优云智算镜像社区 - 海量AI模型一键部署

开源版Seedance 2，Minimax-H3合集，影视级视频效果！文生视频 | 图生视频 | 全能参考生成视频

MiniMax H3开源音画新SOTA镜像，内置ComfyUI三套官方流程，支持文生、图生与多参考视频生成，开机即用。

MiniMax-H3-Int8Convrot极速版,文图生视频,8G显存可用,自动补帧,25步采样,自定义分辨率,自适应端口,自动提示词,首尾帧,批量任务队列

LiveTalking镜像提供实时交互数字人解决方案，支持ERNerf、MuseTalk、Wav2Lip，实现单张人脸照片驱动的超低延迟（<100ms）唇形同步、表情及头部运动控制。

支持图片数字人、视频数字人、双人数字人，支持说话+唱歌对口型、长视频、完整歌曲生成、批量生成、高清放大！

本整合包将整合So-Vits-SVC4.1、RVC、DDSP-SVC-6.3/6.1/6.0、ReFlow-VAE-SVC多种SVC模型训练及推理

开源版Sora2发布，LTX-2.3整合包合集，支持文生视频、图生视频、数字人！支持20s视频、1080P视频直出、批量队列生成、高清放大！

MiniMaxH3全功能，包括文生视频，图生视频，图+声音参考，动作迁移，视频编辑，原生音画一体等

sd2.0视频sd2.5即梦火山引擎视频大模型api生成视频web客户端在线使用seedance2.0

★ 布丁入画·流枢 × ★云端 ComfyUI 工业级生产力底座，点击开机 · 自动连接 · 参数化创作 · 云端生产 · 结果回收

MiniMax-H3开源视频模型，图片+视频+音频多参考视频生成，0804同步ComffyUI官方加速最新版

MiniMax-H3-加速版,多图参考,音频驱动,数字人,图生视频,8G显存可用,自动补帧,25步采样,自定义分辨率,自适应端口,自动提示词

Minimax-H3最强开源视频 可选swap（低显存版）

Aitoolkit汉化版，自适应UI方便手机端查看训练进度

ComfyUI WebUI 整合包，浏览器即可使用。集成简单生成， 图片生成、视频生成与语音生成，内置 MiniMax H3 多图参考生视频工作流，支持多张角色/场景参考图统一控制视频内容。

v3.1修复自启动：7大模型+13精选工作流，开机即用（智能显存调度+CUDA延迟加载）

最强开源版minimax海螺H3全能参考视频生成加速优化支持9图3视频3音频

**Krea2全功能创作镜像，整合24套核心工作流，覆盖文生图、图像编辑、精准控制、多图参考与高清放大等能力，一站式体验Krea2强大创作能力，满足设计、商业视觉与AI艺术创作需求。**

集成Zimage生图，Qwen2511Edit图片编辑以及最重要的Minimax H3 文生视频、图生视频、参考生视频、视频编辑全套工作流。

刚发布的minimax h3 int8版本

官方验证镜像1

Anima-Aesthetic-V1.1,图生图,洗图,自定义Lora,支持中文提示词,4步采样,文生图,图像修改,6G显存可用,批量任务,支持50系

集成Bernini-R与Remix双阶段LoRA，支持文生、图生、参考生成、动作修改及音频驱动数字人，拓展人物动态、镜头表现与多样化创作空间。

MOSS-TTS-1.5-8B,GGUF量化版,8G显存可用,TTS,接口api使用,文字转语音,支持超长文本,声音克隆

qazwsx

krea2工作流整合，包括快速生图，放大和提示词增强，Krea2小丑双采样器，官方风格/亚洲审美/动漫和细节Lora,controlnet控制和风格迁移

Ai-toolkit-汉化版-最全面的lora制作工具

Krea-2-Engineer-V1,文生图,图生图,洗图,新款编码器,6G显存可用,支持50系,批量任务队列

MinerU-3,PDF文档图片PPT一键解析MarkDown,OCR,文本提取,兼容GPU和纯CPU,opendatalab开源,v3.4.4

LTX2.3导演台2.0全整合视频，包括文生视频、图生视频、音频视频、首尾帧视频、视频输入续写、去字幕、嘴型编辑、beta局部片段编辑；动漫模型anima,包括文生图、contorlnet生图，局部修复和特化局部修复

