ImgEdify 開發紀錄:打造以瀏覽器為主的 AI 影像工作空間
Andy Zhang 以個人創業者身分打造 ImgEdify,將 AI 影像生成與編輯、檔案處理及其他影像工具整合到以瀏覽器為主的工作空間。 - AI 影像功能:可從文字提示或照片開始,選擇模型並在送出前檢視所需點數;編輯時可加入最多 6 張 JPG 或 PNG 參考圖,每張不超過 5 MB。
Andy Zhang 以個人創業者身分打造 ImgEdify,將 AI 影像生成與編輯、檔案處理及其他影像工具整合到以瀏覽器為主的工作空間。 - AI 影像功能:可從文字提示或照片開始,選擇模型並在送出前檢視所需點數;編輯時可加入最多 6 張 JPG 或 PNG 參考圖,每張不超過 5 MB。
即夢這兩週大大小小給自家畫布做了20幾個新功能,基本是把生圖的所有常用功能包圓了 https://t.co/kt2JjsDpUt
影片浮水印移除工具 CapCut Watermark Remover以手動框選區域並指定處理時間範圍,重建浮水印遮住的畫面;文章指出,裁切會連同畫面一併移除,遇到浮水印移向中央或遮住主體時就無法適用。
MarcosKJ 打造的 Nookflip 可依房間照片與所選風格產生傢俱尺寸、油漆色碼、材質和照明方案,讓使用者先在按比例繪製的平面圖調整佈局,再將改造效果渲染到原照片。
Orbitae 是一款在瀏覽器中互動檢視原子與分子軌域的工具,以 Python 計算並透過 WebGL 呈現,提供互動展示與標準格式匯出。 - 涵蓋內容:氫原子的解析解涵蓋至 n = 4;可探索原子序 1–36 的原子與離子,以及以 Hartree-Fock 計算的 H₂O、NH₃、CO、N₂ 和 CO₂ 分子軌域。
ToolNest 的背景移除工具完全在瀏覽器本機執行,讓照片不必上傳到伺服器,並以此保護使用者的照片隱私。 - 處理方式:工具下載小型分割模型,在瀏覽器分頁中透過 WebAssembly 或 WebGL 執行;模型產生前景遮罩,經過修整後套用為原始照片的透明度圖層,輸出透明背景的 PNG。
Lightframes 使用 ONNX Runtime Web 在瀏覽器的 Web Worker 中執行去背、影像放大與物件移除模型;照片以畫素資料傳入 Worker,不會上傳,處理留在使用者裝置上。
vLLM-Omni 將 MiniMax H3-Image 部署至 NVIDIA Vera Rubin,四張 GPU 在短提示詞服務測試中生成原生 4096×4096 影像的中位數延遲為 0.87 秒。
推薦理由:文章比較不同 GPU 配置下的 4K 生成延遲與吞吐量,並交代測試條件差異,便於理解數字適用的服務情境。
MOSS-Image 的文字呈現取決於提示詞、文字行數與版面安排;作者依數百張生成影像的經驗,整理出較可靠的控制方式與常見限制。 - 提示詞與版面:將文案逐字加上引號並標示用途,減少文字行數、放大字型;使用版面方框指定文字區域,比描述留白更具體。
Hugging Face Diffusers 0.43.0 新增五種模組化模型整合,涵蓋影像生成與編輯、影音生成、語音驅動動畫及世界模擬。具體包括 MiniMax-H3-Image、Pika H3 Flex、P-H3-Image、Kandinsky S2V 1.0 和 PAN 2。
推薦理由:Diffusers 0.43.0 將五種生成與模擬模型整合為模組化流程,並補上平行化、注意力後端及 LoRA 等工程改進,呈現其應用範圍與部署變化。
AI 3D 生成工具可協助獨立開發者快速製作風格化遊戲的環境道具,但生成的網格通常還不能直接用於遊戲,仍需整理拓樸、材質與碰撞設定。 - 適用範圍:適合箱子、木桶、傢俱等環境道具、概念構型、風格探索與測試用素材;角色變形、精準尺寸、機械公差與手繪材質等需求仍較適合人工建模。
作者分享使用 Arui.AI 在同一個工作區製作產品短片的 4 步流程,從訊息定調、分鏡圖片、生成動態,到最後加入旁白與音樂並組合輸出。 - 流程順序:先用一句話定義影片訊息,再以靜態圖片規劃分鏡;只讓需要呈現變化的畫面動起來,最後才錄製旁白、加入音樂並組合影片。
MakeQuickWork 的瀏覽器版「移除背景」工具使用 BiRefNet lite 與 MODNet 在本機處理照片;作者的 Intel 內顯支援 WebGPU,但無法執行需要 17 個儲存緩衝區的 BiRefNet lite,因此工具自動改用 MODNet。
作者說明,照片轉成 9:16 影片首幀時,裁切、填補與外繪各有取捨,構圖方式會影響人物在生成影片中的保留情況。 - 裁切比例:以 4:3 橫向照片為例,裁成 9:16 會保留約 42% 的照片;置中裁切可能切掉偏離中心的人物。
University of Utah 的 Utah Teapot 官方頁面提供歷史模型版本的視覺化與下載,並新增 Cem Yuksel 製作的 2026 年版本。
