优云智算镜像社区 - 海量AI模型一键部署

ClawdBot模型，支持飞书、Telegram接入，支持优云智算模型API

支持图片数字人、视频数字人、双人数字人，支持说话+唱歌对口型、长视频、完整歌曲生成、批量生成、高清放大！

LiveTalking镜像提供实时交互数字人解决方案，支持ERNerf、MuseTalk、Wav2Lip，实现单张人脸照片驱动的超低延迟（<100ms）唇形同步、表情及头部运动控制。

本整合包将整合So-Vits-SVC4.1、DDSP-SVC-6.3/6.1/6.0、ReFlow-VAE-SVC多种SVC模型训练及推理

LTX-2-RapID-GGUF-图生视频-无限时长

LTX-2-RapID-GGUF-图片数字人-无限时长

从0到1，理解vllm的核心内容。包含注释讲解和使用实例，使用教程。帮助大家学习vllm

InfiniteTalk数字人最新官方更新,上下文循环,一致性和速度优化,4步采样,高清放大,批量任务队列,基于comfyui,工作流

震惊！LTX-2开源视频模型，人人都能当导演？牛哥一键整合免费AI创作神器！

Sora2API：一个将sora账号转为API服务接口的免费开源系统

数字人-语音克隆-wan2.2视频换人换装-Qwen-Image-Edit2511整合包

LightOn-OCR-1B,图片和PDF文字提取,图文混排,实时生成MarkDown文档,MarkDown文档下载,支持PDF全量解析

此版本内置 （Wan2.2\Flux\Kontext)系列的全部基础模型及工作流

本镜像专为AI语音直播项目打造，也可以直接在线推理webui使用，集成IndexTTS-2/VoxCPM1.5/Qwen3TTS, 支持API调用，直播带货，在线克隆，语气语调自然，音色还原度高

Qwen3-TTS-AllinOne,多音字控制,英文数字发音纠正,批量任务,音色保存,接口API调用,支持超长文本,语速调节,文字转语音,TTS

多功能配音镜像,融合 indextts2.qwen3-tts音色克隆 HeartMuLa音乐生成,支持多角色配音、文本创音色、一键克隆、音乐一键生成，还有 AI 角色分配.基础音色库及多语言.方言配音

最全图片编辑模型大全-qwen2511多角度工作流-flux2-klein-9b全图片编辑模型-z-image-base图片生成模型

Z-Image-Base的Lora训练同时支持FluxKlein-AI-TOOLKIT

支持主流模型lora训练

AI图片ZImage模型训练，一键启动WebUI、无需配置

ZImage Nunchaku版本，已经配置好nunchaku环境，可以直接启动使用comfyui+nunchaku zimage出图

支持LTX-2 scail wan2.2系列

自用！Comfyui2月最新整合包，含最新klein、Z-image全系、WAN全系、LTX2.0等

2026最新ComfyUI整合包_图片·视频·声音

Z-Image-Base,35步采样,文生图,图生图,自动提示词,批量任务

一张照片制作一个角色一致性lora训练数据集

Z-Image是一个拥有6B参数的强大且高效的图像生成模型。

超强AI语音生成，Qwen3-TTS整合包合集！超强音色克隆、音色设计、情绪控制，支持音色保存、多音字、超长文本生成。支持批量上传多个文件生成！

阿里开源的Z-Image系列模型

DeepSeek-OCR 2 是 DeepSeek 团队开源的新一代 OCR 模型，该模型能够像人类一样带着逻辑去阅读文档。

内置多种基础模型，快速开启comfyui体验

Aitoolkit汉化版，自适应UI方便手机端查看训练进度

Huobao Drama 是一个基于 AI 的短剧自动化生产平台，实现从剧本生成、角色设计、分镜制作到视频合成的全流程自动化

镜像打通HeartMuLa音乐、Qwen3-TTS音色克隆、InfiniteTalk/LongCat长对话数字人与LTX2视频：写歌配音→照片开口→长时稳成片。

Flux.2-Klein-9B-GGUF,局部重绘,文生图,图像编辑,多图编辑,自动提示词,批量任务，支持最新50系和计算卡

阿里千问开源的最新语音类模型，显存占用小，生成速度快，支持10种主流语言。

AutoAnimation短剧漫剧自动化工具及配套ComfyUI包含ZImage、flux2-kelin、qwenedit2511、wan2.2、qwen-tts、index-tts

HeartMuLa-HL,支持中文提示词,无须标签式歌词,更自然的AI歌曲生成,开源版Suno

基于HeartMula和Qwen3TTS的歌曲生成与语音设计

Flux.Klein模型Lora训练AI-Toolkit

Qwen3-TTS-0.6B,推理速度1比0.5,音色保存,接口API调用,支持超长文本,支持50系显卡,语速调节,音频超分降噪,接入开源阅读,文字转语音,TTS

