新闻、仓库与研究，按时间排列。
GitHub 新仓库 realtime-drama-test-log 是互动剧“观众自由输入 → 实时生成男主回应视频”的测试记录板，按剧集分区、每条记录一张卡片，包含完整视频、对话内容、各段计时及画面硬错误、是否左右她、时延、关键节拍是否落在她身上四个标记。仓库含 720p 视频目录 v/、附外挂中英字幕 .vtt 的成片目录 film/，数据集中存于 data.js，由 build_log.py 生成，更新后需修改 index.html 中的版本号避免缓存。
X-DREAMER（原 XMAN AI Studio）开源上线，是一个聚合 9 家 AI 服务商和 40+ 模型的 AI 生成平台，支持文生图、文生视频、图生视频和图像编辑，采用统一信用计费，并配有管理后台和社区画廊。平台基于 Next.js 16.2、TypeScript 5 和 React 19 构建，接入 BytePlus、OpenAI、Stability AI、Replicate、Runway ML、Kling AI 等服务商，使用 MySQL（与 XMAN Studio 共享数据库）和 NextAuth v5 认证。支持单次最多 4 张批量生成、15 种风格预设、失败自动退款，通过 webhook 与父项目 XMAN Studio 打通信用充值。
Pixel Flow 是一个运行在 Chrome/Edge 中的本地 AI 创意任务画布，当前版本为 v0.3.22，支持普通生图、容器批量、图片放大和 AI 结构化调用。新增轻量图片放大任务卡，可选 2×/4×/8×，自动分块生成并拼合 PNG。任务以 TaskRun 记录状态，支持排队、取消、失败重试与结果恢复，并可通过 Pixel Flow MCP 供 Codex 读取和管理画布。
GitHub 新仓库 im-amir/fomi-studio 开源了一个 AI 创意平台，基于 Next.js 16.4、React 19.3 与 Tailwind v4 构建，含两部分：按 FOMI 原型实现的生成工作区（/），以及作者自己的图像生成工作区 Lineage（/studio），支持 lineage 画布、分支变体、compare 同步缩放对比与快捷键操作。项目带 mock API、键盘与读屏器支持，已部署在 Vercel。
GitHub 新仓库 video-api-gateway 将多个 Picsart 账号组成账号池，对外提供 OpenAI 风格的视频生成 HTTP 接口，480P/720P 免费档不消耗积分。N 个账号可跑 N 路并发，单账号同时只能跑 1 个任务，实测 5 秒视频耗时 91 秒~23 分钟，需轮询间隔 10~15 秒。程序需激活码激活，账号池跑在用户自己机器上，支持通过代理环境变量 PICSART_POOL_UPSTREAM_PROXY 访问 picsart.com。
tryAGI 开源了基于 BlackForestLabs 官方 OpenAPI 规范、由 AutoSDK 生成的 C# SDK，支持 .NET Framework 与 .NET Standard 2.0、nullability、trimming 和 NativeAOT，并随上游规范同日更新。SDK 提供 FLUX Pro 1.1 图像生成等接口，可通过 dotnet tool 安装 CLI，同时提供查询 credits 余额的基础用法。该 SDK 属于 tryAGI 用 AutoSDK 维护的 200 多个 .NET SDK 之一，并获 JetBrains 开源支持计划资助。
YayiMiko 发布 MaiBot 插件 maibot_plugin_moss_image v0.2.1，支持原文直出生图、官方 MOSS-Image Caption/Layout 规划，通过 ComfyUI 生图并发送到 QQ，另支持法术解析与视觉反推。插件内置官方 skill 和工作流（含 FLUX.2 VAE、50 步/CFG 3），需 MaiBot 1.3.x、Plugin SDK 2.8.2～2.13.x、Python 3.12+，并提供 OC 角色预设、单页漫画与静态表情包功能。
Superklok Labs 发布开源 ComfyUI 演示仓库 NonCommercialDEMO，展示其制作 TrenchPetals 宇宙角色 Sunny Chuxem 的生产级管线。仓库包含两条管线，分别基于 flux-2-klein-9b-f8 与 flux3-image-klein-int8 checkpoint，集成 FaceDetailer、HandDetailer、FootDetailer 三层细节节点和 MASTER SWITCH 切换逻辑。因核心模型依赖受限，项目采用 Non-Commercial Demo License v1.0，仅限教育、研究与评估用途。
