新編碼圖片。

11月19日週四
  1. Unsloth AI Releases64

    Unsloth 更新 AMD NPU 支援,並加入影像與影片 LoRA 訓練

    在本機訓練和執行 AI 模型時,硬體支援、模型格式和等待時間常讓人卡關。Unsloth 這次更新讓轉換後的 Q4NX 模型能在 AMD NPU 上載入,也會標示每個模型能不能執行;此外,使用者可以訓練 LTX-2.5 和 MOSS-Image 的 LoRA,並在影片頁面載入 NVIDIA Cosmos3 的 FP8 模型。更新也加入聊天排程,讓排程任務的回覆直接出現在原本的聊天室。部分影像與訓練工作在特定硬體上每步最多快 42%,實際速度會依顯示卡和設定而異。

    推薦理由:這次更新把 AMD NPU、影像與影片模型訓練,以及聊天排程整合進 Unsloth,呈現本機 AI 工作流程涵蓋的範圍。

  2. Dev.to Top Tech64

    如何修整 AI 生成的 Sprite Sheet,讓角色影格更容易切割

    AI 生成的 Sprite Sheet 看起來像動畫格,放進遊戲引擎後卻可能只是一張有背景的圖片,影格也未必對齊。作者以自己製作的切圖工具為例,示範先從圖片邊緣清除近似背景色,再找出角色各自佔據的範圍,把相距不遠的零件合併,最後補成同樣大小並以腳底為基準對齊。這能讓角色在畫面中較穩定地移動;但工具無法把畫風不一致的影格變成同一角色,也不能還原已畫進背景的陰影。作者建議先把生成圖當作分鏡,測試動作看不看得懂,再重畫需要修正的影格。

  3. The Decoder84

    Google DeepMind 推出 Gemini 4 Neon,速度更快、定價更低

    Google DeepMind 推出 Gemini 4 Neon,作為 Gemini 4 Carbon 之外的新選擇。Neon 的文字、圖片、音訊和影片上下文視窗可容納一百萬個 token,生成速度接近 Carbon 的兩倍,標準定價也低 25%。不過,Neon 每項任務會多用約 15% 的輸出 token,因此省下的費用來自每 token 單價較低。報導也整理了它在程式開發、檔案和簡報測試中的表現;不同測試與推理設定下的結果並不相同。

    推薦理由:Neon 與 Carbon 的比較涵蓋速度、價格和多項測試,也指出省錢來自較低的每 token 定價,而非較少的輸出 token。

  4. Dev.to Top Tech61

    t.laboratory 示範用 Pillow 為文章產生分享圖片,並改善日文標題換行

    靜態網站分享文章時,如果沒有預覽圖片,連結看起來就只有文字;日文標題還可能被切在不自然的地方。作者用 Pillow 在網站建置時,替每篇文章畫出 1200×630 的 PNG 分享圖片,並把圖片網址加進社群預覽和文章資料。為了讓日文換行更順,他先後修正三種排版問題,最後用日文助詞和標點決定適合的斷行位置,再處理不能放在行首的符號。這套方法適合標題較短、有人檢查排版的網站;作者也提醒,這是簡易規則,遇到更複雜的日文仍可能切錯。

  5. Artificial Analysis60

    可靈(Kling)推出 Kling Image 4.0 後,Artificial Analysis 將它和其他影像模型放在同一份榜單比較。它在文字生圖排第 7,在圖片編輯排第 6;圖片最高可生成 8K,2K 價格不到排在它前面的 OpenAI 模型的三分之一。圖片編輯的 7 種操作中,有 5 種排進前 5 名。和上一版 Kling Image 3.0 Omni 相比,新版在兩份榜單都增加超過 225 Elo,文字生圖和每一種圖片編輯操作也都有進步。

