如何生成卡通动作

以下几种 AI 工具可以将照片改成卡通效果，操作相对简单易操作： 1. ChatGPT 4o：支持上传照片后直接生成“吉卜力卡通风格”图像，提示词只需简单写“吉卜力风格化”即可，后续会话中只需上传图片，无需重复输入提示词。参考链接：

要让一张卡通人物动起来，可以参考以下几种方法： 1. 使用 AnimateX ：类似 Animate Anyone，输入角色图片和参考动作序列，即可实现角色动画，尤其适配拟人化的角色。 2. 借助 Pika ： 账号注册：访问完成免费注册。 素材整理： 视频：准备一段视频，可手机实拍，≥5 秒，生成时会自动截取前 5 秒，横屏/竖屏均可（建议 1080p 以上）。 图片：准备一张主体清晰无遮挡的角色图片，生成的视频中将参考此图片的角色并融入视频。 文案思路：提前构思角色动态关键词（如“奔跑/挥手/发光”），也可让模型自由发挥。 3. 运用即梦进行图生视频：只需上传图片至视频生成模块，用简单提示词描绘画面中的动态内容，能生成时长为 3 秒钟的画面，运镜类型可根据剧本中的镜头描绘设置，以随机运镜为主，生成速度可选择慢速。 此外，在制作过程中，还可以像桂大羊的教程那样，通过描绘人物的提示词、上传角色参考图、扣除角色背景以便于进行角色加背景的融合生成时进行垫图操作等方式，提高人物和场景的融合度。

以下是用自己训练的卡通形象 lora 生成元宵节放孔明灯海报的制作方法： 1. 关键词： 模型：dreamshaper_8 正关键词：,white,white_background,CGposterrender bsw <lora:电商新年海报 2024_v1.0:0.4>,gold,<lora:新年红包封面_v1.0:0.6>,new year,<lora:gcbottle:0.3> 中文的关键词：（杰作，高分辨率，高品质，高分辨率）中国建筑，红色主题，剪纸，中国结,纸灯笼，中国图案，金色，中国元素，红色背景 2. ControlNet 设置： 预处理器：depth_leres 模型:control_v11f1p_sd15_depth 权重：0.75 预处理器：softedge_pidinet 模型:control_v11p_sd15_softedge 权重：0.3 3. lora 资源： https://www.liblib.ai/modelinfo/bddf824e232f4124991c05a26027504d https://www.liblib.ai/modelinfo/983703dd48134e43983b84abfcb44308 第三个东方瓷器 lora 已经下架（请至 AGI 之路百度云下载） 链接:https://pan.baidu.com/s/10hYM8i2y2Li9OlT2oD1qOQ 密码:asub 您可以参考以上步骤进行制作，同时您还可以访问以下链接获取更多相关信息： 作者小红书：https://www.xiaohongshu.com/user/profile/5cfd0e600000000016029764?wechatWid=803c253b00ed4224d3a2adcd80b46ed7&wechatOrigin=menu 通往 AGI 之路小红书教程：http://xhslink.com/OOeHsy AI 春晚阶段性纪实：https://waytoagi.feishu.cn/wiki/MI0UwhfXJiRH9ak4dwxcwqPVnIh

