优云智算镜像社区 - 海量AI模型一键部署

ClawdBot模型，支持飞书、Telegram接入，支持优云智算模型API

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！

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。

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

ACE-Step-1.5,AI歌曲生成,男女对唱,纯音乐生成

sora2,veo3,grok文生视频图生视频谷歌香蕉出图工作流comfyui支持无卡省钱模式哦

多功能配音镜像,融合 indextts2.qwen3-tts音色克隆 HeartMuLa音乐生成,支持多角色配音、文本创音色、一键克隆、音乐一键生成，还有 AI 角色分配.基础音色库及多语言.方言配音

支持LTX-2 scail wan2.2系列

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IndexTTS-2/VoxCPM1.5/Qwen3TTS, 支持API调用，直播带货，在线克隆，语气语调自然，音色还原度高

red-Z-Image-Base,15步采样,自定义分辨率,文生图,图生图,自动提示词,批量任务

Qwen3-ASR 系列包括 Qwen3-ASR-1.7B 和 Qwen3-ASR-0.6B，支持 52 种语言和方言的语言识别与语音识别（ASR）。

LTX-2-RapID-GGUF-图生视频-无限时长

LTX-2-RapID-GGUF-图片数字人-无限时长

从0到1，理解vllm的核心内容。包含注释讲解和使用实例，使用教程。帮助大家学习vllm

InfiniteTalk数字人最新官方更新,上下文循环,一致性和速度优化,4步采样,高清放大,批量任务队列,基于comfyui,工作流

震惊！LTX-2开源视频模型，人人都能当导演？牛哥一键整合免费AI创作神器！

Sora2API：一个将sora账号转为API服务接口的免费开源系统

数字人-语音克隆-wan2.2视频换人换装-Qwen-Image-Edit2511整合包

LightOn-OCR-1B,图片和PDF文字提取,图文混排,实时生成MarkDown文档,MarkDown文档下载,支持PDF全量解析

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

Qwen3-TTS-AllinOne,多音字控制,英文数字发音纠正,批量任务,音色保存,接口API调用,支持超长文本,语速调节,文字转语音,TTS

最全图片编辑模型大全-qwen2511多角度工作流-flux2-klein-9b全图片编辑模型-z-image-base图片生成模型

Z-Image-Base的Lora训练同时支持FluxKlein-AI-TOOLKIT

支持主流模型lora训练

AI图片ZImage模型训练，一键启动WebUI、无需配置

ZImage Nunchaku版本，已经配置好nunchaku环境，可以直接启动使用comfyui+nunchaku zimage出图

自用！Comfyui2月最新整合包，含最新klein、Z-image全系、WAN全系、LTX2.0等

2026最新ComfyUI整合包_图片·视频·声音

Z-Image-Base,35步采样,文生图,图生图,自动提示词,批量任务

一张照片制作一个角色一致性lora训练数据集

Z-Image是一个拥有6B参数的强大且高效的图像生成模型。

超强AI语音生成，Qwen3-TTS整合包合集！超强音色克隆、音色设计、情绪控制，支持音色保存、多音字、超长文本生成。支持批量上传多个文件生成！

阿里开源的Z-Image系列模型

DeepSeek-OCR 2 是 DeepSeek 团队开源的新一代 OCR 模型，该模型能够像人类一样带着逻辑去阅读文档。

内置多种基础模型，快速开启comfyui体验

Aitoolkit汉化版，自适应UI方便手机端查看训练进度

Huobao Drama 是一个基于 AI 的短剧自动化生产平台，实现从剧本生成、角色设计、分镜制作到视频合成的全流程自动化

镜像打通HeartMuLa音乐、Qwen3-TTS音色克隆、InfiniteTalk/LongCat长对话数字人与LTX2视频：写歌配音→照片开口→长时稳成片。

Flux.2-Klein-9B-GGUF,局部重绘,文生图,图像编辑,多图编辑,自动提示词,批量任务，支持最新50系和计算卡

阿里千问开源的最新语音类模型，显存占用小，生成速度快，支持10种主流语言。

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

HeartMuLa-HL,支持中文提示词,无须标签式歌词,更自然的AI歌曲生成,开源版Suno

基于HeartMula和Qwen3TTS的歌曲生成与语音设计

Flux.Klein模型Lora训练AI-Toolkit

Qwen3-TTS-0.6B,推理速度1比0.5,音色保存,接口API调用,支持超长文本,支持50系显卡,语速调节,音频超分降噪,接入开源阅读,文字转语音,TTS

