by Rain Chu | 7 月 12, 2026 | AI, 圖型處理
Krea2 開始變得有趣，不只是因為它能做漂亮的圖，而是因為它正在被接進 ComfyUI 的節點工作流。當圖像編輯、多圖參考、LoRA、KSampler 和 4K 出圖放在同一張節點圖裡，Krea2 就不只是單次生成工具，而是可以被拆解、調參、複用的內容生產流程。
我會把這次重點整理成三件事。
第一，Krea2 edit LoRA 的 ComfyUI 節點怎麼理解。
第二，私模與社群模型要怎麼分開看。
第三，4K 工作流不是單純放大，而是先控制訓練尺寸，再用 latent 放大與第二次採樣補細節。
Krea2 圖像編輯的真正重點
Krea2 圖像編輯最吸引人的地方，是它把「參考圖」和「提示詞」放到同一個生成條件裡，這比單純丟一張圖做 img2img 更細，因為參考圖可以被視覺編碼器理解，再和 prompt 一起影響模型輸出。
ComfyUI-Krea2-Ostris-Edit 這個節點包就是關鍵之一，它的 README 說明，這套節點是為了執行用 AI Toolkit 訓練的 Krea 2 edit LoRA，安裝方式是放到 ComfyUI 的 `custom_nodes` 目錄，重新啟動後節點會出現在 `ostris/krea2` 類別。
它不是模型本體，而是讓 ComfyUI 能正確吃進 Krea2 edit LoRA 的橋，這點很重要，因為很多人看到節點就以為模型已經包含在裡面，實際上模型、LoRA、節點和工作流是四個不同層次。
多圖參考不是把圖片塞進去就好
Krea2 Ostris Edit 的文字編碼節點可以接受 prompt，也可以接受 `image1` 到 `image3` 這類參考圖。GitHub 說明裡提到，參考圖會透過 Krea2 的 Qwen3-VL text encoder 編碼，並用 Krea 的 conditioning template 加入 `Picture N:` 這類視覺 placeholder。
換句話說，多圖參考的重點不是「圖片有沒有接上節點」，而是參考圖有沒有被正確轉成 conditioning。若接了 VAE，參考圖也會被 VAE 編碼成 reference latents，再交給 model patch 節點使用。這也是為什麼工作流裡會看到 Text Encode、Model Patch、VAE、KSampler 連在一起。
- Text Encode Krea 2 Ostris Edit 負責把 prompt 與參考圖一起編碼
- Krea 2 Ostris Edit Model Patch 讓模型真的消化 reference latents
- 如果文字編碼 checkpoint 沒有 Qwen3-VL vision weights，參考圖就無法被正確編碼
- 如果 conditioning 沒有 reference latents，patch 後的模型會像原本的 Krea2 一樣運作
這也是我會把它歸類為進階 ComfyUI 工作流，而不是單純的模型推薦，若你對節點式 AI 生產平台還不熟，可以先看我整理過的 RunningHub 與 ComfyUI 工作流平台，會比較容易理解為什麼同一個模型放進工作流後，價值會完全不一樣。
私模、社群模型與合規使用要分清楚
這次素材裡有一個很值得注意的提醒：老白訓練的 Krea2 亞洲女性私模不是開源模型，它是投入大量訓練步數與算力成本做出來的商業模型，這類模型能不能商用、能不能轉售、能不能放到平台上提供他人使用，都要看授權條款。
所以我會把工作流和模型分成兩條線來看。工作流可以學，節點可以研究，參數邏輯也值得整理，但私模本身不是「看到連結就能自由拿來用」的資源。若只是想理解 Krea2 工作流，可以先從社群模型、公開節點和 RunningHub 上的示範流程開始。
另外，Krea2 的圖像編輯能力很容易碰到肖像、換裝、仿真與身份一致性問題。越是接近真人或商業素材，越需要確認素材來源、肖像權、授權和平台規範。技術可以做到，不代表每個場景都適合做。
4K 工作流的核心不是暴力放大
這套 4K 思路有一個實用點：先用接近訓練尺寸的長邊出圖，再在 latent 空間放大，最後用第二次採樣補細節。以這次整理的參數來看，長邊 1536 是一個被反覆提到的基準，因為後面還要做倍率放大。
第一個 KSampler 會用比較高的 denoise，例如 `denoise 1`，步數可以抓 8 到 10 步。這一步不是最後成品，而是建立整體構圖與質感。接著在 latent 空間放大，例如 2.5 倍，再進入第二個 KSampler。第二次採樣通常要更保守，避免把第一輪已經穩定的畫面重新打亂。
