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。

InfiniteTalk：用于稀疏帧视频配音的音频驱动视频生成。​​无限长度的对话视频生成​​，支持图像转视频、视频转视频。

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

index-tts2高质量声音克隆语音合成软件

SmoothMix-V2合集-效果超强，支持文生视频、图生视频、首尾帧、批量首尾帧视频，支持NSFW、高清修复！

超强AI生成视频-Lightx2v-I2V-超强动态、分镜效果。支持图生视频，首尾帧、批量首尾帧视频、批量生成、高清修复

这是一个集成了美团LongCat模型与ComfyUI的镜像，提供文生视频、图生视频和视频延续三大功能，核心优势在于能生成长时间且质量稳定的视频。

美团开源的长视频生成模型-Longcat，ComfyUI抢先体验版，后续优化后继续更新！

高质量对口型工具

FlashVSR_Ultra_Fast,图片视频超清放大,支持批量任务,支持5090新卡

把视频整体转会成其他风格

简单易懂，用核心原理展示工作流

统一语义控制的视频生成

这是一个整合图像生成、图像编辑和视频生产的 AI 创作工具。

实时数字人解决方案

消费级显卡开始生成4096*4096的超大尺寸图片

InfiniteTalk 是一个无限长度的对话视频生成模型，支持音频驱动的视频到视频和图像到视频的生成

Deepseek orc webui在线图片识别文字pdf文件转文字

在线AI翻唱SVC训练，本地般丝滑体验，支持上传压缩文件，支持网页端打包训练好的模型并下载，无需命令行，由网页端自动处理，支持一键清空训练缓存，追求的就是高效率

实时视频超分项目，显存如果够大，所有视频超分到4K

Ditto:基于指令的视频编辑框架，可以用于视频内元素的风格转换 本镜像为https://github.com/EzioBy/Ditto的Comfyui实现

支持 109 种语言 擅长识别文本、表格、公式和图表

视频编辑人物替换背景替换局部修改

快速高效的将PDF文档转为Markdown/JSON文件

超强AI视频重绘Ditto-支持长视频、批量生成，支持视频风格转换、动漫转真人视频，超级方便！

高质量图片/文本转3D网格模型

上下文光学压缩

Qwen-image-Nunchaku智能扩图,AI绘图,关键词扩图,图像填充,图像延展,支持5090新卡

本镜像包含ComfyUI许多工作流，目前优先测试部署完毕infiniteTalk数字人工作流、Wan2.2生视频工作流、HoMo数字人工作流等，后续会继续部署完善更多的工作流。

comfyui工作流，Qwen-image以及WAN2.1/2.2视频，都已经部署好，里面内置工作流，打开即可使用！

最快AI视频高清修复FlashVSR

FlashVSR视频高清放大webUI狂暴优化版 一键启用多倍放大

B站开源超强语音克隆，在情感表达和时长控制方面取得突破的自回归零样本文本合成系统

Smooth是最新的被社区广泛认可的Wan 2.2无限制合并模型

ocr模型天花板、支持109种语言、公式、表格、图标

Flash-VSR-1.3B,图片/视频超清放大,支持5090新显卡,支持批量任务

通过下一个点预测来检测任何事物

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

Wan2.2-SmoothMix,更丝滑的图生视频,首尾帧连贯动画,4步采样,支持5090新卡

Wan2.2KJ氦气加速6步极速版唯一正版授权镜像——AI来事&龙没耳联合推出

地表炸天TTS工具，一百多款自然人声，极速复刻

Animate-v2-最强人物替换工作流

超级强大的图像编辑项目

Srt-AI-Voice-Assistant配音辅助工具搭配IndexTTS2/GSV的镜像

一个类似Veo3 Sora的开源模型，使用提示词自动生成音频视频

最强视频编辑-阿里Wan-Animate-Q8超高精度-合集

视频重绘_跳舞姿势视频迁移Wan2.2图生视频

适用电商的ComfyUI镜像环境，包括：饰品佩戴、 多姿势，多角度， 一致性模特工作流，一键换装工作流，眼镜模特工作流，假发模特工作流镜像；本镜像采取一键打包形式，不用输入一句命令，点击几次即可