开源新仓库 Beyondsumi 面向 YouTube 自动化叙事，配合 Codex、Claude Code 等多种 AI 助手，将想法或录音转化为带角色表演、旁白、配乐和音效的水墨风动画电影，无需视频生成 API。项目提供 Original、Light、Dark 三种风格和可选 SVG 路线，内置 12 个 Python 原创音乐主题与本地声音引擎，成品以 HD H.264/AAC MP4 交付。创作者估算 10 分钟视频成本约 US$0.92，旁白可选 ElevenLabs 或开源 Voicebox。
开发者 Mahesh V V 发布 II Studio v0.1.0 候选版，一个 local-first 界面与流程图生成工具，用户通过自己的 AI CLI 连接（antigravity、codex、claude 或 gemini）描述需求即可生成仪表盘、表单和流程，并保留本地版本历史。项目采用 Apache-2.0 协议，支持 macOS（Apple Silicon 与 Intel）和 Windows 11 x64，项目数据保存在浏览器 IndexedDB，无遥测、无云同步，并提供实验性的可编辑 Figma 导出。
GitHub 开源项目 A-Multimodal-Approach-to-Text-to-Image-Generation-Using-Deep-Learning-Models 探索基于 Hugging Face 文生图模型的多模态生成。项目用 Python 和 React.js 构建交互界面，实验了 100+ 提示词变体，评估 500+ 张生成图像，从提示词遵循度、语义相关性和视觉质量三方面对比不同模型的输出。
Sagarkun 发布 Qwen-Image-2.1 Uncensored 的多格式量化版本，基于 Qwen/Qwen-Image-2.1 原始权重，提供 GGUF、Safetensors 和 MLX 格式，其中 Q4_K_M GGUF 仅 4.60 GB 且被推荐为体积与质量的最佳平衡。该版本无内置安全检查或内容过滤，可直接生成成人及敏感图像；文本编码器可卸载至系统内存以节省 9–17 GB VRAM，需搭配 ComfyUI 与 ComfyUI-GGUF 使用，采用 Qwen Research License。
一个基于 Next.js 16 的 Fomi 图像与视频生成工作区项目，包含按 mockup 实现的响应式 Workspace 和重新设计的 Studio 两部分。Studio 将生成过程做成版本控制：每个结果都是有父版本和可见 diff 的版本，支持 Vary、Refine、Remix 三种分支方式、并排或滑块对比，以及 J/K、V/R/X、C 等键盘快捷键。Workspace 支持最多 3 个生成并行、复用历史提示词、无限滚动 feed，并适配明暗主题与移动端，项目部署在 Vercel 上。
Hugging Face 上架了基于 OpenMOSS-Team/MOSS-Image-SFT 的 LoRA 模型 Uiopqwe/Moss-image-nsfw-uncensored-lora，提供去审查的 NSFW 图像生成能力。页面给出 Diffusers 加载示例，支持 Google Colab、Kaggle 及 Draw Things、DiffusionBee 等本地应用调用。
GameForge AI 是一个用于 2D 游戏素材设计的开源多模型生成式 AI 流水线，涵盖语义规划、对抗精灵图生成、隐空间分析与重建。其 DCGAN、AE、VAE 三个视觉模型均基于同一 282,511 张 2D 像素素材（Alucard 数据集）训练：DCGAN 以 64×64 RGBA 生成全新精灵图，AE 达到 MSE 0.000782、PSNR 28.52 dB，VAE 在 5,000 张候选池上取得 84.40% KNN 分类准确率。项目含 FastAPI 后端与 React/Vite 前端，数据集采用 CC-BY-NC-SA 4.0 授权。