| 階段 | 用途 | 重點 |
|---|
| 第一輪採樣 | 建立構圖與主要質感 | 可用較高 denoise，步數約 8 到 10 |
| latent 放大 | 把畫面放到更高解析度 | 倍率要配合原始長邊與顯存 |
| 第二輪採樣 | 補細節與穩定質感 | 採樣器與 denoise 要保守，避免重新洗圖 |
這個思路和傳統 Stable Diffusion 的高解析修復很像，但放到 Krea2 和 LoRA 組合後，更需要注意模型本身的訓練尺寸與美學方向。你如果常玩本機模型部署，也可以對照我之前寫的 ComfyUI 本機部署 AI 繪圖模型，兩者都在處理「模型能力」和「工作流控制」之間的平衡。
LoRA 權重不是越高越好
這次工作流裡多次出現 LoRA 疊加。單獨使用某個風格 LoRA 時，權重可以先從 0.8 附近測。若兩個 LoRA 一起用，總權重抓在 0.9 到 1.0 比較容易控制，例如一個 0.5，另一個 0.4。
這不是死規則，而是避免模型過度偏移的起點。Krea2 本身的細節與光影已經很強，LoRA 的目的應該是加強風格或概念，而不是把底模原本的結構感整個蓋掉。若出現臉部變形、姿勢不穩、材質變髒，第一個要檢查的通常不是 prompt，而是 LoRA 權重和第二輪採樣是否太激進。
Krea2 工作流適合誰
我覺得 Krea2 這類流程比較適合三種人。第一種是已經熟悉 ComfyUI，想要把參考圖、LoRA、放大與後處理串成固定模板的人。第二種是需要穩定產出社群圖像、封面、人像素材或商品視覺的人。第三種是想研究圖像編輯模型訓練方向的人，因為 Krea2 edit LoRA 的節點設計能看出參考圖 conditioning 的實作脈絡。
如果只是偶爾修圖，可能用線上工具會比較快。如果要長期做工作流、批量產圖、測 LoRA 權重，ComfyUI 仍然比較有彈性。也可以用 AIX Studio 這類 AI 繪圖平台 做比較，看看自己需要的是封裝好的產品，還是可拆解的節點流程。
實作前可以先檢查這幾件事
- 確認 Krea2 模型與 LoRA 來源，尤其是授權和商用限制
- 安裝 ComfyUI-Krea2-Ostris-Edit 節點後再重啟 ComfyUI
- 確認 text encoder checkpoint 含有 Qwen3-VL vision weights
- 多圖參考要檢查 VAE reference latent 是否真的接進 conditioning
- 第一輪採樣先穩構圖，第二輪採樣再補細節
- LoRA 疊加時總權重不要一開始就拉太高
- 真人、換裝、仿真、商業圖像要先確認合規與授權
若你想直接在線上試工作流，可以看 RunningHub 的 Krea2 Realism Engineer v2 工作流頁面。若人在海外，RunningHub 也有海外站。這類平台的好處是不用先處理本地顯卡和節點衝突，但缺點是工作流可控性和資料隱私要自己評估。
結論
Krea2 圖像編輯真正值得看的，不只是單張效果圖，而是它如何被拆成 ComfyUI 裡的節點、conditioning、model patch、LoRA 權重和雙採樣流程。這讓它從「好看的模型」變成「可調整的生產系統」。
我的建議是先從公開節點和可取得的工作流開始，把參考圖進 conditioning 的路徑搞懂，再去看私模或商業模型是否值得投入。尤其是人像與商業素材，合規使用要放在技術嘗試前面。能生成不是終點，能穩定、可控、可授權地生成，才是 Krea2 工作流真正能落地的地方。
延伸資源
by Rain Chu | 6 月 6, 2026 | AI, 圖型處理
2026 年最受矚目的 AI 繪圖模型之一，莫過於 Ideogram 團隊正式釋出的：
Ideogram 4
這是 Ideogram 首次公開模型權重（Open Weight），也是目前開源陣營中，在：
- 文字生成（Text Rendering）
- 海報設計
- 品牌廣告
- 排版控制
- JSON 結構化提示詞
官方資料顯示，Ideogram 4 採用 9.3B 參數的單流 Diffusion Transformer（DiT）架構，並支援原生 2K 圖像生成。
本篇將帶你使用 ComfyUI，在本機部署 Ideogram 4。
系統需求
官方模型共有兩個版本：
| 版本 | 量化 |
|---|
| Ideogram 4 FP8 | 品質最佳 |
| Ideogram 4 NF4 | VRAM需求較低 |
目前 ComfyUI 官方整合版本主要使用：
其中 FP8 畫質最佳。
第一步：下載模型
ComfyUI 專用模型
官方：
Comfy-Org Ideogram-4
原始模型：