Qwen3-TTS-语音克隆工作流合集

Qwen3-TTS捏声音自定义声音tts语音克隆语音克隆声音flash_attn加速版Comfyui工作流版 构建by科哥

Qwen3-TTS-1.7B,Flash-Attn加速,音色保存,接口API调用,支持超长文本,语速调节,音频超分降噪,接入开源阅读,文字转语音,TTS

LightOnOCR-2高效的1B参数视觉语言模型用于OCR识别pdf转文本jpg转文本图片转文本 二次开发构建by科哥

LTX2模型Lora训练AI-Toolkit

LiveTalking + GPT-SOVITS V2 + Ollama + FunASR 洛曦AI定制版，实时语音对话数字人 + 直播版数字人

HeartMuLa,AI歌曲生成,开源版Suno

HeartMula根据歌词生成音乐，根据画面生成音效

GLM-4.7-Flash

微软开源VibeVoice ASR TTS集合webui语音到文本 文本到语音模型 二次卡发构建by科哥

最新视频替换人物，MoCha-Preview 整合包，支持视频替换人物，卡通动漫效果更佳，支持添加批量任务, 支持高清修复

智普开源GLM-4.7-Flash GGUF推理服务编程文本大模型API+webui开发构建by科哥

基于AI Toolkit，内置4090、48G及5090专属精调预设。告别复杂调参，只需加载对应JSON文件，即可解锁硬件最优性能，零门槛获得专家级训练方案。

V23版本的全面升级情感控制更好

NovaSR一个开源的音频超分辨率模型低音质转高清音质声音修复模型 webui开发构建by科哥

sinong南京农业大学开源面向通用农业领域的垂直8B32B全离线模型 webui开发构建by科哥

谷歌最新开源MedGemma医学AI助手 问诊问病例查看CT拍片x光拍片病理答疑问 webui开发构建by科哥

智谱开源图像生成和编辑模型

sora2视频二次高清工作流视频高清修复flashvsr工作流Comfyui工作流 构建by科哥

超强AI图片编辑，QwenEdit-2511合集，单图/双图编辑, 超强人脸一致性，精准涂抹编辑、无色差/位移，一键生成24张姿势图、九宫格分镜

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！

谷歌最新翻译模型TranslateGemma支持全世界50多种语言的翻译文本多语言翻译 二次webui开发 构建by科哥

BananaMall一个 AI 驱动的电商详情页生成的ai工具结合谷歌nano banana谷歌香蕉模型 开发构建by科哥

全能图片生成与编辑

YOLO26

Alpamayo 1 是一个预训练推理模型，旨在加速自动驾驶（AV）领域的研发。

NotaGen基于 LLM 范式的高音乐性古典符号化音乐生成模型 二次开发构建by科哥

基于lightx2v框架加速的视频、图片生成服务，快速生成视频图片，基于模型wan2.2、qwen-image、z-image

本镜像高度集成 Wan 2.2 视频生成环境，预装社区领先四套核心工作流，融合 DaSiWa 高保真与 Remix 逻辑优化，提供一站式 T2V 文生视频与 I2V 图生视频解决方案。

双官方流程全覆盖：同时支持 ComfyUI 官方 LTX 工作流示例 + Lightricks 官方 ComfyUI-LTXVideo 自定义节点与全部示例工作流

voice pro给视频做多语言配音翻译克隆特定视频声音 直译视频声音本地化 汉化构建by科哥

LTX2官方训练器的lora训练支持，内置模型t2v，小白可以一键运行，也可以根据官方文档进行进阶操作

ltx-2全能lora运镜comfyui工作流文生视频图生视频一键运行 构建by科哥

阿里通义千问开源最强图像模型，强大的文字渲染能力，强大的图像编辑能力

实现将ai视频生成速度提升百倍！基于wan2.1，wan2.2

nano banana谷歌香蕉在线绘画在线改图修改图片模型香蕉模型

【音谷官方】音谷对应的API

基于wangp的LTX-2，WebUI版

开源版Veo3！LTX2-视频生成合集，文生视频、图生视频、视频人物配音+口型同步、直出1080P，高清细节放大、提示词增强、支持线条+深度+姿势控制！

LTX-2 是由 Lightricks 开源的 DiT 架构音频-视频基础模型，核心特点是：在同一个模型里同步生成视频与音频，超强提示词理解，支持多镜头脚本，关键词自动匹配视频风格，一键AI成片！

