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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0305- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









