GIFCove 教你在瀏覽器裡處理 GIF,不必上傳檔案
不少 GIF 工具會要求先上傳檔案,有些還要註冊或接受浮水印。作者做的 GIFCove 讓檔案留在使用者的裝置上,能從多個網站下載 GIF、合併或縮放動畫,也能替背景去背。處理大型動畫時,工具會在背景執行,避免整個頁面卡住;但工作由裝置本身負責,老舊手機可能處理很慢,長動畫也會佔用大量記憶體。去背目前只接受純白、綠色或黑色背景,其他背景會直接提示不支援。
不少 GIF 工具會要求先上傳檔案,有些還要註冊或接受浮水印。作者做的 GIFCove 讓檔案留在使用者的裝置上,能從多個網站下載 GIF、合併或縮放動畫,也能替背景去背。處理大型動畫時,工具會在背景執行,避免整個頁面卡住;但工作由裝置本身負責,老舊手機可能處理很慢,長動畫也會佔用大量記憶體。去背目前只接受純白、綠色或黑色背景,其他背景會直接提示不支援。
修復模糊的 3D 虛擬人物,或用已有的醫療掃描資料補出缺少的影像資料,常得經過很多輪計算,既耗時也可能不穩定。EDGAR 把修復步驟縮成一次擴散處理,再用修好的畫面更新虛擬人物模型;每個模型平均多花 5.04 到 16.60 分鐘。SphereFlow 則把不同型別的醫療影像放到共同的空間,讓系統依照已有資料補上缺少的部分,在腦瘤分割測試中補回約八成與資料完整時的效果。這些方法能減少反覆計算,但 EDGAR 難以修復嚴重變形或大範圍遮蔽的畫面,SphereFlow 遇到差異太大的影像型別也可能表現較弱。
3D 遊戲常要附上圖片、模型和錄音等素材,檔案容易變大。卡茲克拆解一個 1.4M 的純 HTML 遊戲示範:其中約 700KB 是打包的 Three.js,其餘畫面、貼圖和音效由程式即時生成,瀏覽器再透過 WebGL 或 WebGPU 呼叫顯示卡來繪製。文章也提供提示詞範本和反覆檢查、修改的方法,說明如何用較少的素材檔做出 3D 遊戲。
推薦理由:文章拆解小型 3D 遊戲如何用程式即時生成畫面與音效,並整理提示詞模板和反覆檢查修改的方法。
圖片檔案看起來很小,解碼後卻可能變成佔用大量記憶體的大圖。文章建議在製作完整預覽前,分開檢查檔案大小和圖片畫素數,再限制同時解碼的預覽數;範例上限是 24,000,000 bytes 和 16,000,000 pixels,這些數字是示範值。瀏覽器檢查後,伺服器也要再檢查一次,並在圖片被替換或不再使用時釋放資源,避免裝置一次處理太多圖片。
一張張從 Google Images 下載圖片很花時間,而且搜尋結果頁看不到原圖尺寸。作者示範用 Python 或 Node.js 呼叫 Google Images Scraper,先找大型照片,再依寬度和橫向比例篩選,不必先下載圖片。範例搜尋「lighthouse watercolor」後,從 20 張大型照片中留下 9 張符合條件的圖片,並把原圖網址、尺寸和來源網頁整理成 CSV 或 JSON,也能用 n8n 接到試算表或資料庫。圖片仍屬於原作者,重用前要先檢視授權;每張搜尋結果收費 $0.0021。
一款只有 1.4M 的純 HTML 3D 遊戲,沒有放入圖片、模型或錄音,為什麼仍能做出遊戲畫面?卡茲克拆解後指出,檔案裡約有 700KB 是 Three.js,其餘內容由程式碼產生。他也說明遊戲畫面的程式化生成原理,並提供提示詞模板和自查、修改的方法,讓想試著做類似作品的人能參考製作流程。
在 Windows 安裝 AI 工具、更新版本,常得自己處理安裝檔和程式相容問題。VEKTOR 2.0.7 推出單一 .exe 安裝程式,Node.js 已包含在內,也會在背景檢查更新。安裝程式會驗證更新簽章,更新前確認沒有 AI 使用者端正在使用;若新版本在兩分鐘內沒有正常回應,就會回復舊版。Desk 也會依問題是簡單提問,還是分析與規劃,選擇不同的回答設定;若使用雲端模型,訊息最多 1,200 個字元,且須先同意才會送出。Windows 安裝程式目前仍是早期版本,尚未經程式碼簽署。