以下是用自己的形象做卡通数字人的方法： 1. 简单提示词方法： 在聊天窗口输入/imainge找到/imagine prompt，然后把刚才的链接放进去，然后空格。 加一些提示词，这些提示词以英文逗号分隔，最后再加上设置参数。 设置参数： iw 1.5是设置参考图片的权重，数值越高与参考的图片越接近，默认是0.5，最大是2，可选择中间的某个值并调整。 s 500设置风格强度，个性化，艺术性，数字越大，更有创造力和想象力，可设置为01000间任意整数。 v 5是指用midjourney的第5代版本，这一代的最真实，目前v5需要订阅付费，不想付费可以使用v 4。 no glasses是指不戴眼镜，如果你不喜欢戴眼镜的图片，可以戴上这个设置，让它不戴眼镜。 完整的提示词如下simple avatar,Disney boy,3d rendering,iw 1.5s 500v 5。如果对生成的效果不满意，可以调整s和iw的值来进行多次尝试。 2. 剪映生成数字人方法： 在剪映右侧窗口顶部，打开“数字人”选项，选取一位免费的、适合的数字人形象，比如“婉婉青春”。 选择数字人形象时，软件会播放其声音，可判断是否需要，点击右下角的“添加数字人”，将其添加到当前视频中。剪映App会根据提供的内容生成对应音视频，并添加到当前视频文件的轨道中。 左下角会提示渲染何时完成，然后可点击预览按钮查看生成的数字人效果。 增加背景图片： 直接删除先前导入的文本内容，因为视频中的音频已包含文字内容。 鼠标点击下方代表文字的轨道，或点击软件中间文字内容，按删除键删去文字。 点击左上角的“媒体”菜单，并点击“导入”按钮，选择本地的一张图片上传。 选择一张图片上传，点击图片右下角的加号，将图片添加到视频的轨道上（会覆盖数字人）。 书架图片所在的轨道会在视频轨道的下面添加一条新轨道。 点击轨道最右侧的竖线，向右拖拽，直到视频的最后，与视频对齐。 背景图片所在的轨道若没选中，鼠标点击一下这个轨道即可。 在显示区域，拖动背景图的一个角，将图片放大到适合的尺寸，比如覆盖视频窗口，并将数字人拖动到合适的位置。 3. 复杂提示词方法： 如果觉得简单提示词生成效果不好，可以选择更为复杂一点的提示词，比如：Disney boy,Low saturation Pixar Super details,clay,anime waifu,looking at viewer,nighly detailedreflections transparent iridescent colors.lonctransparent iridescent RGB hair,art by Serafleurfrom artstation,white background,divine cinematic edgelighting,soft focus.bokeh,chiaroscuro 8K,bestquality.ultradetailultradetail.3d,c4d.blender,OCrenderer.cinematic lighting,ultra HD3D renderinoiw 1.5s 500v 5。 不同照片生成：如果对照片风格不满意，可以换一张新的照片使用上面的提示词重新生成。 其他调整：如果觉得Disney风格的头像太过卡通，可以把提示词里面的Disney都换成Pixar，皮克斯头像风格相对更加现代化和真实一点。如果是女孩，可以把提示词里面的boy换成girl。每次会生成4张图片，如果对某一张图片满意，点击下方的U1~U4生成大图，如果对风格满意但是需要调整，点击下方的V1~V4进行修改。

