阿里ZImageTurbo图片生成整合包，图片真实感、细节全面提升，支持批量生成、SeedVR2高清放大，支持NSFW, 最低6G显存可用！

Z-image Lora训练，小白也能轻松上手，AI-toolkit

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、DDSP-SVC-6.3/6.1/6.0、ReFlow-VAE-SVC多种SVC模型训练及推理

支持 109 种语言 擅长识别文本、表格、公式和图表

可控且富有情感表达的零样本TTS

数字人视频生成/Digital Human Video Generation

Open-AutoGLM是由智谱AI在2024年10月推出的开源手机操作智能体框架

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

AutoGLM-Phone-9B一键启动镜像

内置多种基础模型，快速开启comfyui体验

AI图片ZImage模型训练，一键启动WebUI、无需配置

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

专注图片细节放大工作流

美团龙猫开源图像模型，包含LongCat-Image文生图和LongCat-Image-Edit图像编辑

z-image-turbo lora炼丹炉ai-toolkit lora模型训练器

V23版本的全面升级情感控制更好

一键批量生成 一键打包下载视频

PaddleOCR在线webui文字文稿识别多种识别pdf文字识别 二次开发构建by科哥

LongCat 是美团开源的双语图像生成与编辑模型，具备高效写实表现、强中文渲染与精准一致性编辑能力，在开源领域表现领先。

面壁智能开源语音克隆 全新1.5版本

全新VoxCPM1.5B，增强长音频输出稳定性

MSST-WebUI音乐音频分离器背景音乐音频分离器n合一

facefusion3.5.0离线全部模型最新TensorRT加速官方原版图片换脸视频换脸高清图片 构建By科哥

ai-toolkit炼丹炉（汉化版）

基于微软 VibeVoice 的实时语音合成

Qwen-Edit 2509，qwen-edit和z-image的Lora训练DiffusionPipe

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

语音驱动数字人、支持生成超长语音

最新视频动作迁移，SteadyDancer整合包！南京大学&腾讯开源，支持视频动作迁移，支持长视频、批量队列生成、高清放大

SAM 3提出的PCS任务从根本上突破了这一限制，模型需要检测、分割并追踪输入图像或视频中所有符合该概念的实例。

Fay数字人3.1.1最小可运行版。fay是一个帮助数字人（2.5d、3d、移动、pc、网页）或大语言模型（openai兼容、deepseek）连通业务系统的mcp框架。

娱乐AI，唱歌跳舞，一应俱全

人物，商品，背景，随心所欲替换。

Z-Image是一个拥有6B参数的强大且高效的图像生成模型。

去闪长视频SteadyDancer动作迁移

Ovis-Image阿里开源文本生图像大模型在线webui体验版

基于wan2.1UltraVideo生成高质量超高清1k到4K视频

vLLM项目团队推出了vLLM-Omni框架，这是一个专门为全模态模型设计的高性能推理系统，旨在将vLLM在文本推理领域积累的性能优势，扩展到包含图像、音频、视频在内的完整多模态生态。