Ideogram 4 FP8 官方模型
第二步：放置模型檔案
依照官方說明建立目錄。
ComfyUI
│
├─ models
│ ├─ diffusion_models
│ │ ├─ ideogram4_fp8_scaled.safetensors
│ │ └─ ideogram4_unconditional_fp8_scaled.safetensors
│ │
│ ├─ text_encoders
│ │ └─ qwen3vl_8b_fp8_scaled.safetensors
│ │
│ └─ vae
│ └─ flux2-vae.safetensors
第三步：了解每個模型用途
ideogram4_fp8_scaled
主模型
負責：
ideogram4_unconditional_fp8_scaled
CFG 引導模型
負責：
- 提升細節
- 強化 Prompt Follow
- 改善品質
官方建議兩個模型一起使用。若只載入主模型雖可運作，但畫質會下降。
qwen3vl_8b_fp8_scaled
文字編碼器
負責：
- Prompt 理解
- JSON 理解
- 空間推理
- 海報版面配置
flux2-vae
VAE 解碼器
負責將 Latent 轉換成圖片。
第四步：更新 ComfyUI
Ideogram 4 需要最新版本的 ComfyUI。
更新方式：
或：
官方於 Day-0 即已原生支援 Ideogram 4。
第五步：載入官方 Workflow
ComfyUI 官方已提供範例工作流。
建議直接從：
Comfy Blog
下載 Workflow。
基礎工作流架構
Prompt
↓
Qwen3-VL Encoder
↓
Ideogram 4
↓
Sampler
↓
Flux VAE Decode
↓
Save Image
第六步：第一張圖片
測試 Prompt：
A futuristic cyberpunk city at night,
neon signs in Chinese,
cinematic lighting,
ultra detailed,
high contrast,
8k photography
生成尺寸：
推理模式：
第七步：體驗 JSON Prompt
Ideogram 4 最大特色就是：
Structured JSON Prompt
官方模型訓練時即使用 JSON Caption。
範例：海報設計
{
"scene_summary": "Professional technology conference poster",
"background": {
"description": "Modern convention center stage with blue ambient lighting, large LED screen, clean professional environment"
},
"style": {
"description": "Corporate marketing design, professional conference poster, clean typography, premium branding, modern layout"
},
"objects": [
{
"description": "Conference stage",
"bbox": [100, 150, 900, 850],
"colors": ["#0A2540", "#1E88E5", "#FFFFFF"]
}
],
"text_elements": [
{
"text": "AI SUMMIT 2026",
"bbox": [150, 120, 850, 260],
"style": "Large bold white sans-serif title"
},
{
"text": "Future of Artificial Intelligence",
"bbox": [180, 280, 820, 350],
"style": "Medium white subtitle"
},
{
"text": "Taipei International Conference Center",
"bbox": [180, 1050, 820, 1120],
"style": "Small white footer text"
}
]
}
Bounding Box 控制
可直接指定位置。
{
"text_elements":[
{
"text":"SALE 50%",
"bbox":[100,100,500,300]
}
]
}座標範圍：
原點：
這是目前 FLUX 與 Stable Diffusion 所不具備的能力。