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

Wan-Lynx,面部信息迁移图生视频,人脸一致性保持,6步采样,支持5090新卡,支持批量任务,Comfyui,工作流

使用连续统一分词器进行联合图像理解和生成

Smooth&Remix&AllInOne-N版合并模型的一键镜像

基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务

IndexTTS2 最新 V23 版本的全面升级

超强Sora2视频去水印

24gb可以运行该应用

认识一下 Ovi —— 一个很像 SORA 2 的免费 AI 模型。它能生成带声音的完整视频，让你探索下一代 AI 创作的无限可能！

腾讯开源80B图像生成模型 原生多模态 自回归框架

用于音频视频生成的双主干交叉模态融合

GPT-SoVITS-V4（v2Pro,v2ProPlus），所需素材少，训练耗时短，情绪可控。

MSST-webUI版本，更简单，加入一键处理，效率更高，更好用的干声分离以及去和声混响的项目，可以作为传统UVR的上位替代，并兼容UVR的模型，简单且快。

视频生产更精细、更流畅、更智能、更快速、更具视觉表现力。

24gb最低显存

面壁智能开源语音克隆 小钢炮又添猛将 小、精、快！

一句话快速精准修改图片内容

对口型数字人视频wan2.1优化项目 12gb显卡爆改by科哥

需要80gb显卡使用A800测试通过。

非量化版LYNX，非KJ版，24G显存才能跑

克隆目标声音，保留音色、语气与情感；将静态图片与音频驱动生成动态视频。

支持异步批量任务,支持接口API并发请求,语速调节,音色保存,情绪控制

二次高清放大视频！3b、7b模型gguf量化加速版 不易爆显存 镜像by科哥

Bunkws 是杭州国芯微自研的一款端到端唤醒词训练框架

Wan-2.2-Animate视频主体替换,支持批量任务队列,初始化后,等待服务启动，大概2分钟左右，随后点击SD-WEBUI按钮即可

目前情感效果最好，没有幻觉的文本转语音AI工具

比IndexTTS更小的语音生成模型，支持语音克隆、文生语音

Qwen-Image-Edit-2509三图融合.4步采样,支持自定义多重Lora嵌套,AI图片编辑修改,支持批量任务队列

组合了图像生成、视频生成、数字人的面向培训师群体的ComfyUI

qwen edit满血模型部署！替代banana，结合comfyui工作流轻松实现出图、p图、视频生成

MultiTalk-只需上传图片和音频，帮你生成音乐MV

Wan2.2-Animate 动作迁移&人物替换 迟来的AnimateAnyone

Wan-Animate 是阿里巴巴通义实验室提出的一个统一框架，用于 角色动画生成与角色替换。

几秒音频即可克隆声音 构建by科哥

开源的​​统一视频生成与编辑框架​​，Wan2.2-VACE-Fun​​一个模型即可支持文生视频、图生视频、视频编辑、局部修改、等多项任务

优化1.7b可以24gb显存运行起来了！

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

面向播客和聊天机器人的长对话语音生成

AI生成视频Wan2.2图生视频，使用量化版Wan2.2-I2V-A14B模型

Wan-2.2-Fun-Vace，视频主体替换、跳舞视频主体替换、广告模特替换

HuMo是一个统一的、以人为中心的视频生成框架，旨在从多模态输入（包括文本、图像和音频）生成高质量、细粒度且可控的人体视频。它支持强大的文本提示跟随、一致的主体保持和同步的音频驱动动作。