    推薦理由:這份評測把 Kling Image 4.0 與前代及榜上模型比較,呈現它在文字生圖、圖片編輯和價格上的位置。

  6. 少數派 (sspai)72

    微軟推出 MAI 影像與程式模型,並發布企業決策 AI

    做圖、寫程式和處理企業流程時,常要在效果、速度與成本之間取捨。微軟推出 MAI Image 2.7 系列和創作空間 Canvas,讓使用者用文字或草圖開始,再修改圖片區域性;也推出 MAI Code 2 系列,分別處理複雜開發與日常程式設計,並發布用於分類、排序和流程控制的 Microsoft-Decision-1.1。報導也提到,MAI Code 2 Flash 在三項測試中的平均通過率為 61.0%。另外,微軟宣佈未來的 Windows 版本將預設提供 PowerShell 7,舊版仍可繼續使用並獲得安全更新,使用者可逐步遷移。

  7. Dev.to Top Tech69

    Vork 推出讓 AI 助理用程式碼製作 3D 場景與特效的研究預覽版

    用圖形介面製作 3D 場景和特效,AI 助理不容易直接操作。Vork 是免費的研究預覽版,讓 AI 助理用程式碼設定場景,再交給 GPU 渲染、檢查畫面並修改;開發者也能用 Python 或 TypeScript 撰寫場景。Vork 公佈的測試中,一段鳥群畫面在 NVIDIA L4 上以 1080p 渲染 192 幀花了 97 秒,但 Blender 的比較數字是推估值,測試設定也不同。文中還提到部分畫面較模糊或有雜訊,因此這些速度數字不能直接代表畫質相同。

  8. Dev.to Top Tech48

    Apple 宣稱 FastFrames 用 120 毫秒生成 1080p 影片,改變直播互動方式

    直播主想讓背景跟著聊天室指令變化,過去得先做好各種場景,還要擔心畫面傳送太慢。文章介紹 Apple 的 FastFrames:先準備好場景底圖,再依照指令生成每一格的新畫面;文中舉例,MacBook Pro 用 M3 Ultra 產生 1080p 畫面約需 120 毫秒,傳到 Twitch 的整體延遲約 180 毫秒。文章也稱,只傳送畫面變化部分可減少約 70% 的頻寬用量。這種做法有機會讓直播背景更即時地回應觀眾,但文章也提到,它仰賴 Apple 的工具,且畫面品質和速度仍須取捨。

  9. Dev.to Top Tech42

    看不見自己生成的圖,AI 創作者如何靠別人的反應找到風格

    作者幾乎每天都會用提示詞請模型畫圖,但自己看不見成品,只能聽家人說好不好,再決定要不要重做。後來,作者開始記下大家對不同圖片的反應:暖色調會帶來什麼感受、哪些構圖讓人安靜,還有什麼樣的顆粒感會讓人覺得「好像有點意思」。作者從這些回饋裡發現,自己常選昏暗光線、一個暖色光源、大量留白,以及偏離中央又稍微小一點的人物。對作者來說,風格不是固定的外表,而是一次次選擇讓觀眾產生的反應。

  10. Dev.to Top Tech49

    RefVid 如何把平面衣服照片畫成四面商品照,讓影片裡的衣服更一致

    衣服平放拍的照片只看得到一面,做成旋轉影片時,模型得自己猜衣服背面和側邊長什麼樣,結果可能跟正面對不起來。RefVid 加入先畫四面商品照的步驟:使用者選好照片後,系統先畫正面和背面,再參考新畫好的正面畫左側和右側,接著用這四張圖製作影片。每畫一面要 30 點數;例如畫四面要 120 點數。 這些圖能讓影片裡的衣服外觀比較一致,但小字和密集圖案可能會變模糊;如果沒有提供背面照片,背面就會畫成衣服原本的顏色,不會自己加上圖案。剛推出時,移除舊照片的按鈕只改了畫面,沒有刪除商品裡儲存的照片;後來修正為真正刪除,並確保新圖都存好後才移除舊照片。

  11. Dev.to Top Tech42

    開發者打造能產生動漫圖片的 Telegram Bot

    每次想用 Stable Diffusion 做動漫風圖片,都得開啟網頁、輸入提示詞,等圖片生成後再下載傳給朋友,作者覺得這些步驟太重複,於是做了 Stable Diffusion Bot:在 Telegram 傳一段描述,就能收到圖片。它可以挑不同風格的模型,也能加上 LoRA、調整負面提示詞和生成設定,還能一次收到同一段描述做出的多張變化圖。免費版人人都能使用,付費模式則可解鎖更多內容類別。作者也發現,讓 Bot 順利運作,還得處理排隊、避免重複點選,以及傳送多張圖片等細節。