色彩盤控制
品牌設計超級好用。
{
"color_palette":[
"#FF6600",
"#FFFFFF",
"#000000"
]
}官方支援：
與 FLUX 比較
FLUX 強項
Ideogram 4 強項
- Logo
- 海報
- Banner
- 電商素材
- 排版設計
- 中文文字生成
若你是：
Ideogram 4 很可能比 FLUX 更適合。
結論
Ideogram 4 不只是另一個 AI 繪圖模型。
它最大的創新在於：
把 Prompt 從自然語言升級為結構化設計規格。
透過：
- Qwen3-VL
- Diffusion Transformer
- JSON Prompt
- Bounding Box
- Color Palette
使用者終於可以像操作 Figma 一樣控制 AI 生成內容。
對於需要：
- 海報設計
- 品牌素材
- Banner 製作
- AI Agent 自動產圖
的開發者來說，Ideogram 4 是目前最值得研究與部署的開源模型之一。
by Rain Chu | 6 月 6, 2026 | AI, 繪圖
AI 圖像生成正式進入「設計級控制」時代
近兩年 AI 繪圖領域競爭激烈，從 Midjourney、Stable Diffusion、FLUX，到 Google Imagen，各家模型都在追求更好的畫質與更精準的提示詞理解能力。
真正困擾設計師與企業用戶的問題其實不是畫質，而是以下的問題：
- 文字總是生成錯誤
- 排版無法控制
- Logo 與標題位置不準確
- 無法符合品牌色彩規範
- 每次生成結果都像在「抽卡」
2026 年 6 月，Ideogram 正式推出最新開源模型：
Ideogram 4.0
這不僅是 Ideogram 首次公開權重（Open Weight）模型，更被許多開發者視為目前最接近商業設計工作流程的 AI 圖像生成系統。
什麼是 Ideogram 4.0？
Ideogram 4.0 是一款從零開始訓練的 AI 圖像生成模型，採用最新的：
Diffusion Transformer（DiT）架構
與傳統 Stable Diffusion 不同，Ideogram 4.0 使用：
- 34 層 Transformer
- 93 億參數（9.3B）
- 單流（Single Stream）設計
- 文字 Token 與影像 Token 共用同一套注意力機制
官方稱其為：
Single-Stream Diffusion Transformer（DiT）
這種架構讓模型能更深入理解文字與影像之間的關聯，提高提示詞遵循能力（Prompt Adherence）與版面控制能力。
核心架構解析
1. 文字編碼器（Text Encoder）
Ideogram 4.0 並未使用傳統的 CLIP 或 T5 「文字編碼器（Text Encoder）」。
而是採用了：
Qwen3-VL-8B-Instruct
作為文字理解引擎。
其特色包括：
- 視覺語言模型（Vision Language Model）
- 僅使用文字模式
- 提取 13 個中間層隱藏狀態
- 將多層特徵串接後輸入 DiT
這種設計能同時保留：
讓模型對複雜提示詞有更深層的理解能力。
2. DiT 主幹網路
Ideogram 4.0 採用：
- 34 Layers
- Embedding Dimension：4608
- 18 Attention Heads
- SwiGLU Feed Forward
總參數量達：
9.3 Billion Parameters
目前已是開源 AI 繪圖模型中最頂尖的規模之一。
3. VAE 解碼器
使用凍結（Frozen）的：
KL VAE
特性：
- 8× 空間壓縮
- 128 Latent Channels
負責將潛在空間（Latent Space）轉換為最終圖像。
4. Flow Matching 取樣器
不同於傳統 DDPM。
Ideogram 4.0 採用：
Euler Flow Matching
搭配：
Asymmetric CFG
特色：
- 提升生成效率
- 改善細節品質
- 更穩定的提示詞遵循能力
官方提供三種推理模式：
| 模式 | Steps |
|---|
| V4_TURBO | 12 |
| V4_DEFAULT | 20 |
| V4_QUALITY | 48 |
品質模式會在最後階段降低引導強度，進一步提升真實感。
最大突破：JSON 結構化提示詞
這是 Ideogram 4.0 最具革命性的地方。
過去 AI 繪圖都依賴自然語言：
A beautiful girl standing beside a lake...