动作控制与视频编辑创作平台

是目前综合最强最强的一个。提供语音增强、语音分离、语音超分辨率等能力,附带 SOTA 预训练模型。

Mage-Flow-Int8Convrot,文生图,图像编辑,6G显存可用,微软出品,自动提示词,支持50系,批量任务队列

Krea2身份编辑、风格迁移、双图参考

RedCraft-3.0-Krea2-Int4-Convrot,赤佬v3.0,6G显存可用,洗图,文生图,自定义lora,图生图,自定义提示词,支持50系,批量任务队列

超快AI数字人，AvatarLipSync V2版，超快生成速度！支持批量生成、超长视频生成

开源版Google Omni，视频编辑加速版，视频元素添加+删除+修改 | 视频消除物体 | 去水印 | 去字幕 | 换背景 | 风格转换 | 视频参考

最强视频替换人物&动作迁移，Scail2合集-v260723，新增光影优化、多参考图！视频替换 | 动作迁移 | 长视频生成 | 批量生成 | 爆款视频复刻

单阶段扩散语言模型；双向 Transformer；非自回归。两项关键设计：全码本随机掩蔽策略提升训练效率；首次在非自回归 TTS 中有效利用大语言模型作为预训练参数

Scail-2-GGUF-Relay,视频动作迁移,目标替换,多人迁移,6G显存可用,支持50系,支持超长视频

基于 Krea 2 的角色 LoRA 训练镜像，内置可视化 WebUI、自动打标与完整训练环境，上传图片即可快速训练并导出模型。

20260721最新ComfyUI全能整合包--bernini导演台

黑森林团队开源的FLUX2-Klein多功能模型，生成速度快，编辑能力强！

CyberVerse 是一个开源的实时数字人 Agent 框架。它基于 WebRTC、人设记忆、工具、RAG 和可选的数字人视频能力，帮助你构建以语音交互为核心的 AI Agent。

带vpn和主流agent

老牌精品 RVC 变声框架，小白友好，AI配音必备，音色替换，音色克隆，TTS

支持了rvc模型算法的SVC-Fusion_api

LTX-2.3-MSR-V2.0-多图参考-图生视频,8G显存可用,自动补帧,支持50系,自定义分辨率,自适应端口,自动提示词,批量任务队列

预置全套模型与节点，支持文生视频、图生视频、视频重绘、多关键帧、音频生成、IC-LoRA及局部重拍，开机即用

复旦出品asr模型-最强语音转录文字 MOSS-Transcribe-Diarize 0.9B 模型，一键生成字幕

本镜像专为AI语音直播项目打造，也可以直接在线推理webui使用，集成VoxCPM2/IndexTTS-2等, 支持API调用，直播带货,tiktok直播，在线克隆，语气语调自然，音色还原度高

Krea-2-Trainer,一键训练,模型微调,Finetune,角色一致性保持,8G显存可用,lora训练,支持50系,批量任务队列

超强AI语音克隆，VoxCPM-v260719，优化长文本效果！语音克隆 | 口播音频 | 播客音频 | 批量生成 | 超长文本生成

Bernini-Studio-GGUF,4步采样,文图生视频,自定义lora,视频编辑,8G显存可用,目标替换,字幕去除,批量任务,支持50系

二次元AnimaBase的Lora训练UI，一键打标训练

一句话描述到电影级3D动作生成

超强AI音色克隆，OmniVoice长文本优化！音色克隆 | 各地方言 | 音色保存 | 多音字 | SRT字幕生成语音 | 多人对话 | 批量生成

Krea-2-GGUF-Style,风格化迁移,姿态保持,6G显存可用,洗图,文生图,自定义lora,图生图,自动提示词,支持50系,批量任务队列

SCAIL2，包括动作迁移，角色替换，两个必备Lora，长视频制作，支持多参考图，背景替换

VoxCPM2微调专用版

一款超高质量语音合成TTS的开源模型，dots.tts 小红书开源！

文本转语音tts

Krea2的Lora训练

通过OCR识别文字，然后TTS生成有声书

3D数字人动作生成

IdeoGram-4-Instant_int8-convrot-文生图,单模型8步采样,单提示词,图生图,文生图,6G显存可用,No-Safety-Filter,批量任务,支持50系

So-VITS-SVC的2026全新Fork, 已经预配置好环境, 开箱即用. 支持Cuda12.8和RTX50系显卡, 训练/推理速度大大加快!