开源项目 AI Image Studio 提供自托管、GPU 加速的图像生成 Web 应用，集成文生图、图像编辑、多图融合、Real-ESRGAN 超分（2x/3x/4x）与 outpainting，后端为 FastAPI，前端为 Vue 3 + TypeScript。运行时可选 7 个生成模型（如 Qwen-Image-2.1、ERNIE-Image Turbo (INT8)、FLUX.2 [klein] 4B、SANA-Sprint 1.6B），面向单张消费级 GPU（如 RTX 3080 20 GB），配备单工作线程任务队列、SSE 实时进度、生成历史与作品画廊，模型本地加载、无外部 API。
ffroliva 发布开源工具 gflow-cli，提供 Python CLI 和 MCP server，通过 Playwright 有头浏览器自动化操作 Google Flow，从终端批量驱动 Veo（t2v、i2v、r2v、extend）和 Imagen（t2i）生成。支持 Character 可复用角色、--tool 创意提示词改写、多场景 movie 清单，输出可路由到 S3、MinIO 或 Google Cloud Storage；项目为 alpha 状态，与 Google 无官方关联，仅 Veo 视频生成消耗账户 Flow 额度，纯 HTTP 传输因 reCAPTCHA 和 401 限制尚不可行。
推荐理由：通过真实浏览器自动化把 Veo 和 Imagen 变成可脚本化的命令行工作流，还给出了账号风险与费用消耗的坦诚说明。
l666A 基于 Qwen/Qwen-Image-2.1 上游权重发布 Uncensored 量化版本，提供 GGUF、Safetensors 和 MLX 格式用于本地图像生成，Q4_K_M（4.60 GB）为推荐的 GGUF 量化方案。该版本不含内置安全检查器，可直接生成成人、NSFW 及敏感图像，支持 ComfyUI 与 ComfyUI-GGUF，文本编码器卸载到系统内存可节省 9–17 GB 显存。
GitHub 项目 gb100test 在 NVIDIA GB10 / Blackwell GPU 上整合三类服务：通过 vLLM OpenAI 兼容 API 运行 Gemma 4 26B NVFP4、Llama 3.1（默认 8B Instruct NVFP4，上下文 64K）和 Qwen3.5-9B；用 Diffusers 提供支持 SDXL 与 FLUX.2-dev GGUF 的图像生成服务。项目还包含深度 QA 压测、图像生成性能测试及覆盖 10+ 类别的 100 个违禁主题安全边界测试脚本。
GitHub 开源项目 emoji-studio 探索用后训练生成新 emoji 概念，已完成 SDXL LoRA 试点训练和 72 组盲评，确定选用 step 25 checkpoint。单张 40 GB A100 负载测试中 18 个生成任务全部成功，吞吐 6.73 images/minute，p95 延迟 35.93 秒，总支出约 $1.49。两个模型都能渲染连贯物体但难以生成双手交互，机械物体如自行车仍是已知弱点，项目尚未训练交互 adapter。
GitHub 新仓库 mmximxim/modelscope-studio 是一个手机端优先的 AI 生图应用，基于 Vue 3 PWA 前端加本地 Node 服务端，调用魔搭 API-Inference 实现文生图、图生图与对话模型。应用内置 12 个精选模型（2026-10 验证可用），支持 1:1 至 16:9 画幅、标准 1K / 高清 1.5K 清晰度，提示词助手基于 DeepSeek-V4.1-Flash 优化提示词。同一前端可作 PWA 使用或打包成 Android APK（minSdk 26，targetSdk 35）离线壳，令牌只存本机服务端，生成图片仅落盘本机不上传第三方。
GitHub 上线开源项目 happica，一个基于 Apple Silicon 的本地 AI 媒体工作室，用 ComfyUI 负责生成、FastAPI 运行流水线和任务队列、React Web UI 运行在 localhost:5173。支持图片、故事视频、带歌词的歌曲、MV、音效、配音，以及通过 PhotoMaker 复用角色面孔。
GitHub 上的开源项目 stevemtg/local-mcp-server 通过 MCP 协议让本地 AI 模型调用 ComfyUI 生成图像，并结合 Ollama 运行模型与嵌入，支持图像检查、透明度检测、白底去除和代码语义搜索。服务器负责协调 GPU 内存：图像生成前卸载 Ollama 模型，任务结束后重新加载。该项目通过 Cline 等 MCP 客户端接入，需 Python 3.10+，配置后可完全本地运行，无需云端推理 API。