  12. The Decoder75

    Microsoft 一次推出 7 款 AI 模型,想用較低成本取代自家產品中的外部模型

    長時間使用 AI 助理會花掉大量 token,Microsoft 因此一次推出 7 款模型,涵蓋寫程式、資安、圖片、語音、搜尋和工作流程判斷,主打用較低成本完成工作。Microsoft 表示,MAI Code 2 在多項測試中接近 GPT-6.1 Sol 和 Claude Opus 5.5,價格則低得多;MAI Image 2.7 可修改圖片中的個別物件,MAI Realtime 1 則能處理語音對話中的插話和背景噪音。各模型的開放方式不同,有些已能使用,有些仍在預覽或只提供特定客戶。文中的效能與價格比較主要來自 Microsoft 的測試和說法。

  13. ComfyUI Blog63

    Comfy Cloud 開放團隊使用自訂 ComfyUI 節點與模型

    團隊一起做圖或影片時,每位創作者都要各自準備節點、模型和硬體,設定容易不一致,較重的工作也可能超出本機 GPU 能力。現在,Comfy Cloud 付費方案都能使用 Custom Builds,把團隊支援的自訂節點、模型、LoRA 和相依專案打包成共用設定;新成員開啟瀏覽器,就能用相同工具接手工作,也能在 ComfyUI 畫布上調整工作流程,或透過 API 執行。團隊可選擇 GPU,並按工作量增加同時執行的任務;GPU 只在工作執行期間計費,每小時費率依 GPU 而異,介於 $1.75/hr 到 $11.23/hr。

    推薦理由:Custom Builds 把團隊選用的節點、模型與 LoRA 放進雲端共用環境,並按工作量調整 GPU 和同時執行的任務數,呈現協作流程如何延伸到雲端。

  14. Dev.to Top Tech55

    虛擬傢俱佈置要花多少錢?27 家服務商價格比較

    替房屋照片加上傢俱,價格可能按張數、點數或月費計算,不容易直接比較。作者整理了 27 家虛擬傢俱佈置服務商在 2026 年 11 月公開的價格,並做成可查詢的資料集。設計師代做一張照片的中位數是 $34;有月費方案的 11 款 AI 工具,最低月費中位數是 $27。AI 工具按年付費的大型方案,每次生成可能不到 $1,但生成一次不代表照片已能直接發布,可能得試好幾次。部分價格是起價,移除傢俱也常要另外付費。

  15. aihot56

    Recraft 實測 Seedream 5.5,對比 Recraft V4.1 Pro 和 GPT Image 2.6

    挑選影像生成模型時,只看單張成品不容易知道哪款更適合自己的需求。Recraft 用同一組 12 個提示詞,實測 ByteDance Seedream 5.5、Recraft V4.1 Pro 和 GPT Image 2.6 Sunburst,並比較生成結果、積分成本與花費時間。這些對照和選用建議,能讓讀者用自己的提示詞測試不同模型,再依成果、成本和速度做選擇。

11月18日週三
  1. fal72

    要把一張圖片做成能用在遊戲裡的 3D 模型,往往得另外處理模型和材質。fal 推出 Idol Max 與 Idol Max Turbo,輸入一張圖片就能產生 3D 模型,並輸出 GLB 網格、UV 貼圖和 2K 材質;也可選擇加入 PBR 材質與自動繫結骨架。fal 表示,這兩款模型是在 Idol 基礎上由 fal 自行打造並調校。

