AI Weekly 015
🆕 更新了什么？
产品更新：
- 现在可以通过直接将 workflow 文件拖拽到 Home 页面的方式进行导入 workflow。
- 支持显示更多报错信息。
- 优化了部分 UI 以及国际化文案。
- 修复了一些已知的 bug：
- 修复 Win 版本无法读取系统 Proxy 的问题。
- 修复了 Win 版本安装插件时有概率无法重启 ComfyUI 的问题。
- 修复点击 run 按钮后，cancel 按钮有概率不出现的问题。
- 修复了导入 workflow 文件后，应用白屏的问题。
- 修复了部分导入的兼容性问题。
下载链接：Comflowyspace (opens in a new tab)
🤩 每周 AI 精选
🏗️ 值得尝试的插件
comfyui-portrait-master (opens in a new tab)
这个节点可以帮助 AI 图像创作者生成人物肖像，你能更好的精细控制生成的肖像特征，比如体重、五官、表情、发型、皮肤等细节。它还能控制光线类型和方向，改进照片真实感。
ComfyUI-VideoHelperSuite (opens in a new tab)
这是一个与视频工作流程相关的插件，它提供了一些视频编辑的节点，如通将多个视频进行合并，给视频加载音频等，帮助用户更高效地完成视频制作。如果你想用 ComfyUI 生成视频，这个插件是一个不错的选择。
comfy_mtb (opens in a new tab)
这个插件可以实现图像的动态虚假变形，裁剪图像、色彩校正，背景去除、颜色调整和纹理生成等功能，以及一些可选的高级节点，如面部检测和图像插值。如果你想要实现高级图像处理和动画效果，这个节点包能让你的工作更加高效和专业。
📄 值得关注的论文 & 技术
MagicTime (opens in a new tab)
MagicTime 是一个变质延时视频生成模型，它能从延时视频中学习现实世界的物理知识并实现变质生成，使其能够生成一系列风格各异、文本同步且画面连贯的高质量变质视频。
Ferret-UI (opens in a new tab)
Ferret-UI 是苹果公司打造的多模态大语言模型，能够深度理解和精准交互移动用户界面。该模型通过“任意分辨率”技术适应不同屏幕，优化细节识别，并增强了模型的推理能力，在基础 UI 任务上声称超越了 GPT-4V 等模型。
Octopus-v2 (opens in a new tab)
Octopus-v2 是斯坦福大学 Nexa AI 团队专为优化 Android API 功能调用而设计的模型。该模型摒弃了传统的检索增强生成（RAG）方法，转而采用创新的功能标记策略，显著提升了推理速度和性能。它能够在移动设备上直接运行，特别适合需要高性能和精确功能调用的场景，如智能家居控制、移动应用开发等。
Transformer-Lite (opens in a new tab)
Transformer-Lite 是一款由 OPPO AI Center 研发的移动端推理引擎，专为在智能手机 GPU 上高效运行大型语言模型而设计。它通过动态形状推理、操作优化、FP4 量化等技术，显著提高了模型的推理速度，减少了手机延迟。这款引擎兼容主流处理器，相较于其他解决方案，它在预填充和解码速度上实现了显著提升（下图为 Transformer-Lite 基于不同处理器的预填充和解码速度对比），为用户提供了更快捷的智能助手、文本翻译和多模态交互等 AI 服务。
🛠️ 值得尝试的产品
Facet AI 专注于实时图像生成和编辑，通过区域提示词精确控制图像元素和个性化定制的能力，简化了复杂提示的编写，适合广告和专业图像制作。与 ComfyUI 需要更加多样化的节点包相比，Facet AI 简化了图像处理的方式，唯一美中不足的是作为基础的大模型训练程度不够，对细节的呈现质量还比较低，生成的图片可以用作其它 AIGC 的垫图。
Hand Talk (opens in a new tab)
Hand Talk 能够将语音或文本转换为美国手语（ASL）或巴西手语（Libras），促进了听障人士与社会的沟通。这款应用荣获联合国认可的“最佳社交应用”。目前，这个平台拥有的用户已累计翻译了近 20 亿个单词，并且还提供了一个互动学习平台帮助用户掌握手语技能。
Lixel CyberColor (opens in a new tab)
Lixel CyberColor (LCC) 能够自动生成电影级别的 3D 场景。它利用 Multi-SLAM 和高斯溅射技术精确捕捉并复现真实世界的细节。为用户提供无限广阔的创作空间，能够成为虚拟现实、游戏开发、电影制作或视觉媒体等制作者的理想选择。