Ideogram 4.0 則改為：
{ "background": "...", "objects": [...], "texts": [...], "style": {...}}模型訓練時完全使用 JSON 描述，因此天生理解結構化資訊。
Bounding Box 精準版面控制
支援 Bounding Box：
{ "bbox": [100,100,400,400]}採用：
可直接指定：
這是過去 Midjourney、Stable Diffusion 很難做到的功能。
色彩盤控制（Color Palette）
可直接指定品牌色：
{ "colour_palette": [ "#FF6600", "#FFFFFF", "#000000" ]}限制：
非常適合：
多語言文字生成能力大幅提升
Ideogram 一直以來最強的能力就是：
Text Rendering
也就是圖片內文字生成。
例如：
以往 AI 經常出現亂碼。
但 Ideogram 4.0 已能大幅提升：
等多語系文字品質。
原生支援 2K 輸出
解析度支援：
- 最小：256 × 256
- 最大：2048 × 2048
且：
例如：
- YouTube Banner
- 網站橫幅
- 電商主圖
- 手機桌布
皆可直接生成。
設計工作流功能全面升級
除了模型本身之外，Ideogram 平台也同步推出多項設計工具：
Prompt Edit
直接修改既有圖片中的特定區域。
Magic Fill
局部重繪。
Remix
基於現有圖片重新生成。
Extend / Reframe
擴展畫布與調整比例。
Upscale
提高解析度。
Transparent Background
直接輸出透明背景 PNG。
MCP 整合
可接入 AI Agent 工作流程。
Editable Text Layers
未來將支援真正可編輯的文字圖層功能。
Ideogram 4.0 與 Google Imagen 誰更強？
若比較：
- Google Imagen
- FLUX
- Stable Diffusion
- Ideogram 4.0
目前 Ideogram 最大優勢在於：
✅ 文字生成能力
✅ 排版控制能力
✅ JSON 結構化設計流程
✅ 開源權重
✅ 可自行部署
而 Google Imagen 仍在：
方面維持優勢。
若是企業設計工作流，Ideogram 4.0 已經是極具競爭力的選擇。
官方資源
官方網站
Ideogram 官方網站
模型介紹
Ideogram 4.0 Model Page
技術部落格
Ideogram 4.0 Technical Details
API 文件
Ideogram Developer API
GitHub
Ideogram 4 GitHub Repository
Hugging Face
Ideogram 4 Hugging Face Collection
Ideogram 4.0 不只是另一個 AI 繪圖模型。
它最大的突破在於：
把 AI 繪圖從「描述圖片」提升到「設計圖片」。
透過：
- Diffusion Transformer（DiT）
- Qwen3-VL 編碼器
- JSON Prompt
- Bounding Box 控制
- 色彩盤控制
- 可編輯文字圖層
Ideogram 4.0 正逐步接近 Photoshop、Illustrator 與 Figma 所代表的專業設計工作流程。
對於品牌設計、電商素材、廣告製作與 AI Agent 自動化內容生成來說，Ideogram 4.0 很可能會成為 2026 年最值得關注的開源 AI 圖像生成模型之一
by rainchu | 12 月 18, 2025 | AI, 圖型處理, 影片製作
眾多 AI 創作平台之中，Liblib 憑藉其高度整合的功能、生態完整度以及對中文使用者的極致友善設計，迅速成為中國最領先的 AI 創作平台之一。
一站式 AI 影像與視頻創作平台
Liblib 不僅僅是一個圖片生成網站，而是一個超級齊全的 AI 創作平台，涵蓋：
- AI 圖片生成
- AI 視頻特效與動畫
- 模型管理與分享
- 視覺化工作流（Workflow）
- LoRA 訓練與應用