掃描發票的文字看似辨識正確,金額也可能放錯欄位,害帳目出錯。作者比較 Nemotron 3.5 Parse、LightOnOCR 3 和 Docling 處理兩張難讀的印度發票,檢查欄位是否讀對,也有在 Mac 上重現 Docling 的印地語辨識問題。測試中,LightOnOCR 3 幾乎讀對所有欄位,但速度較慢;Nemotron 漏掉表格的一欄和總額;Docling 在 Mac 上使用的 OCR 引擎不支援印地語,換成支援印地語的引擎後,盧比符號仍可能被讀成數字。作者建議核對數量、單價、稅額和總額,並提醒這次只測了兩張發票,結果不能代表所有檔案。
想在手機上用文字生圖,常會擔心網路需求、下載大小和手機跑不動。Off Grid AI 的教學介紹如何在 Android 手機安裝 FLUX.2 klein 4B(Light):手機需有 12 GB 以上記憶體,下載約 5.3 GB 的模型後,就能在手機上離線產圖,提示詞和圖片不會上傳。速度則看手機晶片而定,部分 Snapdragon 手機會用 CPU 慢慢運算,下載前可先檢視每張圖約需等待多久;若手機只有 8 GB 記憶體,App 不會列出這個模型。
把照片改成十字繡圖樣,不只是縮小圖片,還得控制線色和零散的小色塊,才不會讓人繡到一直換線。作者做的工具會在瀏覽器裡把照片縮成每格對應一針,再把顏色減到少量線色;挑選相近顏色時,也會考慮人眼看起來的差異。工具不使用抖色,並會檢查只有一針、周圍沒有同色針的「碎針」,也能合併部分小色塊。最後會列出線材用量、圖樣符號和可列印的 PDF。
使用線上去背工具時,照片常得先上傳到伺服器;作者介紹 ToolsByUs 的背景移除工具,讓照片留在瀏覽器裡處理。它會先下載分割模型,再由 ONNX Runtime Web 在裝置上去背,輸出透明 PNG;作者也示範可檢視瀏覽器的網路紀錄,確認照片沒有送出。作者用一張 1280×1920 的人像照片測試,第一次連下載模型花不到 30 秒,模型快取後再跑不到 10 秒,頭髮邊緣仍有些微白暈。這種做法省去上傳,但首次使用要下載模型,運算也會佔用自己的裝置資源。
要讓 AI 助理完成大型專案,難處不只是產出很多內容,還要讓故事、插圖和閱讀介面彼此配合。作者用 Qwen 4 Preview 和 Jouzu,從一份詳細需求開始,做出 40 章、共 63,258 字的兒童推理故事、42 張 SVG 插圖,以及一個有 652 頁的互動翻頁書。接著,作者用無頭 Chrome 實際操作書籤、翻頁和其他功能;這次檢查回報沒有執行錯誤或文字溢位。這只是單次實作,作者也說結果不能代表模型表現一定可靠,或在其他裝置上都沒有問題。
替換影片角色時,常會遇到臉像參考人物,頭部角度或場景位置卻跑掉的問題。AI-KSK 分享一套 ComfyUI 工作流程,同時使用 RGB 參考圖保留人物外觀,並用深度參考控制人物與鏡頭的位置,還能轉移原影片的動作;提供音訊時,也能依音訊帶動嘴型。流程有標準、無聲和加強臉部細節三種版本。若人物朝鏡頭移動,但深度資料只來自單一影格,合成位置可能偏移;逐影格擷取深度可以修正,但成本較高。
把商品放進背景不難,難的是讓光線、陰影和接觸面的細節看起來自然。AI-KSK 示範把工作分成兩步:先用 Qwen Image 2.1 把商品融入場景,再用 H3 VDN 12NFE 加強細節,讓畫面更像照片。想快速調整構圖時可用 Viggle 加速流程,選好後再用 40-step 版本產生正式畫面;但模型可能改掉商品標籤文字和標誌位置,需要保留原樣的文字應在模型處理後再合成上去。這套流程可用來製作電商主圖、不同季節的背景版本,或先比較背景再決定是否拍攝。
