SwarmUI 0.9.6版本发布:AI图像与视频生成工具的重大升级
SwarmUI是一个开源的AI图像与视频生成工具,基于Stable Diffusion技术构建,提供了强大的模型支持和灵活的配置选项。该项目持续迭代更新,为创作者和开发者提供了丰富的功能集。最新发布的0.9.6版本带来了多项重大改进,特别是在视频模型支持、提示语法增强和系统架构优化方面。
视频模型支持全面扩展
0.9.6版本显著增强了视频生成能力,新增了对多个先进视频模型的支持:
-
Wan 2.1视频模型:这个模型系列专注于高质量视频生成,新版本提供了完整的集成支持,包括参数优化和输出处理。
-
SkyReels文本转视频模型:为文本到视频转换任务提供了新的选择,特别适合创意内容生成。
-
Hunyuan图像转视频模型:包括其"v2/fixed"变体,能够将静态图像转换为动态视频内容,为内容创作开辟了新可能。
-
Nunchaku SVDQuant支持:这个来自MIT Han Lab的模型现在可以在SwarmUI中直接使用,为视频处理提供了更多选择。
提示语法系统升级
新版本引入了多项提示语法增强,使创作过程更加灵活:
-
<extend:...>语法:这是一个革命性的功能,可以自动使用图像转视频模型扩展视频长度,大大简化了视频延展的工作流程。 -
<refiner>语法:允许用户为精炼/放大阶段添加自定义提示或LoRA,提供了更精细的质量控制。 -
区域提示增强:
<region:...>块现在支持包含<lora:...>,为局部区域控制提供了更多可能性。
系统架构与性能优化
0.9.6版本在底层架构上进行了多项改进:
-
Windows平台优化:详细文档说明了如何在Windows上使用Triton、Torch.Compile和SageAttention等高级功能,提升了Windows用户的体验。
-
多用户账户系统预览:虽然仍在测试阶段,但已经可以体验多用户功能,为未来共享实例奠定了基础。
-
模型加载优化:新增了
ModelLoadOrderPreference设置,当使用多个后端时,可以自定义模型加载的优先级。 -
Python 3.12支持:新安装的Swarm默认使用Python 3.12,带来更好的性能和兼容性。
视频处理功能增强
针对视频创作工作流,0.9.6版本增加了多项实用功能:
-
新的导出格式:增加了
gif-hd和h265-mp4两种高质量视频导出选项。 -
动画WebP支持:现在可以将动画WebP用作初始图像,进行批量生成或文本到视频转换。
-
视频修剪功能:新增
Trim Video Start/End Frames参数,可以自动去除Wan和Hunyuan I2V模型生成视频中常见的边缘问题帧。 -
视频到视频创造力参数:通过
Video2Video Creativity参数,用户可以直接使用图像到视频模型来精炼现有视频。
用户体验改进
0.9.6版本在用户界面和体验方面也有显著提升:
-
模型列表性能优化:即使面对非常大的模型列表,界面也能保持流畅响应。
-
图像元数据显示改进:新增
ImageMetadataFormat用户设置,可以自定义元数据显示方式,并且侧边栏的元数据现在以表格形式呈现。 -
生成控制增强:新增
EnterKeyGenerates设置,允许禁用回车键触发生成的功能,防止意外操作。 -
实例标题设置:通过
instance title配置,可以为共享实例或多个实例添加标识标签。
技术参数与高级功能
针对高级用户和技术开发者,0.9.6版本提供了更多控制选项:
-
多模型文件夹支持:通过
DownloadToRootID设置,可以配置多个模型文件夹并选择下载目标位置。 -
CFG Zero Star支持:新增
Use CFG Zero Star参数,实现了相关论文中的技术。 -
中间结果处理:
DoNotSaveIntermediates内部参数允许输出中间结果但不保存它们。 -
连接超时设置:Swarm-API-Backend现在支持
ConnectionAttemptTimeoutSeconds选项,优化了连接管理。 -
色彩校正行为:新增的
Color Correction Behavior高级参数改进了flux修复的质量。
SwarmUI 0.9.6版本的这些更新显著提升了工具的实用性、灵活性和性能,无论是对于创意工作者还是技术开发者,都提供了更强大的功能和更流畅的体验。项目持续关注前沿AI模型和技术,确保用户能够充分利用最新的生成式AI能力。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00