透過雲端化的設計，使用者無需自行架設環境，即可直接在瀏覽器中使用高階 AI 生成能力。
深度整合 WebUI 與 ComfyUI
對於熟悉 Stable Diffusion 生態的使用者而言，Liblib 最大的優勢之一，在於它同時支援：
- WebUI：操作直覺、上手快速，適合大多數創作者
- ComfyUI：節點式工作流，適合進階用戶進行複雜控制與自動化生成
這種雙軌並行的設計，讓初學者與專業用戶都能在同一平台中找到最適合自己的創作方式。
強大的 LoRA 訓練能力
Liblib 在 LoRA 訓練方面表現尤為突出，提供完整且視覺化的訓練流程：
- 上傳資料集即可開始訓練
- 支援多種風格與角色 LoRA
- 訓練完成後可直接套用於生成
- 社群分享與模型市集機制
這讓創作者能快速打造專屬風格模型，大幅降低 AI 模型訓練的門檻。
中文使用者極度友善
相較於許多國外 AI 平台對中文支援不足，Liblib 在以下方面明顯優於同類產品：
- 完整繁體與簡體中文介面
- 中文 Prompt 理解度高
- 中文模型與 LoRA 資源豐富
- 適合華語創作者的社群內容
對中文內容創作者來說，這是一個真正「為中文而生」的 AI 創作平台。
工作流與創作效率全面升級
Liblib 內建的 工作流系統（Workflow），讓使用者可以：
- 將複雜生成流程模組化
- 重複使用高品質生成邏輯
- 快速套用他人分享的創作流程
- 大幅提升商業與批量創作效率
這對於需要大量產出視覺內容的團隊與個人創作者而言，是極具價值的功能。
為什麼 Liblib 是中國最領先的 AI 創作平台？
綜合來看，Liblib 的核心優勢包括：
- ✅ 視頻特效 + 圖片模型完整整合
- ✅ WebUI 與 ComfyUI 同時支援
- ✅ 強大且易用的 LoRA 訓練
- ✅ 中文高度友善，資源豐富
- ✅ 從新手到專業用戶皆適用
這不僅是一個工具，更是一個完整的 AI 創作生態系。
官方網站
👉 Liblib 官方平台
https://www.liblib.art/
by rainchu | 12 月 3, 2024 | AI, 圖型處理
TryOffDiff：開創虛擬脫衣的新方向
在電子商務與生成式模型的發展中，虛擬試穿（Virtual Try-On, VTON）技術早已佔據重要一席之地，讓用戶能在數位環境中模擬穿戴效果，但一項新興的任務——虛擬脫衣（Virtual Try-Off, VTOFF）正在改變我們對電子商務中的服裝數位化處理的理解。
什麼是 VTOFF？
虛擬脫衣（VTOFF）是可以從穿著者的單張照片中提取標準化的服裝影像，而不是僅僅模擬服裝穿著的效果，最大的好處是幫助你快速分離模特兒身上的衣服，VTOFF 的挑戰在於，如何準確捕捉服裝的形狀、材質與細節紋理，同時去除穿著者的影響，生成一個純粹且高還原度的服裝影像。
這項任務的核心價值在於：
- 提供標準化的服裝圖像，有助於電子商務中的產品展示。
- 評估生成式模型的重建能力，成為模型研究與改進的重要工具。
試用 VTOFF
TryOffDiff：專為 VTOFF 打造的生成模型
針對 VTOFF 的挑戰，TryOffDiff 模型應運而生。這是一種基於 Stable Diffusion 的生成架構，結合了 SigLIP 視覺條件技術，確保高還原度與細節保留。與傳統的虛擬試穿和姿態轉移技術相比，TryOffDiff 擁有以下優勢：
- 重建品質卓越：TryOffDiff 在處理服裝紋理、複雜細節以及準確的形狀表現上表現突出。
- 簡化處理流程：不需要繁瑣的前處理與後處理步驟，顯著提高效率。
- 改進的評估方法：傳統影像生成指標難以準確衡量重建品質，TryOffDiff 使用 DISTS（Deep Image Structure and Texture Similarity） 作為評估標準，提供更可靠的結果分析。
實驗成果與應用前景
TryOffDiff 的實驗基於改進版的 VITON-HD 資料集進行，結果顯示其重建表現超越現有基準方法。特別是在以下領域：
- 電子商務：幫助商家輕鬆生成標準化產品影像，提升顧客的購物體驗。
- 生成式模型評估：作為生成模型評估的重要參考，推動更高還原度的技術研究。
- 未來發展：激發針對高品質影像重建的新技術創新。
參考資料
近期留言