FireRedASR语音识别系统语音转文字语音转文本千问开源 构建by科哥

来自阿里开源 科哥二次构建开发webui

可以一次性合成4人的对话播客

SD高质量CG绘画

用于训练alchemy kws模型

SAM 2：图像和视频中的任何内容分割。比如切出视频中的人物、物体等，可以对目标和背景进行扣除换色等效果设置。

AnchorCrafter，生成带货数字人视频。通过人体-物体交互视频生成动画化您的产品销售数字人

阿里开源实时交互数字。 模块化的交互数字人对话实现，能够在单台PC上运行完整功能。

以人为中心的视频生成方法——协作多模态条件化

超强AI音频变声器SeedVC-2.1

最强AI音色克隆IndexTTS-V2-批量生成

开箱即用，生成真实的带货视频

让ai声音更真实，更自然，更有温度

想要尝鲜的可以来试一下，先不要用加强和精炼

MAGI-1，一个通过 自回归 预测视频块序列来生成视频的世界模型

这个版本无敌了，出的效果兄弟们话不多说直接看图

B站开源的indextts2.0版本，强势来袭！

将音频视频语音识别转为文本文件和SRT字幕文件

HeyGem数字人优化加速版,GFPGAN面部超分增强,批量任务,修复多面部报错,推理速度1比2,唱歌数字人

Wan2.2-图生视频-批量任务队列版本-自定义lora-自定义首尾帧

无需训练，开源最强zero shot语音合成

为视频添加音效

Index-tts2-B站最新开源语音大模型：声音克隆，情感复刻，多人对话，ComfyUI版

facefusion3.4汉化版

换装+换脸+换一切+动作迁移+图片视频N合一，最快wan2.2加速，最新kontext换一切，最强换装，最强换姿态迁移图片视频方案+最速换脸

Facefusion3.4最新3.4官方原本全部模型已经下载11gb！！！

最简单占用资源最小的lora训练镜像

Wan2.2图生视频灵活批量任务。启动后自动运行。1.在本地修改图片文件名。2.上传到云端文件夹【待处理图片】。3.稍等，下载视频文件夹视频【生成结果】。

cuda124-py310-torch2.7基础镜像版本

通过音频驱动的图片转视频生成软件，支持声音克隆功能

主题风格一致，创意无限，配合lora

阿里开源音+图片+动作参考生成视频模型，Comfyui官方最终优化版工作流

最强AI高清修复-SeedVR2-图片和视频高清放大

高质量工作流，点开即可运行

创造属于你的AI短片

基于强大在线大语言模型的PDF文档翻译器

牛哥的专属ComfyUI大集合版本，功能持续扩充，点击即用

HunyuanWorld 3d世界生成系统 腾讯开源

最强AI视频配音-腾讯Hunyuan-Foley

将音频或视频文件语音识别转为文本文件或字幕文件

一张图片就可以生成3D glb模型

gen_backview bug 修复

Wan2.2 S2V 数字人 阿里通义千问出品 这是一个音频驱动的电影视频生成模型

根据一段文本或者视频，生成你的配音

一键视频配音，完美自动化

DelikeAI 应用镜像

HunyuanVideoFoley-能自动给视频配乐的AI模型

Wan2GP，高度优化的视频生成项目，支持Wan、Hunyuan和LTX等相关模型

一键运行优化版，开机自启动

AI换人术一键将跳舞视频主角变成你！（Stand-In + VACE + ComfyUI 镜像版）

musubi-tunner-wan2.2 lora 训练镜像，内置模型数据集

InfiniteTalk数字人,4步采样,无限时长,说话数字人,唱歌数字人,支持反推关键词,基于comfyui工作流

ComfyUI - qwen-image-千问合集

基于多视角多模态扩散模型的3D场景生成工具 支持图像到3D场景和文本到3D场景的生成

ThinkSound视频配音

支持批量任务队列,说话数字人,唱歌数字人,支持反推关键词,基于comfyui工作流

Wan2.2-S2V数字人，通过一张静态图片和一段音频（如说话或唱歌）自动生成高质量、口型同步的电影级视频。