以下是将拍照头像生成卡通头像 logo 的方法： 1. 复杂提示词： 如果觉得简单提示词不够好，可以使用更复杂的提示词，例如：“Disney boy,Low saturation Pixar Super details,clay,anime waifu,looking at viewer,nighly detailedreflections transparent iridescent colors.lonctransparent iridescent RGB hair,art by Serafleurfrom artstation,white background,divine cinematic edgelighting,soft focus.bokeh,chiaroscuro 8K,bestquality.ultradetailultradetail.3d,c4d.blender,OCrenderer.cinematic lighting,ultra HD3D renderinoiw 1.5s 500v 5”。 效果示例： 不同照片生成：如果对照片风格不满意，可以更换新照片并使用上述提示词重新生成。 其他调整：如果觉得 Disney 风格太过卡通，可以把提示词里的“Disney”换成“Pixar”；如果是女孩，可以把“boy”换成“girl”。每次会生成 4 张图片，对某一张满意可点击下方的 U1~U4 生成大图，对风格满意但需调整可点击 V1~V4 进行修改。 2. 操作步骤： 准备工作：如果还没有 Midjourney 账号或不懂基础操作，可以参考之前的教程，如“”。 上传图片：在 Discord 社区的 Midjourney 服务器聊天栏点击“+”，然后点击上传文件，选取图片，在聊天框发送（记得点击回车或发送按钮）。然后图片会上传到服务器并生成唯一链接，点击图片，在浏览器中打开，复制浏览器上方的链接。 输入提示词：在聊天窗口输入“/imainge”找到“/imagine prompt”，把刚才的链接放进去，然后空格，加一些提示词（以英文逗号分隔），最后再加上设置参数。 设置参数： “iw 1.5”设置参考图片的权重，数值越高与参考图片越接近，默认是 0.5，最大是 2，可选择中间值调整。 “s 500”设置风格强度，个性化，艺术性，数字越大，更有创造力和想象力，可设置为 0 1000 间任意整数。 “v 5”指用 Midjourney 的第 5 代版本，这一代最真实，目前 v5 需要订阅付费，不想付费可以使用“v 4”。 “no glasses”指不戴眼镜，如果不喜欢戴眼镜的图片，可以加上这个设置。 完整的提示词示例（替换您的 png 图片地址）：“simple avatar,Disney boy,3d rendering,iw 1.5s 500v 5”。如果对生成效果不满意，可以调整“s”和“iw”的值进行多次尝试。 您还可以参考“科技小飞哥”的通俗易懂的教程，原文链接：https://leftpocket.cn/post/ai/cartoon/

以下为一些人物头像转卡通图效果好、与原图相似度高且可能免费的平台及相关操作技巧： 1. Stable Diffusion： 可以使用【X/Y/Z plot】脚本来做参数对比，将 X 轴设置为提示词相关性（取值范围 1 30，每次增加 5），Y 轴设置为重绘幅度（取值范围 0 1，每次增加 0.2）。 提示词相关性在 6 11 中间为最佳，重绘幅度 0.4 时和原图比较接近。 可使用绘图功能，如增加红色眼镜、去掉衣服图案等，局部重绘可只改变涂抹部分。 2. 复杂提示词： 如 Disney boy,Low saturation Pixar Super details,clay,anime waifu,looking at viewer,nighly detailedreflections transparent iridescent colors.lonctransparent iridescent RGB hair,art by Serafleurfrom artstation,white background,divine cinematic edgelighting,soft focus.bokeh,chiaroscuro 8K,bestquality.ultradetailultradetail.3d,c4d.blender,OCrenderer.cinematic lighting,ultra HD3D renderinoiw 1.5s 500v 5 。 可根据需求调整提示词，如将 Disney 换成 Pixar，boy 换成 girl 等。 3. 通用人物模版： 用真人照片+照片描述+方法 1 的关键词来处理。 需要注意的是，不同平台的效果可能因图片和操作而有所差异，您可以自行尝试。

以下是关于生成提示词的相关内容： 生成提示词的思路和方法： 可以根据效果好的图片中的高频提示词去反推效果，结合不同字体效果的描述，打包到一组提示词中。提示词给到 AI 后，AI 会根据给定文字的文义，判断适合的情绪风格，然后给出适合情绪的字体和风格描述、情感氛围等，加上一些质量/品质词，形成输出提示词结构。为了让 AI 更能描述清晰风格，可以先给定多种参照举例。 具体操作步骤： 打开 AI 工具的对话框，将相关提示词完整复制粘贴到对话框。推荐使用 ChatGPT 4o。 当 AI 回复后，发送您想要设计的文字。可以仅发送想要的文字，也可以发送图片（适合有多模态的 AI）让 AI 识别和反推。 将 AI 回复的提示词部分的内容复制到即梦 AI。 对生成提示词的一些观点： 提示词生成提示词并非必要，不一定能生成最好的 Prompt 框架，修改过程可能耗时且不一定能修改好，不如花钱找人写。 一句话生成完整符合需求的 Prompt 非常困难，只能大概给出框架和构思，需要更低成本地调整需求和修改 Prompt。 不同生图工具生成提示词的特点： 即使是简短的描述，生成的提示词也非常细节、专业。 会解析需求，找出核心要点和潜在的诠释点，并给出不同的提示词方案。 提示词构建更多在于增强，而不是发散，生成的内容更符合期望。 同时生成中、英双版本，国内外工具通用无压力。 14 款 AI 生图工具实测对比： 本次实测用到的工具包括国内版的即梦 3.0（https://jimeng.jianying.com/aitool/home）、WHEE（https://www.whee.com）、豆包（https://www.doubao.com/chat）、可灵（https://app.klingai.com/cn/texttoimage/new）、通义万相（https://tongyi.aliyun.com/wanxiang/creation）、星流（https://www.xingliu.art）、LibiblibAI（https://www.liblib.art），以及国外版的相关工具。

