首页/新闻资讯/正文详情

StoryDiffusion 3 步跑通:AI 故事图生成,让漫画主角不再变脸

发布时间:2026/9/24 16:09:28 来源:云帆数科 栏目:资讯中心
StoryDiffusion 3 步跑通:AI 故事图生成,让漫画主角不再变脸
StoryDiffusion 3 步跑通AI 故事图生成让漫画主角不再变脸【免费下载链接】StoryDiffusionAccepted as [NeurIPS 2024] Spotlight Presentation Paper项目地址: https://gitcode.com/GitHub_Trending/st/StoryDiffusion做漫画或绘本时最常见的翻车场景是同一个主角在每一格里换了张脸读者根本认不出还是不是同一个人。StoryDiffusionStory 图像扩散解决的就是这个问题你输入几段剧情文字它会一次性生成多张主角长相、画风保持一致的故事图还能自动排成带旁白的漫画页。效果速览输入一段读报 → 进森林 → 找到宝藏屋的剧情输出下面这样一整页红发主角从第一格到最后一格始终是同一个人场景、汽车、老虎各自独立成格旁白直接写在画面里。从零跑起来克隆仓库git clone https://gitcode.com/GitHub_Trending/st/StoryDiffusion cd StoryDiffusion建环境并装依赖建议 Python 3.10需要 PyTorch 2.0conda create -n storydiffusion python3.10 -y conda activate storydiffusion pip install -r requirements.txt启动低显存入口README 官方推荐在 24GB 显存的 Tesla A10 30GB 内存上实测可跑预期 20GB 以上显存即可工作python gradio_app_sdxl_specific_id_low_vram.py浏览器会自动打开 Gradio 网页界面一个本地可视化表单不用写代码。首次启动会从 HuggingFace 自动下载模型权重并缓存到data/目录之后就不用再下了。不想跑网页也可以直接打开 Comic_Generation.ipynb按单元格顺序执行。能力逐项拆解角色一致性自注意力多格共用一张脸自注意力是扩散模型里让图像各区域互相参考的机制。StoryDiffusion 在生成时把前面几格主角的特征复制给后面的格子整条序列共用同一张脸。它即插即用热插拔兼容所有 SD1.5 和 SDXL 底模。效果可以直接在上面的漫画页里验证主角穿同一套西装从家中一路走到森林深处。参考图锁脸上传照片定主角在界面里切换到 Using Ref Images上传真人照片支持双人系统用 PhotoMaker 技术把照片长相注入生成结果文字描述里加上触发词img如man img即可。适合我想让我自己/朋友当主角的需求。内置风格模板一键换画风utils/style_template.py 里预置了 9 套风格日本动漫、数字/油画、皮克斯迪士尼 3D、照片写实、美漫、线稿、黑白电影、等距小房间等默认是日本动漫。每套模板自带正负向提示词你只管写剧情不用学提示词。漫画排版自动拼图加旁白选中 Four Pannel 或 Classic Comic Style 后单张分镜会自动拼成一整页漫画并把每行提示词印成对应格子的旁白字体文件在 fonts/Inkfree.ttf。想改旁白文字在提示词行尾加##后面的内容才是旁白。剧情里想插一个没有角色的空镜比如只拍老虎行首写[NC]即可。关键参数怎么选参数作用建议提示词行数前 2~4 行是定脸的角色帧其余行才是剧情帧官方建议至少 5~6 行少于 3 行无法启动一致性模块一致性强度sa32 / sa64控制后面各格参考前面主角的力度0~1默认 0.7角色越容易跑脸调得越高id_length定脸帧的数量默认 2范围 2~4角色特征复杂时调到 3~4另外两个实用项Seed 固定后整组结果可复现方便对比参数采样步数默认 50嫌慢可以降到 30 左右。它适合谁、不适合谁漫画爱好者先出草稿分镜再手动精修省掉逐格重画主角的活。教育工作者给孩子故事、教学演示快速配连贯插图。内容创作者做条漫、图文连载的底稿。不适合需要商业级照片写实且逐像素一致的场景——它的一致性主要体现在插画风格的角色上人脸精度有限另外代码授权为非商用生成内容本身是 Apache-2.0商用项目请注意这条边界。准备好后先打开 update.md 查看更新日志如双人支持、[NC]空镜等改动再按上面的 3 步跑一遍本地 demo从 Japanese Anime 风格开始试最稳妥。【免费下载链接】StoryDiffusionAccepted as [NeurIPS 2024] Spotlight Presentation Paper项目地址: https://gitcode.com/GitHub_Trending/st/StoryDiffusion创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关推荐

教培机构薪酬核算避坑指南|教师课时费自动统计 + 数据溯源方案
教培机构薪酬核算避坑指南|教师课时费自动统计 + 数据溯源方案

前言在文化课教培机构日常运营管理中,教师课时薪酬核算,看起来只是简单的数据统计工作,实则是牵扯教务、财务、授课教师三方的关键业务。 很多中小机构长期依赖 Excel 表格完成课时费统计,随着在读学员增多、课程类型变复杂&#… · 2026/9/24 16:09:28

AI 降噪技术,能否提升全场景远程办公的通话清晰度?
AI 降噪技术,能否提升全场景远程办公的通话清晰度?

