Qwen-Image-2.1 是一个“小巧但全能”的图像模型，把生成、透明图处理、多参考图编辑、局部精准修改都整合在一起，特别适合需要高效出图和灵活编辑的设计、电商和内容创作场景。图像编辑选项卡“自定义尺寸”参数，默认关闭，即编辑后的图像保持“参考图1”的尺寸，如果开启，则支持自定义编辑后的尺寸，请手动设置，建议参考或接近“参考图1”的尺寸，否则会出问题。更高级的采样器通常所需步数较少。启动Web

CosyVoice专注自然语音生成，支持多语言、音色和情感控制，支持中英日粤韩5种语言的生成，效果显著优于传统语音生成模型。

想让 Wan2.2 生成你心中的画面？关键在提示词怎么写。本文将带你掌握文生视频 Prompt 写作技巧，建议收藏+关注！提示词公式提示词用来描述视频中所包含的内容和运动过程，它是控制视频画面内容与效果的关键因素。提示词描述越完整、精确和丰富，生成视频的品质越高，且越贴近期望生成的内容。为了帮助你更快上手，我们针对不同的使用需求提供了两种典型公式：基础公式适用于初次尝试AI视频的新用户，及将AI视

你只需要两样东西：一段原始视频（驱动视频）、从这段视频里抽出一帧，用图像编辑工具把里面的角色“画”成你想要的样子（比如换成另一个人、动物、机器人、飞机等），模型就会自动把整段视频里的角色都替换成你画的那个新角色，同时完整保留原来的动作、镜头运动和时序。和同类角色动画生成软件不同，Viggle-Animate的参考图需要把你的角色重绘到驱动视频的某一帧上（相同背景、接近的姿态和站姿），再用它作为参考

5月14日，腾讯旗下混元文生图大模型（下称：混元DiT，Scalable Diffusion Models with Transformers）宣布全面升级并对外开源，目前已在 Hugging Face 平台及 Github 上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用。腾讯混元文生图负责人卢清林表示，混元DiT开源的价值有两方面，一方面这是业内首个中文原生Di

今天分享的 Audio8-ASR 基于Audio8-ASR-0.1B超轻量模型打包制作，支持无显卡设备一键快速转写，并将结果转写成txt和srt字幕文件，同时支持一键批量转写，离线不联网，无隐私安全隐患，并且支持中文、英文、法语、德语、日语、韩语、粤语等 7 种语言。支持热词（Hotword）：不需要重新训练，就能在识别时临时加强某些关键词的识别准确率（比如人名、品牌、专业术语）。多语言支持：能识

今天分享的是基于 HY-MT1.5-1.8B模型打包，体量适中（18亿参数），但翻译效果接近更大的商业模型，支持 33 种语言和多种方言，特点是速度快、质量高，还能在边缘设备上实时部署，非常适合跨语言交流和应用场景。模型保存在ckpts目录下，如不会使用命令下载的，可手动下载所有文件，在ckpts目录新建 一个目录，比如 HY-MT1.5-7B，将下载的模型和配置文件放置到该目录，启动软件后手动切

今天分享的是基于 HY-MT1.5-1.8B模型打包，体量适中（18亿参数），但翻译效果接近更大的商业模型，支持 33 种语言和多种方言，特点是速度快、质量高，还能在边缘设备上实时部署，非常适合跨语言交流和应用场景。模型保存在ckpts目录下，如不会使用命令下载的，可手动下载所有文件，在ckpts目录里新建 一个目录，比如 HY-MT1.5-7B，将下载的模型和配置文件放置到该目录，启动软件后手动

简单说，它就像一个“能克隆声音、能按描述造声音、还能像改文档一样改语音”的全能语音工具，特别适合需要高质量、多语言、可控语音的应用场景。支持24种语言（包括中文、英语、日语、韩语、阿拉伯语、西班牙语、俄语、泰语、越南语等），以及21种中文方言（如四川话、上海话、粤语、闽南话、河南话、湖南话等）。不需要参考音频，直接用自然语言描述想要的声音，例如：“一个年轻女性的温柔嗓音，语速稍慢，带一点俏皮”。语

Qwen-Multiple-Angles 是一款多角度生成的插件（LoRA），让你在编辑图片时，可以像摄影师一样精确控制“拍摄角度”，比如前视、侧视、俯视、仰视，还能选择远近距离。批量生成：上传需要生成的图像，选择模型（GGUF模型体积更小，效果比Diffusion差，适合笔记本用户），设置起始角度，即开始和结束的角度数值；单次生成：上传需要生成的图像，选择模型（GGUF模型体积更小，效果比Dif