AI图像视频 分类

10-26

AI图像视频

若琳部署

Kohya_ss：面向扩散模型的 LoRA、DreamBooth 与文本反演训练 GUI 与命令行工具集｜部署与使用全指南

Kohya_ss 是基于 Gradio 的扩散模型训练图形界面，底层封装 kohya-ss/sd-scripts，支持 LoRA、LoHa、LoKr、DreamBooth、全量微调、Textual Inversion 与 LECO，覆盖数据集整理、自动打标、训练参数配置、采样预览与命令行生成全流程。本文整理官方 Docker Compose、uv/pip 本地安装、config.toml 配置、数据集目录结构、常用训练参数与故障排查。

0

10-26

AI图像视频

若琳部署

Fooocus：极简 SDXL 本地文生图 Gradio 应用，免调参出图与三套预设一键切换｜部署与使用全指南

Fooocus 是基于 Gradio 与 SDXL 的离线开源文生图应用，内置提示词扩展、变体放大、局部重绘、图像提示与三套风格预设，免调参出图。本文整理 Docker 镜像、Windows 便携包、Linux 与 Mac 安装、模型目录、启动参数与常见报错排查。

1

0

0

10-26

AI图像视频

若琳部署

InvokeAI：带统一画布、节点工作流与模型管理的本地自托管生成式图像平台｜部署与使用全指南

InvokeAI（社区也称 Invoke）是 Apache 2.0 开源的生成式图像平台，提供本地 Web 服务与 React 界面、Unified Canvas、节点式工作流、画板图库、模型管理器与 SAM/SAM2 分割，支持 SD1.5、SDXL、FLUX、Z-Image、Krea 等本地模型与多家 API 模型。本文整理 Launcher 桌面安装、Docker/Compose 部署、uv 手动安装三条路径，配置项、多用户模式、备份运维与故障排查。

1

0

0

10-26

AI图像视频

若琳部署

CogVideo：智谱开源文生视频与图生视频模型家族，CogVideoX 系列本地推理与部署全指南｜部署与使用全指南

CogVideo 仓库同时承载智谱开源视频模型家族：主分支为 CogVideoX 系列（2B、5B、5B-I2V、1.5-5B、1.5-5B-I2V），支持文生视频、图生视频与视频续写，提供 diffusers 与 SAT 两套权重格式、CLI 推理、Gradio 演示、INT8/FP8 量化与 LoRA 微调；CogVideo 分支保留 ICLR'23 原版中文输入 CogVideo。本文基于官方 README、requirements.txt、cli_demo.py、量化脚本、Gradio 应用、SAT README 与模型许可证，整理两套版本区分、环境安装、模型权重渠道、参数配置、运维命令、故障排查与分模型许可证合规边界。

1

0

0

10-26

AI图像视频

若琳部署

Wav2Lip：任意视频与语音精准唇形同步模型，离线推理、参数调节与训练评测非商用部署指南｜部署与使用全指南

Wav2Lip 是 ACM Multimedia 2020 的开源唇形同步模型（arXiv:2008.10010），可把任意视频/图像人脸对齐目标语音嘴型，含两套预训练权重及推理、训练、评测代码。本文整理环境安装、权重下载、CLI 参数、训练流程、排障与非商用、肖像权、深度伪造合规边界。

7

10-26

AI图像视频

若琳部署

LivePortrait：照片与视频人像高效表情姿态驱动，缝合重定向控制与人像/猫狗动画本地部署指南｜部署与使用全指南

LivePortrait 是快手开源的高效人像动画项目（arXiv:2407.03168），支持单张照片驱动、人像视频编辑、图像驱动、区域控制与表情姿态重定向，另含猫狗动物模型。本文整理 Conda 环境、权重下载、人类/动物模式 CLI、Gradio 界面、参数配置、运维排障与肖像权、深度伪造合规边界。

1

0

0

10-26

AI图像视频

若琳部署

Stable Diffusion WebUI：最主流的本地文生图 Gradio 界面，模型、LoRA、扩展生态一站式管理｜部署与使用全指南

AUTOMATIC1111 维护的 Stable Diffusion WebUI 是基于 Gradio 的本地文生图界面，覆盖 txt2img、img2img、局部重绘、高清修复、LoRA、文本反演与扩展生态。本文整理 Windows 一键包、Linux/macOS 脚本与源码克隆部署路径、命令行参数、模型目录、HTTP API、运维命令与故障排查。

0

0

0

10-26

AI图像视频

若琳部署

AnimateDiff：即插即用的 Stable Diffusion 运动模块，文本与图像驱动生成连贯动画｜部署与使用全指南

AnimateDiff 是 ICLR 2024 Spotlight 收录的开源运动模块，无需额外训练即可把多数社区文生图模型扩展为动画生成器，支持 v1/v2/v3 运动模块、MotionLoRA 相机运动控制与 SparseCtrl 稀疏条件控制，并提供 Gradio 界面与 Diffusers 官方管线。本文基于官方 README、requirements.txt、推理配置、app.py 与 scripts/animate.py，整理 main 分支（SD 1.5）与 sdxl 分支（SDXL beta）两套环境、模型权重渠道、CLI 与 WebUI 参数、运维命令、故障排查及 Apache 2.0 许可与学术使用合规边界。

1

0

0

10-26

AI图像视频

若琳部署

SadTalker：单张人像照片驱动生成说话视频，3D 姿态建模与唇形同步｜部署与使用全指南

SadTalker 是 CVPR 2023 收录的音频驱动单图说话人脸动画项目：一张真实人像照片加一段音频，即可生成头部姿态、表情与唇形同步的说话视频，内置 3DMM 姿态与表情系数预测、面部渲染、GFPGAN 人脸增强与 Real-ESRGAN 背景增强。本文基于官方 README、docs/install.md、docs/best_practice.md、docs/FAQ.md、requirements.txt、inference.py 与下载脚本，整理 conda 源码环境、模型权重渠道、Gradio WebUI、CLI 参数、预处理与增强模式、运维命令、故障排查，以及 Apache 2.0 许可、肖像权与深度伪造合规边界。

0

0

0

10-25

AI图像视频

若琳学习

MuseTalk：腾讯音乐 Lyra Lab 实时口型同步模型｜部署与使用全指南

MuseTalk —— 腾讯音乐 Lyra Lab 出品的实时高保真音频驱动视频口型同步模型 适用场景：给已有视频/照片中的人物换配音口型、配合 MuseV 生成的虚拟人视频完成口型对齐、离线批量配音成片；仓库同时提供普通推理、实时推理与 Gradio 网页 Demo 三套入口。本节命令与参数均以官

1

0

0