Qwen3-TTS-语音克隆工作流合集

Qwen3-TTS捏声音自定义声音tts语音克隆语音克隆声音flash_attn加速版Comfyui工作流版 构建by科哥

Qwen3-TTS-1.7B,Flash-Attn加速,音色保存,接口API调用,支持超长文本,语速调节,音频超分降噪,接入开源阅读,文字转语音,TTS

LightOnOCR-2高效的1B参数视觉语言模型用于OCR识别pdf转文本jpg转文本图片转文本 二次开发构建by科哥

LTX2模型Lora训练AI-Toolkit

LiveTalking + GPT-SOVITS V2 + Ollama + FunASR 洛曦AI定制版，实时语音对话数字人 + 直播版数字人

HeartMuLa,AI歌曲生成,开源版Suno

HeartMula根据歌词生成音乐，根据画面生成音效

GLM-4.7-Flash

微软开源VibeVoice ASR TTS集合webui语音到文本 文本到语音模型 二次卡发构建by科哥

最新视频替换人物，MoCha-Preview 整合包，支持视频替换人物，卡通动漫效果更佳，支持添加批量任务, 支持高清修复

智普开源GLM-4.7-Flash GGUF推理服务编程文本大模型API+webui开发构建by科哥

基于AI Toolkit，内置4090、48G及5090专属精调预设。告别复杂调参，只需加载对应JSON文件，即可解锁硬件最优性能，零门槛获得专家级训练方案。

V23版本的全面升级情感控制更好

NovaSR一个开源的音频超分辨率模型低音质转高清音质声音修复模型 webui开发构建by科哥

sinong南京农业大学开源面向通用农业领域的垂直8B32B全离线模型 webui开发构建by科哥

谷歌最新开源MedGemma医学AI助手 问诊问病例查看CT拍片x光拍片病理答疑问 webui开发构建by科哥

智谱开源图像生成和编辑模型

sora2视频二次高清工作流视频高清修复flashvsr工作流Comfyui工作流 构建by科哥

超强AI图片编辑，QwenEdit-2511合集，单图/双图编辑, 超强人脸一致性，精准涂抹编辑、无色差/位移，一键生成24张姿势图、九宫格分镜

黑森林团队开源的FLUX2-Klein多功能模型，生成速度快，编辑能力强！

谷歌最新翻译模型TranslateGemma支持全世界50多种语言的翻译文本多语言翻译 二次webui开发 构建by科哥

BananaMall一个 AI 驱动的电商详情页生成的ai工具结合谷歌nano banana谷歌香蕉模型 开发构建by科哥

全能图片生成与编辑

YOLO26

Alpamayo 1 是一个预训练推理模型，旨在加速自动驾驶（AV）领域的研发。

NotaGen基于 LLM 范式的高音乐性古典符号化音乐生成模型 二次开发构建by科哥

基于lightx2v框架加速的视频、图片生成服务，快速生成视频图片，基于模型wan2.2、qwen-image、z-image

本镜像高度集成 Wan 2.2 视频生成环境，预装社区领先四套核心工作流，融合 DaSiWa 高保真与 Remix 逻辑优化，提供一站式 T2V 文生视频与 I2V 图生视频解决方案。

双官方流程全覆盖：同时支持 ComfyUI 官方 LTX 工作流示例 + Lightricks 官方 ComfyUI-LTXVideo 自定义节点与全部示例工作流

voice pro给视频做多语言配音翻译克隆特定视频声音 直译视频声音本地化 汉化构建by科哥

LTX2官方训练器的lora训练支持，内置模型t2v，小白可以一键运行，也可以根据官方文档进行进阶操作

ltx-2全能lora运镜comfyui工作流文生视频图生视频一键运行 构建by科哥

阿里通义千问开源最强图像模型，强大的文字渲染能力，强大的图像编辑能力

实现将ai视频生成速度提升百倍！基于wan2.1，wan2.2

nano banana谷歌香蕉在线绘画在线改图修改图片模型香蕉模型

【音谷官方】音谷对应的API

基于wangp的LTX-2，WebUI版

开源版Veo3！LTX2-视频生成合集，文生视频、图生视频、视频人物配音+口型同步、直出1080P，高清细节放大、提示词增强、支持线条+深度+姿势控制！

LTX-2 是由 Lightricks 开源的 DiT 架构音频-视频基础模型，核心特点是：在同一个模型里同步生成视频与音频，超强提示词理解，支持多镜头脚本，关键词自动匹配视频风格，一键AI成片！