GitHub 新仓库 PixeLuxe 开源了一款主打霓虹暗调、电影感风格的 AI 图像生成前端，支持文生图与图生图工作流，提供参考图上传、多变体对比和全分辨率导出。仓库目前只包含完整前端与 PWA 设置，生成功能仍为模拟状态，等待接入真实图像模型，后续计划包括接入在线模型、账号与历史记录、风格预设和公开 API。
macOS 原生绘图应用 Artsy 开源上架 GitHub，基于 Metal 实现 GPU 加速笔触渲染，支持 Wacom、Xencelabs 等压感手写板及自动笔/橡皮切换。内置 Hard/Soft Round、Watercolor、Acrylic 等笔刷与图层、选区工具，AI 生成接 OpenAI Images 和 Google Gemini/Imagen，并集成 Unsplash 图库。应用要求 macOS 14.0 (Sonoma) 及以上，可通过 Releases 下载 DMG 或从源码构建。
GitHub 新仓库 abhishek944/pi-image-gen 为 Pi 智能体提供图像生成与编辑（image_generate）、可选 sprite 生成（sprite_generate）和独立的已有图像搜索（image_search）扩展。它支持多家生成服务商，包括 OpenAI gpt-image-2、Google Gemini 的 nano-banana 系列、阿里 qwen-image、火山引擎 Seedream、Meta muse-image、Microsoft MAI-Image 等，可通过 OPENAI_API_KEY 等密钥或 Pi 的 ChatGPT Plus/Pro 订阅登录调用。该包可通过 npm 或 GitHub 安装，也可作为 Node 22 的 ESM 库导入使用。
Hugging Face 用户发布 Qwen/Qwen-Image-2.1 的 Uncensored 量化模型仓库，提供 GGUF、Safetensors 和 MLX 格式，文件大小从 4.00 GB（MLX 4-bit）到 14.23 GB（BF16）不等，用于本地图像生成。该版本内置无安全检查器或内容过滤，可直接生成成人及 NSFW 图像；推荐 GGUF 使用 Q4_K_M（4.60 GB），MLX 格式针对 Apple Silicon 优化，需配合 ComfyUI 与配套的 qwen3vl_8b 文本编码器和 VAE 文件使用。
prompts.chat 每日 prompt 新增一个图像生成提示词，用于生成意大利文艺复兴壁画风格的港口市集场景。提示词描述了晴天早晨石砌码头上停泊的两艘木质商船、卸货的商人、鱼贩，以及 16:9 宽幅构图，指定黄土、绿土、朱砂和青金石蓝等矿物颜料色调，并要求呈现 1500 年代早期壁画的平坦透视、细微裂纹和颜料褪色效果，画面不含文字和现代物体。
prompts.chat 收录由 @f 贡献的新提示词“日出时分红枫叶上霜晶的写实微距摄影”。该提示词描述一张写实微距照片：单 片鲜红枫叶平躺于深绿苔藓上，叶缘缀满羽状冰针与六角形冰片，低角度金色逆光勾勒霜晶轮廓。画面指定 100mm 微距镜头效果、浅景深自然光、16:9 横幅，并要求无文字、无人物、无昆虫。
prompts.chat 上线一个名为 "Steam Locomotive on a Stone Viaduct Scene Concept Brief Builder" 的新提示词，让 AI 扮演电影级环境设计师，为蒸汽火车穿越石制铁路高架桥的画面撰写可用于图像生成和视频动画的场景简报。该提示词内置峡谷场景、季节天气、火车外观、视觉风格等变量，会先询问镜头视角和需避免的元素等缺失信息，再输出场景概述、高架桥与火车等分节简报。
prompts.chat 新增由用户 @f 贡献的图像生成 prompt「Steam Locomotive Crossing a Stone Viaduct over an Autumn River Valley」。该 prompt 描述一辆黑色蒸汽火车牵引四节栗色客车穿越约十孔拱的灰色石制高架桥，画面为 16:9 宽幅写实景致，并要求画面中无人物、无文字或标志。
prompts.chat 新增一条图生视频动画 prompt，以「蒸汽火车穿越秋日河谷石制高架桥」图像为精确首帧，生成 6 秒电影感镜头。prompt 规定火车头沿桥面向左匀速行驶并牵引四节栗色车厢，蒸汽与烟雾持续冒出并向右飘散，镜头缓慢左移，要求运动符合物理、无切换、无新增物体、无人物与文字。