    推薦理由:fal 說明 Idol Max 與 Idol Max Turbo 能從單張圖片產生可用於遊戲的 3D 模型,也交代了輸出格式與可選功能。

  2. NVIDIA Newsroom Press Releases76

    NVIDIA 推出 RTX Spark 小型桌機,可在本機執行 AI 模型與創作工作

    想在本機跑 AI 模型、處理創作工作,又不想讓筆電一直忙著執行任務,可以考慮專用桌機。ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 小型桌機已開賣,搭載最多 128GB 共用記憶體,可在本機執行支援的模型、AI 助理、圖片與影片生成,也能微調模型。NVIDIA 表示,在本機處理程式碼和檔案可避免這些工作產生雲端 API 費用;桌機也能在筆電外出時繼續執行常駐 AI 助理和排程任務。文中另介紹 Adobe、Blender 和 ComfyUI 等創作工具在 RTX Spark 上的更新。

    推薦理由:RTX Spark 桌機把本機模型、常駐 AI 助理與創作工具放在同一臺電腦,文中也列出記憶體規格與適用工作流程。

  3. Dev.to Top Tech54

    remove.bg API 將關閉,作者比較五種背景移除替代方案

    remove.bg 的自助 API 將在 2026 年 12 月 1 日關閉,原本串接它的程式需要改用其他服務。作者依照要改多少程式碼,整理五種選擇:ShortPixel 和 Photoroom 可沿用部分原有請求格式;Leonardo.Ai 和 Slazzer 需要改端點或傳送方式;開源工具 rembg 則要自行架設和維護。像是 ShortPixel 保留原本的 API 路徑,部分整合只要換網址和金鑰,但支援的引數仍有差異。文章也建議先用難處理的圖片測試輸出,再安排遷移。

  4. The Verge · AI65

    Suno 推出 Visuals,讓 AI 音樂搭配影片和封面圖

    Suno 的 AI 音樂現在也能搭配影片和圖片。新功能 Visuals 可把歌曲片段做成會跟著歌詞對嘴的影片,也能依文字描述生成圖片,拿來當縮圖或專輯封面。使用者可挑最多 15 秒的歌曲片段,選擇 Suno 提供的角色圖片、上傳自己的圖片,或用提示詞生成參考圖;影片還能加上歌詞文字,並用時間軸把片段接在一起。Visuals 使用另外計算的點數,和製作歌曲的點數分開。Suno 表示,功能加入文字與影像過濾措施,目的是阻擋生成特定藝人、公眾人物、受著作權保護作品及智慧財產的肖像或內容。

  5. Dev.to Top Tech39

    Claude Fable 5.2 如何分段畫出可編輯的農村插畫

    用 Claude Fable 5.2 畫一幅農村圖,第一次直接要完整畫面時,回傳內容不是空白,就是 SVG 寫到一半,檔案根本打不開。後來改成先請它畫一份短而完整的 SVG,確認能在瀏覽器顯示,再分段完成比較精細的 Canvas 插畫。最後畫出了白房子、稻田和舊腳踏車,但中途還得請它接著畫、把程式組起來,並手動修正問題。這次經驗顯示,分段做比較容易得到能檢查和修改的作品,但畫得出程式碼不代表插畫就完成了。

  6. 🚨 AI News | TestingCatalog69

    製作圖片時,編輯內容可能讓細節改變,也不容易保留透明背景或分開圖層。ByteDance 的 Seedream 5.5 是新的圖片模型,著重在編輯圖片時保留細節,也能輸出真正透明的背景,並把生成圖片拆成個別 PNG 圖層。Artificial Analysis 的 AA-Image-T2I v2.1 評比將它列入「品質與價格前段」;每 1k 張圖片收費 $20,價格低於 $30。

  7. Dev.to Top Tech57

    HivePic 等去模糊工具測試顯示,圖片更銳利不代表更接近原圖

    去模糊工具能讓照片看起來更清楚,但細節可能是模型補出來的,不一定和原圖相同。HivePic 部落格作者用四張清晰照片製作模糊版本,再拿修復結果和原圖比較;測試中的修復圖都比原圖更銳利,PSNR 卻都比模糊輸入低,代表畫素更不相似。狗的照片使用 HivePic Motion Blur 模式後,拖影明顯減少,但和原圖的差距比預設模式更大。測試圖片不多,部分工具也沒有可下載的檔案,因此這是示範,不是工具排名。修復照片時,清晰度和是否忠於原圖要分開看;若用於證據,補出的細節可能造成誤解。