把手機鏡頭拍到的畫面即時交給影像模型改畫,聽起來像能透過不同風格看世界,但畫面要夠快也得保留細節。AI-KSK 用舊手機搭配 MOSS Image,測試不同工作流程後選 4-step Turbo 做即時預覽,因為反應較快;想看更豐富的細節時,則改用 8-step DMD 暫停拍攝。快速轉動手機會讓畫麵糊掉,招牌文字也會變成亂碼,背景中的陌生人則可能看起來不自然。這套做法適合快速預覽場景構圖與光線,也能用來示範模型改畫後的景色和真實世界有何不同。
想讓模型固定角色長相或學會一個動作,通常得先訓練 LoRA;RefMod 則把參考圖片、影片或音訊做成可載入的檔案,在模型推論時使用。AI-KSK 示範了角色、打鬥動作、聲音和場景等用法,也把套用參考素材和輸入文字描述分成兩個步驟,方便各自調整。文中觀察到,角色樣貌、動作和場景能保留參考內容;聲音雖能帶出音色,也可能跟著原音訊的說話節奏。作者建議先用 RefMod 做出大致結果,有需要時再用短版 LoRA 修整。
把照片裁成列印尺寸時,真正影響清晰度的是裁切後還剩多少原始畫素。文章示範如何先依照片和列印尺寸算出來源 PPI,再決定要保留照片的哪個範圍;例如 6,000 × 4,000 px 的照片裁成 10 × 8 英吋,會留下 5,000 × 4,000 px,來源解析度是 500 PPI。接著可用 Canvas 把裁切內容畫到符合列印要求的 3,000 × 2,400 px 畫布上,但如果原圖細節不足,增加輸出畫素也不會讓照片變清楚。
替換影片裡的人物時,光把新角色放上去還不夠,還得讓他跟著原本的動作移動。Character Swap 1.5 把這兩件事放進同一套 ComfyUI 流程:SAM 3.1 逐格找出要替換人物的範圍,再用原影片的動作帶動新角色。手臂被身體擋住、動作太快或頭髮邊緣太硬,都可能讓畫面閃爍或出現光暈,因此仍要整理遮罩。VDN8 每格用 8 步運算,能加快處理,但衣料紋理和細小臉部特徵會比 20 步版本稍微模糊。作者也提醒,SAM 3.1 和 H3 權重必須先存放在本機。
一般影像模型會從雜訊中慢慢做出清楚的圖,Claude Fable 5.2 則用程式模擬畫家下筆,在畫布上逐筆畫出影像。Anthropic 員工 Jake Eaton 示範時,模型用約 700,000 筆模擬筆觸,畫出停車場裡的購物車;它每畫一筆就檢視畫布,也能用新筆觸修補畫錯的地方。研究人員還讓它操作實體機械手臂作畫,但測試仍顯示精細動作有其限制。
推薦理由:文章以 Claude Fable 5.2 的繪畫過程和實體機械手臂測試,呈現語言模型逐筆下指令、邊看邊修正的做法與目前限制。
生成圖片時,增加步數不一定會改變構圖,但可能影響細節。作者用相同提示詞比較 50、8 和 4 步生成,發現三種設定的畫面配置相近,文字與細緻圖案卻會先在低步數時變模糊;色彩和光線則大致保留,因此偏重氣氛的圖片用 4 步也能呈現。文章也比較人物美化流程:它會重新生成皮膚和五官,讓人像更整齊,卻可能把有特色的臉修得比較普通。內容提供六種 ComfyUI 工作流程,並提醒需要先在本機備妥 MOSS Image 權重。
AI 影片每次重新生成,角色的臉和穿著可能都會改變,讓觀眾認不出主角。RefVid 團隊分享的做法是先替每個角色存好幾張不同角度的參考圖,每個場景都從這些圖片開始,再把一集拆成幾段短場景,寫清楚畫面和角色臺詞。團隊用這種方式製作了四集的 GuaPi 卡通系列,讓四個角色在不同集數裡保持相同外觀。發布前也要檢查服裝和角色名字,並取得真人演員同意;需要重做場景時,保留提示詞和角色圖片就能再次製作。
塔羅網站每篇文章都需要新插畫,但素材圖常常太常見、氣氛不合,請插畫家一張張畫又不划算;用 AI 生成也有另一個麻煩:每張圖的風格容易跑掉。作者把提示詞分成角色、塔羅圖案、畫風和配色幾部分,固定紫色與金色,讓角色和背景能變化,畫面看起來仍像同一個品牌。每個概念會先生成 8–16 張候選圖,再挑構圖好的放大,並修補手、臉和月相排列。這套做法把插畫製作從好幾天縮短到幾小時,但手和珠寶仍常要人工修正,塔羅符號也得由人檢查是否正確。