Voice Sculptor捏声音基于LLaSA和CosyVoice2的指令化语音合成语音模型 二次开发构建by科哥

LTX-2.0音画同步视频生成

Comfy二次元跑图生视频DaSiWa和vace跳舞

SenseVoice多语言语音识别情感识别系统 二次开发构建by科哥

音频声音识别系统

可从复杂的音频混合中分离出特定的声音

基于UNet模型抠图批量抠图 webUI一键抠图 构建by科哥

整合26年最新版本ComfyUI，已下载好常用图像模型，修改端口到7860方便管理界面一键启动

最强AI生成长视频，Wan2.2-SVI2Pro整合包！一次性生成一分钟视频，一次性生成30s分镜视频！

长视频系列升级 不仅仅是SVI2 pro 长视频、LongCat数字人

Qwen 2512的Lora训练，内置模型，一键训练AI-Toolkit

banana-slides基于谷歌人工智能ai制作幻灯片ai制作ppt制作幻灯片 构建by科哥

集成千问图像2512模型+QwenVL3图像视频反推API+最强放大SeedVR2多合一工作流，Comfyui-v0.7.0

magic-tryon图片视频虚拟试装换装模特换衣

sora2文生视频图生视频工作流comfyui无卡模式在线sora使用独一份

图文创作神器一句话一张图片生成小红书图文

需要80gb显存运行该项目

内含deepmd机器学习力场训练水分子，gromacs调用运行例子

内含ch4简单例子，也可用来训练自己的模型，3080ti版本

HY-Motion1.0腾讯混元开源的文本到3D动作生成模型 汉化构建by科哥

wan2.1-scail动作迁移

这是一个集成了 Qwen-Image-Edit-2511模型与 AI Toolkit 训练框架的预配置环境，旨在支持用户高效微调出具备精准图像编辑、风格迁移及多主体一致性能力的定制化 LoRA 模型。

支持23个国家的语言声音克隆

字节跳动、北京交通大学联合推出的端到端唇形同步框架。Latent Sync利用稳定扩散和TREPA的力量，为动态和逼真的视频生成提供精确的高分辨率唇形同步。

SDXL及系列衍生模型训练，内置WD打标编辑，任意C站模型导入，小白也能轻松上手，AI-Toolkit

高质量文生图、图生视频。只适配40系显卡

StoryMem基于wan2.2逐镜脚本生成高连贯电影级1分钟多镜头叙事视频 二次开发构建by科哥

此版本镜像，5090、4090、3090、3080Ti等系列显卡可用，P40显卡不可用

ComfyUI学习版镜像_torch-2.7.1，高性价比镜像，可开P40显卡，5090显卡勿用，会报错

qwen-image工作流合集

语音合成模型+训练lora训练器

Qwen-2511和Z图像的Lora训练AI-TOOLKIT

将任意视频一键转第一人称视角视频

2s出图，超级快。注意！本镜像需要部署在50系列显卡上。

单图片转换动画视频数字人视频动作模仿器

实时数字人系统，直播室直接生成分身，低延迟

图片编辑模型 一致性更加好 中文支持更好

Doc的打标器，支持 Qwen3vl及 API 调用

超强AI音色克隆，VoxCPM-V1.5，支持超长文本生成、批量生成，支持音色保存、多音字修改、语速调节，速度超快！

一键训练SVC模型，支持上传压缩干声文件，训练完成发送提醒，一键清空训练环境，追求的就是高效率

ComfyUI2025.12整合包

ComfyUI云端整合包2512 支持Z-Image 混元1.5，新增到63个插件，带文件管理系统

内含我所有自制的comfyui节点和工作流，轻松使用nanobananapro和Sora2

一个基于Wan2GP的图像编辑与动作迁移视频生成的WebUI项目

这是一个超快的AI视频生成工具，1分钟就能把图片变成短视频，速度是普通AI的200倍。

该镜像集成开源高性能分子动力学模拟软件，通过强化多精度算法与GPU并行加速（支持NVIDIA/AMD显卡）实现纳秒级生物大分子运动模拟，优化AI辅助建模与超大体系计算效率，提供跨平台开箱即用解决方案

VoxCPM1.5的雨落版整合包

专为AI绘画设计的开源结构化提示词生成工具

最强长视频数字人:LongCat-Avatar尝鲜版，其他热门生图、视频也都备好了！

实现身份永续、动作自然的数字人生成

AI数字人LongCatAvatar，超强口型+表情+姿势效果，支持长视频！

SHARP–苹果开源的3D场景生成AI模型图片转3d模型

智谱开源的语音识别语音转文本声音转文本模型

Rosetta

零门槛，零剪辑经验，让视频创作成为一句话的事

ai小说ai在线写作系统ai智能写作系统

ai-toolkit炼丹炉（汉化版）

智谱开源的AI文本转语音模型支持声音克隆GLM-TTS 语音合成系统 二次开发构建by科哥

最快千问生图方法,顶配1秒1张

next-ai-draw-io

一键图片生成3D模型,输出glb和obj格式,带贴图和法线,自动脱底

让阿里wan模型的视频生成速度提升200倍

cosyvoce3阿里最新开源声音克隆应用普通话粤语英语日语方言更加精准情感丰富 二次开发构建By科哥