Voice Sculptor捏声音基于LLaSA和CosyVoice2的指令化语音合成语音模型 二次开发构建by科哥

LTX-2.0音画同步视频生成

Comfy二次元跑图生视频DaSiWa和vace跳舞

SenseVoice多语言语音识别情感识别系统 二次开发构建by科哥

音频声音识别系统

可从复杂的音频混合中分离出特定的声音

基于UNet模型抠图批量抠图 webUI一键抠图 构建by科哥

整合26年最新版本ComfyUI，已下载好常用图像模型，修改端口到7860方便管理界面一键启动

最强AI生成长视频，Wan2.2-SVI2Pro整合包！一次性生成一分钟视频，一次性生成30s分镜视频！

长视频系列升级 不仅仅是SVI2 pro 长视频、LongCat数字人

Qwen 2512的Lora训练，内置模型，一键训练AI-Toolkit

banana-slides基于谷歌人工智能ai制作幻灯片ai制作ppt制作幻灯片 构建by科哥

集成千问图像2512模型+QwenVL3图像视频反推API+最强放大SeedVR2多合一工作流，Comfyui-v0.7.0

magic-tryon图片视频虚拟试装换装模特换衣

图文创作神器一句话一张图片生成小红书图文

需要80gb显存运行该项目

内含deepmd机器学习力场训练水分子，gromacs调用运行例子

内含ch4简单例子，也可用来训练自己的模型，3080ti版本

HY-Motion1.0腾讯混元开源的文本到3D动作生成模型 汉化构建by科哥

wan2.1-scail动作迁移

这是一个集成了 Qwen-Image-Edit-2511模型与 AI Toolkit 训练框架的预配置环境，旨在支持用户高效微调出具备精准图像编辑、风格迁移及多主体一致性能力的定制化 LoRA 模型。

支持23个国家的语言声音克隆

字节跳动、北京交通大学联合推出的端到端唇形同步框架。Latent Sync利用稳定扩散和TREPA的力量，为动态和逼真的视频生成提供精确的高分辨率唇形同步。

SDXL及系列衍生模型训练，内置WD打标编辑，任意C站模型导入，小白也能轻松上手，AI-Toolkit

高质量文生图、图生视频。只适配40系显卡

StoryMem基于wan2.2逐镜脚本生成高连贯电影级1分钟多镜头叙事视频 二次开发构建by科哥

此版本镜像，5090、4090、3090、3080Ti等系列显卡可用，P40显卡不可用

ComfyUI学习版镜像_torch-2.7.1，高性价比镜像，可开P40显卡，5090显卡勿用，会报错

qwen-image工作流合集

语音合成模型+训练lora训练器

Qwen-2511和Z图像的Lora训练AI-TOOLKIT

将任意视频一键转第一人称视角视频

2s出图，超级快。注意！本镜像需要部署在50系列显卡上。

单图片转换动画视频数字人视频动作模仿器

实时数字人系统，直播室直接生成分身，低延迟

图片编辑模型 一致性更加好 中文支持更好

Doc的打标器，支持 Qwen3vl及 API 调用

超强AI音色克隆，VoxCPM-V1.5，支持超长文本生成、批量生成，支持音色保存、多音字修改、语速调节，速度超快！

一键训练SVC模型，支持上传压缩干声文件，训练完成发送提醒，一键清空训练环境，追求的就是高效率

ComfyUI2025.12整合包

ComfyUI云端整合包2512 支持Z-Image 混元1.5，新增到63个插件，带文件管理系统

内含我所有自制的comfyui节点和工作流，轻松使用nanobananapro和Sora2

一个基于Wan2GP的图像编辑与动作迁移视频生成的WebUI项目

这是一个超快的AI视频生成工具，1分钟就能把图片变成短视频，速度是普通AI的200倍。

该镜像集成开源高性能分子动力学模拟软件，通过强化多精度算法与GPU并行加速（支持NVIDIA/AMD显卡）实现纳秒级生物大分子运动模拟，优化AI辅助建模与超大体系计算效率，提供跨平台开箱即用解决方案

VoxCPM1.5的雨落版整合包

专为AI绘画设计的开源结构化提示词生成工具

最强长视频数字人:LongCat-Avatar尝鲜版，其他热门生图、视频也都备好了！

实现身份永续、动作自然的数字人生成

AI数字人LongCatAvatar，超强口型+表情+姿势效果，支持长视频！

SHARP–苹果开源的3D场景生成AI模型图片转3d模型

智谱开源的语音识别语音转文本声音转文本模型

Rosetta

零门槛，零剪辑经验，让视频创作成为一句话的事

ai小说ai在线写作系统ai智能写作系统

ai-toolkit炼丹炉（汉化版）

智谱开源的AI文本转语音模型支持声音克隆GLM-TTS 语音合成系统 二次开发构建by科哥

最快千问生图方法,顶配1秒1张