一個人做遊戲,可能得花時間學遊戲引擎,還要想辦法讓玩家的選擇真的改變故事。作者用 Twine 和 SugarCube 做出恐怖文字遊戲 FINAL CUT,故事背景是受到詛咒的 70 年代低成本電影拍攝現場,玩家可以一路作選擇,走向不同結局。作者先寫好故事,再只在需要影響後續情節的地方加入變數;也把場景寫短,讓氣氛慢慢拉緊。 作者先在 itch.io 放出免費瀏覽器試玩版收集意見,並提醒自己下次要早點準備 Steam 頁面和預告片,因為累積願望清單需要好幾個月。試玩版也該多測幾種瀏覽器:itch.io 的嵌入畫面可能會把開始按鈕藏起來,改成全螢幕啟動就能避免這個問題。
直接把人像交給影片模型時,模型得同時改場景、安排動作和控制鏡頭,結果比較難掌握。作者分享的做法是先用圖片編輯模型整理出影片第一幕,再交給影片模型加入動作、說話和音樂;例如生日影片可以先安排好房間、服裝和蛋糕位置,再讓人物看向蛋糕並做出反應。作者以 OpenAI 的 gpt-image 編輯圖片,每張約 $0.05,再用 MiniMax H3 產生 10 秒影片,每段約 $0.25,成功生成一次的模型費用約 $0.30。先準備第一幕能讓影片模型專心處理動作,但仍可能出現臉部變化,效果也會因模型而異。
圖片壓得越小,畫面不一定還清楚;只看檔案大小,很容易漏掉畫質變差的代價。作者用同一張照片、透明 Logo、平面圖和介面截圖,分別測試 DigImg、TinyPNG 和 ShortPixel,記錄檔案大小與畫質分數。結果沒有固定贏家:照片用 DigImg 壓出的 JPEG 最小,TinyPNG 的 JPEG 畫質分數最高;透明 Logo 三者結果幾乎相同;介面截圖則是 ShortPixel 檔案最小,但畫面有損失,DigImg 保留了每個畫素。這次只有 4 張圖片,結果不能代表所有圖片;選工具時,最好同時看檔案大小和畫質,也確認圖片是否需要完整保留。
把 PDF 頁面轉成圖片時,文字和圖表多半是白底加上重複線條與顏色,存成 PNG 可能很佔空間。作者用同一份畫素比較不同圖片格式:在這次測試的文字頁,無損 WebP 約是 PNG 檔案大小的 19%;圖表頁也比較小,但照片頁的無損 WebP 反而比 JPEG 大。作者建議逐頁同時存成 PNG 和無損 WebP,再留下較小的檔案;照片較多的頁面要另外評估,並確認使用圖片的地方能讀取 WebP。這次只有一份 PDF,PNG 也只用了一種編碼設定,結果不一定適用其他檔案。
用 AI 自動做圖片,常會遇到文字打錯或價格要改,卻得整張重新產生的麻煩。Prisma Design API 會把提示詞做成可修改的多層設計,每一層都能單獨調整:例如改錯字或價格,只要編輯文字,不必重做整張圖;同一個版面也能換成不同語言。文字、圖形和照片會分開儲存,完成後還能檢查設計內容。開發者可自行申請 API 金鑰,儲值從 10 USD 起,效期 12 個月。
單張照片不能直接變成尺寸精準的 CAD 零件,但可以做成浮雕高度圖,拿來雕刻、列印或切削。這篇教學用 Depth-Map.com 把照片轉成 16 位元灰階 PNG 和封閉的 STL 網格;產生檔案後,可以在瀏覽器裡調整深度、底板厚度和明暗方向,再匯入 LightBurn、切片軟體或 CNC 加工軟體。作者也說明,16 位元深度圖能呈現比 8 位元更多的高度變化,減少淺浮雕上的階梯紋;若要做出完整的 360 度模型,仍需使用多張照片進行攝影測量。
從頭設定角色動作很花時間,舊的 R6 動畫也不一定能直接用在 R15 角色上。Roblox 在 Studio Assistant 和 Studio MCP 推出動畫生成功能:輸入動作描述,就能產生最長 10 秒的 R15 動畫,約需 20–30 秒;提示詞加上「loop」,可生成連續迴圈的走路或跑步動作。它也能把舊的 R6 動畫轉成 R15,原始動畫會保留,轉換結果還能調整關鍵姿勢和混合設定。Beta 期間可免費使用,每分鐘最多生成 4 次。