Meta的生成式推荐论文开源仓库的实现。

支持 Z-Image-Turbo LoRA 快速训练的 AI Toolkit 镜像

描述

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

IndexTTS2.0整合包雨落版本，欢迎使用

Aitoolkit汉化版，自适应UI方便手机端查看训练进度

SteadyDancer-FP8量化,视频动作迁移,支持5090新卡,支持A800计算卡,基于Comfyui,workflow,工作流,批量任务

AI艺术二维码生成器在线生成个性二维码

Z-Image-Turbo-GGUF,局部重绘,文生图,图生图,Qwen3-vl自动提示词,支持5090新卡,支持A800,批量任务队列

使用diffusion pipe进行qwen image的lora训练，小白也可简单上手，上传image即可开始训练

HeyGem数字人最新多人面部驱动数字人,支持5090新卡,支持A800计算卡,修复黑框问题,GFP面部超分,修复超长视频上下游阻塞问题

文生图片无限制wenbui中文特别版

ComyUI批量z-image出图 SeedVR2 TTP放大 4K Wan2.2图生视频

aitookit_z-image_lora_train镜像

echomimic_v3阿里蚂蚁团队开源图片加声音生成说话数字人视频基于Comfyui加速和二次高清输出 构建By科哥

Z-Image-Turbo 最真实的生图模型

Crawl4AI：基于AI的网络爬虫和数据抓取工具

FLUX.2 [dev] 是一个拥有32B参数的流匹配Transformer模型，能够生成和编辑图像。

欢迎使用“启梦光影生图生视频二合一”镜像。本镜像无缝整合了业界领先的ComfyUI节点式工作流，将静态图像的精致描绘与动态视频的流畅叙事能力融为一体，让您无需在多个复杂环境中切换。

flux.2工作流合集-及图片高清放大工作流

Z-Image-Turbo 是一款仅用 8 步即可生成旗舰级图像的高效扩散模型，具备快速生成、双语文本渲染、强指令理解与创意编辑能力，是当前开源图像模型中兼具速度与质量的优秀代表。

flux2最新发布f8优化极速版3090显卡可玩含sora2工作流 构建by科哥

ComfyUI基础镜像纯净版0.3.50

基于 AI 完整保留排版的 PDF 文档全文双语翻译

Flux.2 是 2025 年最全面、最专业、最强大的统一视觉生成模型之一。

SDPose_OOD+Pose_editor+qwen image edit 2509,姿态估计与编辑，随心所欲修改姿态

该镜像集成了刚刚开源的 HunyuanVideo 1.5 模型

一个Comfy UI的整合包，自用版，带插件和部分模型

Deepseek orc webui在线图片识别文字pdf文件转文字

sam3是谷歌开源的一个项目图像拆分，3D渲染等

一个领先的超轻量级视频生成模型

低成本高质量快速生成有声书。

数字人-语音克隆-wan2.2视频换人换装-Qwen-Image-Edit2509整合包

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

一张图生成多角度工作流-万物融合工作流升级版

AI生成视频，Wan2.2-RemixV2整合包，支持图生视频、首尾帧视频，支持批量单图视频、批量首尾帧，支持高清放大、加载Lora、NSFW，最低8G显存可用

地表炸天TTS工具，一百多款自然人声，极速复刻

sora2文生视频图生视频工作流comfyui无卡模式在线sora使用独一份

FlashVSR 视频高清放大工具

加速优化版

30系显卡优化版

3080Ti专用

3080Ti专用

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

一键提取视频字幕 加速优化

一个强大的 3B 参数、基于 LLM 的强化学习音频编辑模型，擅长编辑情感、说话风格和副语言，并具有稳健的零样本文本转语音功能

富有表现力的长篇多人对话语音合成工具

B站开源超强语音克隆，在情感表达和时长控制方面取得突破的自回归零样本文本合成系统

一体化整合Remix-Wan 2.2 文生视频、图生视频、首尾帧生成与 Qwen3 自动提示词的多功能创作镜像

AI视频消除万物整合包，支持消除人物、物体、水印、字幕等，支持较长视频、添加队列任务，打开即用，一键运行！

ChromoEdit-GGUF模型,,图片修改,图像修改,图生视频,支持5090新卡,comfyui,工作流,workflow

InfiniteTalk 是一个无限长度的对话视频生成模型，支持音频驱动的视频到视频和图像到视频的生成

为 ComfyUI 提供了完整的 Diffusion 模型训练和微调功能。这个项目允许用户在 ComfyUI 的图形界面中配置和启动各种先进 AI 模型的训练，支持 LoRA 和全量微调

一个音频编辑项目，“情绪编辑”“风格编辑”“语气编辑”和“降噪变速”