Promptclay 說明如何用 ChatGPT 製作保留狗狗個別外觀特徵的肖像,並提供拍照、描述特徵與修正提示詞的方法。 - 參考照片:讓鏡頭與狗狗眼睛同高,在日光下拍攝,選用清晰且能看見重要毛色標記的照片。
Gemini 與 ChatGPT 都能根據一張照片和提示詞製作 AI 聖誕家庭照;選擇合適的原始照片、減少人物姿勢變動,並明確要求保留每個人的臉孔與人數,有助於讓成品更接近原照。
Betatum 分享免費物件移除工具的 3 分鐘修圖流程,說明 AI 會依照遮罩周圍的內容補出畫素,因此結果是合理猜測,而非還原物件背後的真實畫面。 - 操作要點:使用最大的原始照片,遮罩範圍略大於物件並包含陰影與倒影;一次移除一個物件,再以 100% 檢查邊緣與圖樣,效果不佳時可重新執行。
Alexander Goslin 回顧如何從自學與個人專案出發,開發 InfiniteDiffusion,並將 Terrain Diffusion 研究投稿至 SIGGRAPH 2026。
推薦理由:作者以親身研究經驗梳理從自學、實驗到 SIGGRAPH 投稿的過程,並呈現有限硬體下發展無限地形生成方法所遇到的取捨。
Miraviso 讓髮型師並排載入靈感照與客戶照片,預覽髮型套用在客戶本人身上的效果,並依髮型師的選擇分別處理髮型、髮色與造型。 - 髮型與髮色:客戶未指定新髮色時,預覽只參考靈感照的長度、形狀、瀏海、層次與造型;髮色保留客戶原有狀態,包括灰白髮、髮根與自然挑染。
LingoManga 作者分享以 AI 翻譯整部漫畫章節的工作流程,說明如何整理 CBZ 頁面、選擇翻譯方式,並透過預覽檢查譯文。 - 翻譯方式:可將 OCR 翻譯後的文字排回清理過的對話方塊,保留原圖;或用影像模型直接翻譯整頁,但可能稍微重繪線稿或網點。
Adobe 公開多項仍在測試中的 AI 創作實驗,涵蓋可轉換並探索照片的 3D 場景、透過對話塑造 AI 角色,以及將照片編輯複製套用到其他人物或物件。 - Project Screen Test:使用者可與 AI 角色對話,設定個性、聲音與背景,再生成角色的動畫試鏡片段;目前是獨立的創作實驗,尚不清楚是否會整合進 Adobe 現有的 AI 影片工具。
Chris Careaga 與 Yağız Aksoy在 SIGGRAPH 2025 發表照片重新打光方法,讓使用者能在 3D 場景中設定光源,再生成寫實的重新打光結果。
WandFX 的開發者分享兩款專注於特定用途的網頁工具:WandFX 可將單張照片轉成短片,ShopCutout 則可移除商品照片背景並批次匯出。 - WandFX:上傳清晰的寵物照或經同意的成人肖像,選擇現成效果即可產生 4–8 秒影片,使用 MiniMax 的 H3、H3 Highspeed、H3 Lite 模型;部分效果含 AI 生成音效。
Yomi 開發者說明如何在 iOS 上辨識漫畫頁面,將直排日文 OCR 文字分組至對話方塊並排列閱讀順序。 - 辨識流程:同時使用雲端 OCR、Apple Vision 文字辨識與文字區域偵測,再裁切放大各區域重新辨識,合併結果並排除重複文字。
ReelDance 以 GPT Image 2.6 的產品圖、吉祥物動作與草圖轉提案等創作任務,整理一套檢檢視片是否符合交付需求的評估方式;文章採檔案資料整理,沒有新增實測基準,也不代表模型已通過這些任務。
Nano Banana 2.1 的升級評估應聚焦在現有流程最容易出問題的需求,並用相同簡報比較新舊版本的輸出。 測試方式:針對橫幅接縫、文字校正、構圖比例與參考物件細節等實際需求,分別檢查輸出;文字內容、換行與位置也應各自評估。 成本與決策:記錄產出可用素材所需的候選圖數量與修改次數,並確認目前費用;若既有版本已能穩定完成任務,可繼續使用。
Google Arts & Culture 推出南非藝術家 Esther Mahlangu 的首個線上回顧展,透過超過 45 則策展故事與 AI 生成影像呈現她的藝術、人生與早年記憶。
MiniMax 推出可下載的開放權重生圖模型 H3-Image,官方服務可在 10 秒內生成一張 4K 圖,授權則排除美國、歐盟、英國與南韓。
PAN 2 是 MBZUAI IFM 推出的 29B 引數開源世界模型,能以文字指令模擬場景變化並輸出 704×1248 24fps 影片,適用於機器人與代理開發。
字節跳動新發布的圖片模型 Seedream 5.5 在社群極限測試中展現出高度的一致性,連續修改 100 輪仍能維持細節不走樣,而對比的 GPT Image 2.5 與 2.6 則隨輪數增加出現糊化或重繪現象。
ACE Studio 推出音樂生成模型 ACE Music v1,在 Artificial Analysis 的 AA-Music-Vocal v1.1 排名第一,名次高於 Suno v6。