Dots.TTS,6G显存可用,情绪迁移,接口api使用,流式接口,支持超长文本,声音克隆

超快AI数字人，AvatarLipSync V1版，超快生成速度

AutoAnimation短剧漫剧自动化工具及配套ComfyUI包含ZImage、flux2-kelin、qwenedit2511、wan2.2、qwen-tts、index-tts

Krea-2-GGUF-ControlNet,姿态保持,6G显存可用,洗图,文生图,自定义lora,图生图,自动提示词,支持50系,批量任务队列

视频字幕去除器webUI二次修改汉化版

Unlimited-OCR文本识别

功能包括：文生图-图片编辑--模特试穿-场景融合-多图参考-人物换脸-姿势参考-材质转移-AI画板

整合LTX2.3-10Eros v1.4 FP8三套流程，支持图生视频、高质量生成与音频音乐驱动。

Anima-Turbo,支持中文提示词,4步采样,文生图,图像修改,6G显存可用,批量任务,支持50系

Anima Omni 动漫插画全能镜像内置20套精选工作流，覆盖基础出图、极速生成、NAG增强、LLLite控制、区域构图、局部重绘、脸手修复、风格混合、高清修复与分块放大。

集成 SmoothMix T2V 3.0 与 Remix I2V 3.0，支持无限制文本生视频与图生视频创作，兼顾画质、动态、运镜与一致性，适合快速出片与高完成度表达。

Krea-2-GGUF,图像编辑-多图修改,6G显存可用,洗图,文生图,自定义lora,图生图,红潮特化,自动提示词,支持50系,批量任务队列

全网最牛逼最便宜的口播智能体，没有之一

sglang和vllm两个推理框架的镜像，切换环境即可，用源码安装的可以随便更换版本

Wan2.2-ReMixV3.0-SVI2-VBVR,文生视频,图生视频,无限时长,首尾帧,自动补帧,自适应端口号,支持50系,支持批量任务

LTX-2.3-10Eros-V1.3-图生视频-文生视频-多人对话-单人数字人,8G显存可用,自动补帧,支持50系,自定义分辨率,自适应端口,自动提示词,批量任务队列

此版本内置 （Wan2.2\Flux\Kontext)系列的全部基础模型及工作流

Krea2 Lora 训练镜像，包含模型，数据集以及一次训练结果

二次元游戏立绘表情拆分姿势制作VNCSS

RedCraft-Krea-2-GGUF,红潮特化,洗图,文生图,自定义lora,图生图,自定义提示词,8G显存可用,支持50系,批量任务队列

修改img-all六分钱模型香蕉出图模型生成报错问题

免费版GPT-Image2，Krea2高质量版，超强图片细节美感！生图洗图 | 高清放大 | 支持LoRA

Boogu-Image-fix-4step,文生图,图像修改,8G显存可用,支持50系,批量任务队列

AI驱动的长篇小说创作与有声书生成工作站，支持大纲管理、角色系统、AI续写、质量审阅和语音合成全流程。

VoxCPM2 ONNX加速版

RVC-WebUI网页端训练镜像支持RVC/Replay翻唱模型/变声器

Ultralytics模型基于深度学习和计算机视觉其精简的设计，该镜像可以实现YOLOv8,YOLOv9,YOLOv10，YOLOv11,YOlOv26模型的应用

Krea-2-GGUF,洗图,文生图,自定义lora,图生图,No-Safety-Filter,8G显存可用,支持50系,批量任务队列

最强视频替换人物&动作迁移，Scail2合集，超强效果 | 超长视频生成 | 批量生成 | 爆款视频复刻

ESMFold

Ideogram-4-Single,单模型8步采样,单提示词,图生图,文生图,8G显存可用,No-Safety-Filter,批量任务,支持50系

OpenTalking 是一个面向实时数字人对话与应用开发的开源平台，用统一的 WebUI、知识库、语音、模型运行时和部署链路，把数字人从单次演示连接成可落地的应用系统。