居家远程办公、移动外勤办公、线上协作会议早已成为主流办公模式,但环境噪音引发的通话模糊、发言中断、沟通尴尬等问题,持续困扰着广大职场人。很多人购置降噪耳机、开启设备降噪功能后,收获的效果差异极大,核心原因是多数人无法… · 2026/9/24 16:09:22

nerdctl 在 FreeBSD 上的实验性支持:运行 FreeBSD Jail 与 Linux 容器的实战指南
nerdctl 在 FreeBSD 上的实验性支持:运行 FreeBSD Jail 与 Linux 容器的实战指南

nerdctl 在 FreeBSD 上的实验性支持:运行 FreeBSD Jail 与 Linux 容器的实战指南 【免费下载链接】nerdctl contaiNERD CTL - Docker-compatible CLI for containerd, with support for Compose, Rootless, eStargz, OCIcrypt, IPFS, ... 项目地址: https://gitco… · 2026/9/24 16:09:22

Cirq 量子计算实战指南:电路构建、模拟与硬件执行全解析(基于 agentic-awesome-skills 技能文档)
Cirq 量子计算实战指南:电路构建、模拟与硬件执行全解析(基于 agentic-awesome-skills 技能文档)

AI 技能AI 插件 【免费下载链接】agentic-awesome-skills AAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,445 agentic skills. Includes CLI, local MCP, catalog, … · 2026/9/24 16:38:51

Yii 2 配置系统全解析:从配置数组到应用、组件与环境的深度实践
Yii 2 配置系统全解析:从配置数组到应用、组件与环境的深度实践

后端Web框架 【免费下载链接】yii2 Yii 2: The Fast, Secure and Professional PHP Framework 项目地址: https://gitcode.com/gh_mirrors/yi/yii2 点击查看 免费下载 本文以 Yii 2 框架的配置体系为主线,系统讲解配置数组的格式规范、Yii::createObjec… · 2026/9/24 16:38:51

Keystone 6 测试实战:用 getContext + node:test 为 GraphQL API 编写集成测试
Keystone 6 测试实战:用 getContext + node:test 为 GraphQL API 编写集成测试

后端 【免费下载链接】keystone The superpowered headless CMS for Node.js — built with GraphQL and React 项目地址: https://gitcode.com/gh_mirrors/key/keystone 点击查看 免费下载 导读 本指南以仓库中的 examples/testing 示例项目为主线,讲… · 2026/9/24 16:38:45

Dart 分析服务器代码补全(Code Completion)实现指南:从请求处理到候选排序的完整链路
Dart 分析服务器代码补全(Code Completion)实现指南:从请求处理到候选排序的完整链路

Dart 分析服务器代码补全(Code Completion)实现指南:从请求处理到候选排序的完整链路 【免费下载链接】sdk The Dart SDK, including the VM, JS and Wasm compilers, analysis, core libraries, and more. 项目地址: https://gitcode.com/… · 2026/9/24 16:38:45

Whisper Windows 移植版:基于 DirectCompute 的高性能 GPGPU 推理指南
Whisper Windows 移植版:基于 DirectCompute 的高性能 GPGPU 推理指南

人工智能语音音频本地部署桌面应用 【免费下载链接】Whisper High-performance GPGPU inference of OpenAIs Whisper automatic speech recognition (ASR) model 项目地址: https://gitcode.com/gh_mirrors/wh/Whisper 点击查看 免费下载 本指南以仓库根目录 Readm… · 2026/9/24 16:38:45

B码在无人机,电力领域的重要性(B码解码)
B码在无人机,电力领域的重要性(B码解码)

此图来自成都云智优创科技有限公司www.iyzyc.cnRIG-B解码模块简介IRIG-B解码核心板是专门用于对IRIG-B码进行解码的模块,解码后会生成同步秒脉冲,同时从TTL串口输出时间报文,用于对设备进行校时。模块具有处理速度快,输出精度高的… · 2026/9/24 16:38:19

基于YOLOv8的渔船作业监控系统:从环境搭建到边缘部署全流程
基于YOLOv8的渔船作业监控系统:从环境搭建到边缘部署全流程

简介:这是一套面向计算机、人工智能、自动化等专业学生与教师的毕业设计级项目资源,围绕YOLOv8实现渔船作业监控系统,可用于毕设、课程设计、大作业或项目立项演示。压缩包共97个文件,约24.21MB,以70个Python源码文件为… · 2026/9/24 0:00:13

1D-CNN时间序列建模实战:从Conv1d原理到工业落地
1D-CNN时间序列建模实战:从Conv1d原理到工业落地

简介:面向时间序列数据建模的一维卷积神经网络完整实现,适合深度学习入门者及需要快速验证时序模型的研究者,能够从音频、文本、传感器或股价等序列中挖掘局部特征与时间依赖。压缩包体积很小,只有3KB,内含3个Python脚… · 2026/9/24 0:00:26

柔软的L:汉语语流中被忽视的舌肌张力控制
柔软的L:汉语语流中被忽视的舌肌张力控制

1. 这个“L”不是字母表里的L,而是舌尖上的L最近在几个方言群和语音教学社群里,反复看到有人发一句:“也说字母L:柔软的长舌”。初看以为是英语发音课笔记,点开才发现全是方言爱好者、播音系学生、语言康复师甚至戏曲演… · 2026/9/24 0:00:44

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码