SORA2文生视频，图生视频

股市有风险 投资请谨慎！

Qwen-Image-Edit-2509精准多图内容编辑及人物一致性图片生成

超强Sora2视频去水印

以 SDPOSE 为核心，融合 Lynx、InfiniteTalk、VACE 与Wan ，构建出一个可无限时长、骨骼级精度的人体视频转绘与智能生成体系

实时视频超分项目，显存如果够大，所有视频超分到4K

Qwen3-vl-abliterated视觉模型,视频理解,多图理解,批量任务,反推提示词

无惧镜头切换人物迁移

4步骤完成风格转绘vlog

Wan2.2Lora训练diffusionpipe

面向图像编辑和世界模拟的时序推理

视频编辑人物替换背景替换局部修改

SoulX-Podcast：能说方言、带情绪的真实感长播客生成工具

Wan2.2-Animate-14B一张图片模仿视频人物动作及替换视频中人物

SoulX-Podcast-1.7B语音合成,接口API调用,多人播客合成,方言合成,语速调节,支持笑声咳嗽指令,支持5090新卡,音色保存

最强AI图片编辑-QwenImageEdit-支持换装、换姿势、批量生成、SeedVR2高清放大

facefusion3.4官方原版

消费级显卡开始生成4096*4096的超大尺寸图片

挂载wan2.2瞳孔转场lora，实现专业的视频转场效果

🎨 DDColor 牛哥镜像版 - 黑白图像智能上色 牛哥针对DDColor黑白图像上色模型制作的一手镜像，这应该是目前效果最好的黑白照片智能上色解决方案之一。

Srt-AI-Voice-Assistant配音辅助工具搭配IndexTTS2/GSV的镜像

SmoothMix-V2合集-效果超强，支持文生视频、图生视频、首尾帧、批量首尾帧视频，支持NSFW、高清修复！

这是一个集成了美团LongCat模型与ComfyUI的镜像，提供文生视频、图生视频和视频延续三大功能，核心优势在于能生成长时间且质量稳定的视频。

超强AI生成视频-Lightx2v-I2V-超强动态、分镜效果。支持图生视频，首尾帧、批量首尾帧视频、批量生成、高清修复

美团开源的长视频生成模型-Longcat，ComfyUI抢先体验版，后续优化后继续更新！

高质量对口型工具

FlashVSR_Ultra_Fast,图片视频超清放大,支持批量任务,支持5090新卡

把视频整体转会成其他风格

简单易懂，用核心原理展示工作流

统一语义控制的视频生成

这是一个整合图像生成、图像编辑和视频生产的 AI 创作工具。

实时数字人解决方案

Ditto:基于指令的视频编辑框架，可以用于视频内元素的风格转换 本镜像为https://github.com/EzioBy/Ditto的Comfyui实现

快速高效的将PDF文档转为Markdown/JSON文件

超强AI视频重绘Ditto-支持长视频、批量生成，支持视频风格转换、动漫转真人视频，超级方便！

高质量图片/文本转3D网格模型

上下文光学压缩

Qwen-image-Nunchaku智能扩图,AI绘图,关键词扩图,图像填充,图像延展,支持5090新卡

本镜像包含ComfyUI许多工作流，目前优先测试部署完毕infiniteTalk数字人工作流、Wan2.2生视频工作流、HoMo数字人工作流等，后续会继续部署完善更多的工作流。

comfyui工作流，Qwen-image以及WAN2.1/2.2视频，都已经部署好，里面内置工作流，打开即可使用！

最快AI视频高清修复FlashVSR

FlashVSR视频高清放大webUI狂暴优化版 一键启用多倍放大

Smooth是最新的被社区广泛认可的Wan 2.2无限制合并模型

ocr模型天花板、支持109种语言、公式、表格、图标

Flash-VSR-1.3B,图片/视频超清放大,支持5090新显卡,支持批量任务

通过下一个点预测来检测任何事物

Wan2.2-SmoothMix,更丝滑的图生视频,首尾帧连贯动画,4步采样,支持5090新卡

Wan2.2KJ氦气加速6步极速版唯一正版授权镜像——AI来事&龙没耳联合推出

Animate-v2-最强人物替换工作流

超级强大的图像编辑项目

一个类似Veo3 Sora的开源模型，使用提示词自动生成音频视频

最强视频编辑-阿里Wan-Animate-Q8超高精度-合集