prompts.chat 收录由 @anonymous 贡献的新 prompt「Photorealistic Tokyo Travel Vlog Portrait」。该 prompt 用于生成一张照片级真实的智能手机旅行 vlog 风格图像：一位虚构的 20 岁日本女性傍晚行走在东京小巷，手持冰抹茶自拍，采用前置广角镜头视角与纪实旅行摄影风格，指定 16:9 画幅、无美颜滤镜、无可读品牌标志和水印。
prompts.chat 收录匿名用户提交的图像生成 prompt「Playful Fisheye Candid Portrait」，供 GPT Image 2.5（ChatGPT）使用。该 prompt 基于上传的自拍生成鱼眼风格写实人像，要求保留人物精确面部特征，画面包含绿色木门前台阶、米色风衣与一只前景大鼻子的白棕猫，输出 16:9 横幅且不含文字。
prompts.chat 收录由 @anonymous 贡献的 prompt「Cozy Bedroom ASMR Cinematic Video Scene」。该 prompt 描述温馨卧室 ASMR 视频场景：50mm 镜头浅景深、2700K 暖光、5 cm/s 相机漂移，配轻语与雨声氛围，输出 8 秒、4K、60fps、16:9 画幅片段。
该 GitHub 仓库用 GAN 和 VAE 生成加油站卫星图像合成数据，以缓解数据稀缺问题。项目实现了 Simple GAN、DCGAN、WGAN-GP 和 VAE 四种模型，实验发现 Simple GAN 和 DCGAN 训练不稳定、易出现梯度消失和结构模糊；改用 WGAN-GP 后收敛更稳定，再结合 DiffAugment 可在 256×256 分辨率下生成清晰高保真的样本。模型支持 GPU 训练、checkpoint 保存与训练过程可视化。
GitHub 新仓库 tigress-thread-gallery 提供同一图库的两个版本：外部 GitHub Pages 版仅含图库、不含密钥和 MiniMax 指南，本地版则显示 Wan 密钥、MiniMax 指南及完整 manifest.json（外部版用 manifest-public.json）。仓库通过 publish-add.py 脚本添加图片，支持 sheet、scene、identity、bunny、video、story 分类，story 分类经 story.html 阅读器单独展示，标注 18+ only、noindex。
EasyComfyUI 发布 V5 版本，新增 Kaggle 笔记本（T4 ×2 免费 GPU）与更可靠的下载逻辑，原有 Google Colab 版同步保留。该笔记本无需编程经验即可运行 ComfyUI，支持 Stable Diffusion 与 FLUX 图像生成；推荐 FLUX.2 [klein] 9B，可在免费 T4 约 15GB VRAM 内运行（官方规格约 29GB）。生成图片自动保存至 Google Drive，还支持从 Civitai 和 Hugging Face 下载模型。
GitHub 仓库 ivy343/takelab-comfyui 发布 v0.2，一个本地应用，输入一张图和场景描述后最多按 3 种相机条件生成视频，并在同时间点对比、挑选要保留的 take。v0.2 实际运行 Wan 2.1 Fun Camera 1.3B，由扩散模型生成画外区域、遮挡和视角变化，不再使用 v0.1 的数字平移缩放渲染器。默认输出 512×336、49 帧、16fps、20 步；验证环境为 Windows/ComfyUI 0.39.0/RTX 4060 Ti 16GB，单次预检生成约 81 秒。需 ComfyUI 及约 11.5GB 的 4 个模型文件，支持失败 take 重跑并保留历史，应用代码以 MIT 协议开源，不含模型权重。
GitHub 用户发布了一份 GPT Image 2.5 提示词实用手册，内容编译自 OpenAI 官方文档与作者实际使用经验，并注明非 OpenAI 官方发布。手册涵盖 API 两个模型 GPT Image 2.5 Flare（重速度的小模型）与 Sunburst（重质量的基础模型）的区别、API 参数与分辨率限制、参考图角色分配、角色一致性锁定、姿态迁移四层描述法、背景与风格控制、多轮编辑流程，以及常见失败对照表和五套提示词模板，附验收清单，采用 CC BY 4.0 许可，最后更新于 2026-10-18。
推荐理由：作者基于官方文档与实测整理了角色一致性、姿态迁移和多轮编辑的提示词写法，附可直接套用的模板与排查清单。