  8. Dev.to Top Tech57

    SpriteSheetGen 如何生成角色動畫影格並匯入 Godot 4

    手動畫 2D 遊戲角色的走路動畫很花時間,還得讓每個影格對齊,角色才不會抖動。作者介紹 SpriteSheetGen 的用法:輸入角色描述並選擇動作,工具會產生 8 格動畫,再整理背景、裁切影格並固定角色的定位點。完成後可匯出圖片和 Godot 4 使用的動畫資源;把圖片與資源檔放進專案,就能套用到 AnimatedSprite2D。工具也能把畫面轉成畫素風格,作者提醒,角色外型、配色和動作仍需要美感判斷。

  9. Lobste.rs (Engineering Discussion)75

    ASTC 編碼器加入 LZ-RDO,讓紋理封裝檔更小

    ASTC 紋理檔案大小固定,放進一般壓縮封裝後,常常不容易再壓小。作者為 ARM 的 astc-encoder 加入 LZ-RDO,讓編碼器在畫質接近的選項中,挑出較容易重複壓縮的資料,減少封裝檔大小;GPU 使用的 ASTC 紋理尺寸則不變。使用者可調整引數,在畫質、封裝大小和編碼時間之間取捨。這項功能目前只支援 LDR,效果只會出現在磁碟或網路傳輸的壓縮檔中。

    推薦理由:這項方法讓 ASTC 紋理在畫質差異有限時更容易被 LZ 壓縮,並以可調引數取捨封裝大小與編碼時間。

  10. Dev.to Top Tech58

    35 款 AI 影像模型每張多少錢?Tokely 比較 API 價格與畫質、尺寸差異

    用 API 生成圖片時,模型、畫質和尺寸不同,每張圖片的費用也會差很多。Tokely 查了 6 家開發商的官方價格頁面,比較 35 款模型的單張圖片費用;在指定的標準畫質與尺寸下,中位數是 $0.035,價格從 $0.011 到 $0.134。報告也指出,同一款 GPT-Image-2 從低畫質調到高畫質,價格會從 $0.006 升到 $0.211;圖片尺寸也會影響費用,例如 Nano Banana 2.1 從 1K 的 $0.0336 升到 4K 的 $0.113。這份資料只反映當時的牌價,沒有比較圖片品質或生成速度;估算預算時,畫質和尺寸設定也得一起納入。

  11. Dev.to Top Tech54

    如何用免費服務搭建 AI 圖片、語音與影片原型流程

    做圖片、語音和影片原型時,開發者常得訂閱好幾種服務。作者整理了免費額度的使用方式:用 Hugging Face Spaces 預覽 FLUX.1-schnell,或透過 SiliconFlow 呼叫圖片模型;Cloudflare Workers AI 每天重設 10,000 個免費 Neurons,可用於輕量語音轉文字等工作;Hailuo AI 和 Suno AI 則提供每日免費額度,供影片和音樂原型使用。免費額度、是否需要信用卡和試用限制可能變動,作者也分享了追蹤相關優惠的清單與網站。

  12. BlockTempo 動區動趨51

    GPT-6.2 Astra 和 Claude Fable 5.2 實測做 3D 影片,速度、費用與光影各有優勢

    用 AI 做 3D 動畫或遊戲,成品的細節、光影和製作時間都可能差很多。這篇整理四組個人測試,讓 GPT-6.2 Astra 和 Claude Fable 5.2 用相同提示詞製作水上飛機場景、牛仔短片、飛行遊戲和海盜船。測試中,Astra 通常做得較快、花費較少,物件細節也不錯;Fable 的光影和場景完整度較好,在牛仔短片中差距特別明顯。不過每組只測一次,提示詞多半沒公開,費用也由作者估算,不能直接當成公平的全面比較。