溫室裡的光線會變,葉子也常遮住花朵;如果只看總數,盛開的花可能被算成花苞,花苞也可能被漏掉,數字看起來還是對的。Bloom-Counter 用照片和顏色來分辨花苞與盛開的花,但這次測試發現,光線變暗時,盛開的花會被分到花苞那一類;葉子遮住花朵時,碎片又可能被誤認成花苞。測試中,葉子遮住花朵約 0.8 倍半徑時,花朵總數比實際多了 81%。 先調整照片亮度和顏色,能改善部分光線變化造成的錯誤,但遇到過曝或低光雜訊時,反而可能漏算或多算。這提醒我們,數花不能只核對總數,還要分別檢查花苞和盛開花朵有沒有算對;照片裡被葉子完全擋住的花,也不是調整顏色就能找回來。
自己拍的影片接在 Hit the Road Dude 片段後面,常會顯得太暖、黑色不夠黑,兩段畫面像是來自不同地方。作者用 Python 和 ffmpeg 做了一個色彩匹配工具,先抽取兩段影片的畫面,讓自錄影片的紅、綠、藍色分佈接近參考片,再輸出成可供剪輯軟體使用的 .cube LUT。用內容相同、色調不同的合成片段測試後,完整匹配讓 PSNR 從 19.4 dB 提升到 35.8 dB;但不同場景硬套色彩分佈,可能把原本的顏色也改壞。作者建議先挑相似區域來比對,並把匹配強度調低,再用肉眼檢查膚色。
網站上的色彩卡如果各自製作,頁面多了就容易漏改或長得不一致。Belle AI 用同一套資料格式和版面,產生 49 張可下載的 PNG 色彩卡,包含季節色彩、名人頁面和不同族群的色彩分析頁面;每張圖都有固定網址。文章抽查了 5 張卡,確認都能正常載入,圖片大小都是 1200×1600;不存在的圖片網址則會回傳 404。這種做法讓新增色彩卡時能沿用同一套版面,但文章沒有確認 49 張圖片是否全部都能正常產生。卡片目前只用英文,因為內建字型不支援中文等文字。
商品圖片上的價格已經變成圖片的一部分,設計原檔又不見了,要改價就得小心,才不會連商品或周邊圖案也弄壞。文章示範用 ImgPilot 把促銷牌上的「$49.99」改成「$39.99」,並用文字說明保留白色粗體數字、紅色牌子和白色邊框。改完後,要逐字核對價格,也要檢查商品外觀和圖片在縮圖大小時是否清楚;若需要改很多地方或精準控制字型,最好重做成可編輯的文字圖層,之後改價會更方便。
商品主圖看起來是白色,實際畫素卻可能不是純白,也可能沒有佔到足夠畫面。ImageWhim 開發者示範如何在瀏覽器裡用 Canvas 檢查圖片,不必上傳到伺服器:先縮小圖片,再從四周找出相連的近白背景,標出不夠白的區域,並估算商品佔了多少畫面。工具也能把背景改成純白,或將商品置中裁切;但白色商品可能和背景混在一起,仍要檢視標示結果。這種檢查只能看畫素,無法判斷照片是否符合其他上架規定。
用生成模型做圖時,每次重畫都可能改變構圖,難以照指定的樣子呈現。AI-KSK 分享四種 Krea2 工作流程:用 RAW 和 Turbo 分兩次取樣、編輯圖片並加強區域性細節、用深度圖固定畫面配置,以及自動產生提示詞來批次探索。作者特別指出,深度圖能讓構圖保持固定;分開處理低雜訊與高雜訊,也能分別照顧構圖和材質。這些是教學用的 ComfyUI 工作流程,會引用雲端環境已有的模型,並非可單獨使用的完整套件。
把不同影像工作都塞進同一套流程,可能讓每次執行都多跑用不到的部分。AI-KSK 分享五種 Krea2 工作流程,分別用來製作分鏡格、替單張圖片換風格、用兩張參考圖換風格、同時參考多張圖片編輯,以及加強細節。每種工作各用一套流程,需要什麼才載入什麼,也能分開除錯。其中雙參考圖流程會分別用一張圖提供內容、一張圖提供風格,避免兩者混在一起。提供的 ComfyUI 檔案會參照雲端環境中的模型,並非可獨立使用的完整套件。
試著打造一個大型傢俱資料庫,有什麼比這更簡單? 讓使用者上傳想要的傢俱照片,再用圖轉 3D 模型在不到 30 秒內把它轉成 3D 物件,當然更簡單!https://t.co/n878FlRw7Z