Loading...
Loading...
共找到 50 个 Skills
通过`runcomfy` CLI在RunComfy上为静态图像重新打光——更改灯光设置、色温、方向或氛围。当需要专业的重新打光时，会路由到Qwen Edit 2509专用的`relight` LoRA端点；若仅需通过文字描述灯光效果即可满足需求，则会 fallback 到保留主体特征的编辑端点（Nano Banana 2 Edit、GPT Image 2 Edit、FLUX Kontext Pro）。可用于产品重新打光（影室柔光箱→窗边自然光）、人像氛围转换（阴天→黄金时刻）或色彩分级调整。当出现“relight”“relighting”“change the lighting”“make it golden hour”“studio lighting”“rim light”“blue hour”“soft window light”“change light direction”“color temperature”等关键词，或任何明确要求更改静态图像灯光的指令时，将触发该功能。
通过 inference.sh CLI 使用 Pruna P-Image 模型生成图像。支持的模型包括：P-Image、P-Image-LoRA、P-Image-Edit、P-Image-Edit-LoRA。功能特性：文生图、图像编辑、LoRA 风格生成、多图像合成、快速推理。Pruna 在不损失画质的前提下对模型进行了速度优化。触发关键词：pruna, p-image, pruna image, fast image generation, optimized flux, pruna ai, p image, fast ai image, economic image generation, cheap image generation
借助参考表和LoRA技术实现AI生成图像中的角色一致性。涵盖多角度视图表、表情表、调色板以及风格一致性技巧。适用场景：角色设计、游戏美术、插画、动画、漫画、视觉小说。相关关键词：角色设计、角色表、角色一致性、角色参考、多角度视图表、表情表、角色美术、一致性角色、角色概念、参考表、角色创建、OC设计、角色设定集
通过inference.sh CLI使用Black Forest Labs的FLUX模型生成图片。支持的模型：FLUX Dev LoRA、具备自定义风格适配的FLUX.2 Klein LoRA。功能包括：文本生成图片、图片生成图片、LoRA微调、自定义风格。触发关键词：flux、flux.2、flux dev、flux schnell、flux pro、black forest labs、flux image、flux ai、flux model、flux lora
为用户提供的LoRA在Hugging Face Spaces上构建并发布Gradio演示。当有人要求为LoRA创建、生成、部署或发布Space、演示、Gradio应用程序或playground时使用——包括适用于Qwen-Image、Qwen-Image-Edit、LTX-Video、Wan、FLUX、SDXL或其他扩散基础模型的LoRA。当有人描述他们在Hub上训练或托管的LoRA并希望分享时，也会触发该流程。涵盖选择合适的基础pipeline和`diffusers`推理方案、设计适配LoRA任务与输入的UI（多任务控制、编辑、视频、图像等）、遵循模型卡片的建议（触发词、步数、引导系数、LoRA缩放比例、示例输入），以及默认将其部署为私有Space并使用ZeroGPU硬件。
在fal.ai上训练自定义AI模型（LoRA），可针对特定人物、风格、物体自定义图像生成，或自定义视频生成。当用户提出“训练模型”、“训练LoRA”、“微调”、“自定义模型”、“用我的图片训练”、“肖像训练”这类需求时使用。
精通适用于Apple Silicon Mac的脚本转视频制作流程。专长于本地/云端混合工作流、用于角色一致性的LoRA训练、动态图形生成以及艺术家委托服务。可在以下场景激活：‘AI视频制作’、‘脚本转视频’、‘视频生成流程’、‘角色一致性’、‘LoRA训练’、‘云端GPU’、‘动态图形’、‘Wan I2V’、‘InVideo替代方案’。不适用于实时视频编辑、视频合成（请使用DaVinci/Premiere）、音频制作或3D建模（请使用Blender/Maya）。
掌握基于AI的游戏资产工作流，使用ComfyUI、Stable Diffusion、FLUX、ControlNet和IP-Adapter。创建具有一致性、合规授权且可集成游戏引擎的生产级精灵图、纹理、UI和环境资产。当提及“AI游戏美术、生成游戏资产、ComfyUI游戏应用、Stable Diffusion精灵图、AI纹理生成、AI角色一致性、程序化美术生成、SDXL游戏资产、FLUX纹理、训练游戏LoRA、AI可平铺纹理、精灵表生成”时适用。
在NGC PyTorch容器内的本地NVIDIA GPU上微调任意HuggingFace CV/VLM/LLM模型。适用于以下场景：用户需要微调HuggingFace模型（全量微调或LoRA）、端到端训练视觉/VLM/LLM模型、生成可复现的HF训练流水线、在规模化部署前本地对HuggingFace模型进行冒烟测试、将微调后的模型附带模型卡片推送到HF Hub，或是为已有的HuggingFace微调任务生成独立的可重运行技能。支持图像分类、目标检测、语义/实例/全景分割、深度估计、图文到文本VLM（SFT/LoRA）以及LLM的SFT/DPO/GRPO。六步工作流：检查与验证、硬件与NGC镜像选型、方案调研、生成项目与冒烟测试、训练+评估+推理、推送与生成可重运行技能。
使用LoRA、QLoRA及25+种方法实现大语言模型（LLM）的参数高效微调。适用于GPU内存有限时微调大模型（7B-70B参数规模）、需要在仅训练<1%参数的同时最小化精度损失，或是多适配器部署的场景。这是HuggingFace官方推出的、与transformers生态系统集成的库。
针对Megatron-Bridge模型/提供者变更的外部verl端到端验证工作流。涵盖从Bridge检出代码运行小型verl Megatron后端任务、选择LoRA/DDP及可选的保存/恢复和并行变体、设置PYTHONPATH使verl导入本地Bridge代码树，以及报告通过/失败证据。
基于4-bit量化与LoRA适配器的内存高效微调方案。适用于在消费级GPU上微调大模型（7B及以上）、显存受限，或是标准LoRA仍超出内存的场景。该方案基于LoRA技术构建。