无限制图片视频生成软件的后续进度以及模型效果展示

xlc77777

现在汇报一下开发的进度，目前主流的图片模型全部对接完毕，破甲也已经全部完成了，但是在开发和测试的时候，遇到了比较难以解决的问题


就是模型生成同人图片的问题，我测试了国产主流的几个大模型，分别是字节的Seedream 5.0、阿里的千问Qwen-image-3.0和万相Wan3.0，剩下的太垃圾了，都不列举

发现模型在真人图片生成的时候差距不大，但是在同人创作方面都是比较垃圾，没办法真实还原同人作品的原人设，下面用崩坏星穹铁道的三月七和穹举例，在相同提示词下上面三个模型依次的表现

Seedream5.0

Seedream 5.0 Pro

Qwen-image-3.0

Qwen-image-3.0

Wan3.0

Wan3.0

明显发现Seedream 5.0的表现要比其他两个好，但是在人设上面完全没有办法还原三月七和穹，我不知道是国产模型害怕版权问题还是什么情况，总之生成结果差强人意

没办法了后续接入的国外的模型Gemini的图片生成模型，效果一下子不一样了，我是真的不想对比国模，但是效果就摆在这里，下面是谷歌的Nano Banana Pro生成的人设图



这个是同样提示词下面的表现，场景表现，只看人设的还原程度差距还是太大了



不过Nano Banana Pro的甲太厚了，检测的机制也多，没办法破甲，只能生成正常图片，但是可以利用Nano Banana Pro生成好的图片，交给那些破甲的模型来生成后续



这个图就是让Seedream 5.0来生成的


期间也尝试过其他的方法提升成国模的生成同人图的质量，比如LoRA或者Comfyui

LoRA是因为，支持的模型大多数参数小生成的质量以及时间难以保证，所以直接pass

Comfyui就是因为大部分人看不懂这个，我才决定做这个软件的，再接入有点本末倒置了，虽然Comfyui本质上就是python的低代码开发工作流，降低直接写python的门槛的，但我总不可能重写Comfyui，虽然软件也是python写的

最后模型的话，根据前面多轮图片的生成测试，只保留了，对于同人人设还原能力强的Gemini系列（没有破甲，不能出色图），以及国模里面综合能力强大的Seedream 5.0（破甲）

大森42

直接用Minimax H3生成一秒一帧的视频感觉比其他专业生图模型强很多

xlc77777

大森42 发表于 2026-9-6 23:08
直接用Minimax H3生成一秒一帧的视频感觉比其他专业生图模型强很多

Minimax H3我不是没有试过，他被归类在垃圾那部分了，如果你不给他原图，只靠文字，连奶子和肉棒都不知道什么样，他只能从1开始起步，从0开始完全是灾难，我都不敢发我拿Minimax H3生成的那些奇葩图片，简直不忍直视，软件没办法集成comfyui，就没有工作流引导，所以必须纯靠模型个体能力，但是有图片引导生成视频是没有问题的，后面说视频生成的时候会提到

cm425375869

好帖子，学习到了，只吃楼主

我的明星

羡慕你们这些有技术搞涩涩的高人

hund

不试试grok的Imagine吗？这个本来就比较开放，破甲难度也不太大，我自己在网页版随随便便都能出。

hosing110

有没有nsfw的生图和图生视频的本地大模型？？质量高的

xlc77777

hund 发表于 2026-9-8 19:43
不试试grok的Imagine吗？这个本来就比较开放，破甲难度也不太大，我自己在网页版随随便便都能出。 ...

Grok的就是没有甲，这个只要不涉及未成年都可以，但是要考虑性价比啊，我既然都对接了破甲的Seedream，干什么还要对接价格更高的Grok，而且质量也不如Seedream5.0，国外的模型我只留了谷歌一个，其他全都是因为价格或者效果pass了，至于为什么留下谷歌的Nano Banana，那个模型比较特殊，他的数据库对主流的ip做了专项训练，你可以看看我这个帖子上面的三月七人设图，我从头到尾只说了一句“帮我生成崩坏星穹铁道三月七的校服同人图”，他就能做到人设高度还原，因此即使不能破甲，也保留了下来，用它作为专门生成大ip的同人的模型

as860911

我找了个API 破甲的Seedream5.0 小贵七毛一张啊....