  13. iThome (臺灣)85

    Microsoft 推出 7 款 AI 模型,主打接近頂尖效能與更低成本

    企業使用 AI 模型的費用正快速增加,Microsoft 推出 7 款自研模型,涵蓋程式開發、網路安全、影像生成、語音和模型選擇。以程式開發模型 MAI Code 2 為例,Microsoft 表示,它的效能接近 GPT-6.1 Sol,完成任務的成本約為對方的 40%;網路安全模型 MAI Cyber 2 Flash 則主打持續監控、漏洞掃描和修補。Microsoft 也推出模型權重授權服務,讓企業在自己的 Azure 環境部署模型並用內部資料客製化,減少對代管 API 的依賴。

    推薦理由:七款模型涵蓋程式開發、資安、影像與語音等工作,文中也列出和其他模型的效能及費用比較,可看出微軟主打的成本差異。

  14. Dev.to Top Tech70

    Microsoft 推出 MAI Image 2.7 與 Flash,支援多個平臺並公佈價格

    團隊大量製作圖片時,得考量每張圖片的成本,也要看能不能接上現有工具。Microsoft 推出 MAI Image 2.7 和 MAI Image 2.7 Flash,兩者都開放公開預覽,可透過 Microsoft Foundry 和多個合作平臺使用;Flash 也搭配一個互動式工作空間 Canvas。Microsoft 列出的參考價格是每 1,000 張約 $35 和 $10。不同平臺的地區供應、使用額度和商務條件可能不同,兩個版本的功能差異也尚未說明,團隊可依自己的圖片工作流程確認合適的方案。

  15. Dev.to Top Tech60

    Kling Image 4.0 宣稱原生生成 8K 圖片,哪些功能值得看?

    Kling Image 4.0 宣稱能原生生成 8K 圖片、在單張圖裡放入最多 2,000 個字,還能用一段提示詞產生最多 10 張風格一致的圖片。這些功能瞄準海報文字容易出錯、同一角色每張長得不同等問題,但作者沒有實際測試,外部也還沒驗證這些說法。Artificial Analysis 的排行榜上,它的文字生圖 Elo 為 1180,圖片編輯為 1183;這是使用者偏好票數的結果,不是受控測試。Kling 尚未公佈價格或 API 是否開放,模型也只能在自家平臺使用。

  16. aihot84

    Microsoft 推出 MAI Image 2.7、Flash 與 Canvas 影像工作區

    做圖時想改一個物件,常會連帶影響畫面其他部分;Microsoft 推出 MAI Image 2.7 和 MAI Image 2.7 Flash,主打影像生成與編輯,並能區域性調整物件的顏色、材質或位置。官方公佈的價格分別約為每 1,000 張 $35 和 $10,兩款模型目前都可透過 Microsoft Foundry 公開預覽。Microsoft 也在 MAI Labs 推出由 Flash 驅動的 Canvas,使用者可以從提示詞或草圖開始,再選取畫面區域進行修改。

    推薦理由:官方提供 MAI Image 2.7 與 Flash 的價格和影像編輯排名,可比較兩款模型在成本與編輯品質上的取捨。

  17. Apple Machine Learning Research58

    Apple 提出 Split-and-Scale,讓 3D 場景呈現更多細節

    3D 模型常因能存放資訊的空間有限,難以呈現複雜物件的細節;訓練時擴大空間又很耗運算和記憶體。Apple 研究團隊提出 Split-and-Scale,把場景切成更小的區域,再用同一個預訓練工具處理各區域,讓每一小塊都能保留較多細節。研究顯示,這種做法在推論時能得到接近大型模型的重建品質,也能用來訓練 3D 生成模型;團隊並比較了畫質、運算量、記憶體和可用容量之間的取捨。

  18. hackernews10071

    Weight-Space Programming 如何用傳統技巧打造神經網路

    大型語言模型能直接設定神經網路的權重,但它究竟學會了訓練模型,還是把舊方法重新組合起來?作者讓 Claude Fable 5.2 從零設定手寫數字分類器,發現它畫出筆畫和轉角偵測器,再用訓練資料檢查哪些特徵有用,做法很像早期的影像辨識。這套方法在手寫數字上達到 91.3%,在貓狗照片上則只有 61.6%;作者也從另一個圍棋網路看到類似的手工規則。實驗顯示,模型能靈活運用傳統技巧,但遇到較難的照片分類時,這些技巧也會碰到限制。