LTX2.3-Director-v2最新版-完美去除视频字幕的导演工作流

基于 ComfyUI 深度整合的 LTX2.3 3.5 满血镜像，内置 22B 主模型、插件依赖与多套核心工作流，支持文生视频、图生视频、数字人、分镜控制和视频增强，真正做到开箱即用。

基于 Krea 2 Turbo 的本地化 ComfyUI 推理环境，优化生成速度与稳定性，适用于高频文生图与风格测试。

Krea-2-GGUF,文生图,图生图,No-Safety-Filter,8G显存可用,支持50系,批量任务队列

dots.tts语音克隆视频配音平台

Boogu Image的lora训练AI-TOOLKIT

ComfyUI云端整合包2606

Boogu-Image-GGUF,文生图,图像修改,8G显存可用,支持50系,批量任务队列

这是一个用于评测TTS语音质量的工具

单图生成3D高斯文件，TripoSplat，超强3D效果！游戏3D | AR/VR | 3D资产创作 | 批量生成

是 VoxCPM 系列的新一代语音生成模型，基于 2B 参数规模，并使用超过 200 万小时的多语言语音数据训练，支持 30 种语言、9 种中文方言

AnimaBase的Lora融合训练Comfy和Trainer

infinitetakl数字人，支持单人对口型，双人对口型以及单人视频对口型

JoyAI-Echo的comfyUI版本，全量模型无损版

Ideogram-4-GGUF,自动提示词,图生图,文生图,8G显存可用,No-Safety-Filter,批量任务,Lora使用,支持50系

数字人直播

VoxCPM2 声音克隆系统webui开机即用

自制SCAIL2 ComfyUI工作流，可以动作迁移，人物替换，可以直出长视频，并且我大幅简化了流程，十分简单易用

支持8个角色配音，速度控制，高精度的SRT字幕同步生成，SRT字幕生成配音，情绪控制，海量预设音色列表，语速可调，多音字，专业术语控制。

完整Bernini-Diffusers满血版，内置中文WebUI，保留MLLM语义规划能力，支持AI视频生成、视频编辑与参考图驱动。

TTS集合

Zit-Turbo-Engineer-V6,文生图,图生图,洗图,6G显存可用,局部重绘,支持50系,批量任务队列

Scail2角色替换Scail2动作迁移低显存无限时长ComfyUI工作流

无需任何配置，一键运行 LTX2.3 数字人 镜像，然后通过公网IP访问生成服务。

Ideogram4的Lora训练AI-Toolkit

Scail-2,视频动作迁移,目标替换,指定目标替换,多人迁移,8G显存可用,支持50系

实时数字人

Ideogram-4-GGUF,文生图,8G显存可用,No-Safety-Filter,批量任务,Lora使用,支持50系

AI跳舞矩阵镜像，支持人物图像×舞蹈动作一键配对，批量生成冷启动测试素材。

dots.tts 拥有约 20 亿参数规模，支持零样本声音克隆、高保真语音生成以及自然的情感表达。多个权威榜单 SOTA:Seed-TTS-Eval 平均表现最佳

纯净版本的comfyui

开源版Google Omni！Bernini视频万物编辑，视频元素添加+删除+修改 | 视频消除物体 | 换背景 | 视频插入视频 | 风格转换 | 支持参考视频+多参考图

PilotTTS 是一套基于大语言模型的开源 TTS 系统,核心特点是"有意简化的架构 + 严格的数据工程"。它提供完全开源的数据处理流水线,支持零样本音色克隆。

Ideogram-4,文生图,细化描述,至少需要14G显存,批量任务,支持50系

PilotTTS,TTS语音模型,情绪控制,接口api使用,8G显存可用,速度1比1,支持超长文本,声音克隆,文本指令

颠覆性设计，真正在ComfyUI内实现无限画布体验

Anima-Base,文生图,图像修改,6G显存可用,批量任务,支持50系

Lens-Turbo,文生图,图生图,至少需要12G显存,批量任务,支持50系

支持任意时刻停顿：用户可以在文本中插入类似 [pause 3.2s] 的标记，精确控制语音中的停顿时长。更稳定的音色克隆.

SVC Fusion-api服务端