目前有一些可以根据描述生成特定内容的 AI 应用和方法。例如： 在法律领域，您可以提供【案情描述】，按照给定的法律意见书模板生成法律意见书。例如针对商业贿赂等刑事案件，模拟不同辩护策略下的量刑结果，对比并推荐最佳辩护策略，或者为商业合同纠纷案件设计诉讼策略等。 在 AI 视频生成方面，有结构化的提示词模板，包括镜头语言（景别、运动、节奏等）、主体强化（动态描述、反常组合等）、细节层次（近景、中景、远景等）、背景氛围（超现实天气、空间异常等），以及增强电影感的技巧（加入时间变化、强调物理规则、设计视觉焦点转移等）。 一泽 Eze 提出的样例驱动的渐进式引导法，可利用 AI 高效设计提示词生成预期内容。先评估样例，与 AI 对话让其理解需求，提炼初始模板，通过多轮反馈直至达到预期，再用例测试看 AI 是否真正理解。 但需要注意的是，不同的场景和需求可能需要对提示词和模板进行针对性的调整和优化，以获得更符合期望的 word 模板。

以下是几种自动生成文案的方法： 1. 基于其它博主开源的视频生成工作流进行优化： 功能：通过表单输入主题观点，提交后自动创建文案短视频，创建完成后推送视频链接到飞书消息。 涉及工具：Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成）、飞书（消息）、飞书多维表格（字段捷径、自动化流程）。 大体路径：通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频；发布 coze 智能体到飞书多维表格；在多维表格中使用字段捷径，引用该智能体；在多维表格中创建自动化流程，推送消息给指定飞书用户。 2. 生成有趣的《图文短句》： 实现原理： 先看工作流：包括第一个大模型生成标题、通过“代码节点”从多个标题中获取其中一个（可略过）、通过选出的标题生成简介、通过简介生成和标题生成文案、将文案进行归纳总结、将归纳总结后的文案描述传递给图像流。 再看图像流：包括提示词优化、典型的文生图。 最终的 Bot 制作以及预览和调试。 3. 腾讯运营使用 ChatGPT 生成文案： 步骤：通过 ChatGPT 生成文案，将这些文案复制到支持 AI 文字转视频的工具内，从而实现短视频的自动生成。市面上一些手机剪辑软件也支持文字转视频，系统匹配的素材不符合要求时可以手动替换。例如腾讯智影的数字人播报功能、手机版剪映的图文成片功能。这类 AI 视频制作工具让普罗大众生产视频变得更轻松上手。

以下是通过输入观点生成精彩口播文案的方法： 1. 基于其它博主开源的视频生成工作流进行功能优化，实现视频全自动创建。 效果展示：可查看。 功能：通过表单输入主题观点，提交后自动创建文案短视频，并将创建完成的视频链接推送至飞书消息。 涉及工具：Coze平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成）、飞书（消息）、飞书多维表格（字段捷径、自动化流程）。 大体路径： 通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 发布 coze 智能体到飞书多维表格。 在多维表格中使用字段捷径，引用该智能体。 在多维表格中创建自动化流程，推送消息给指定飞书用户。 2. 智能体发布到飞书多维表格： 工作流调试完成后，加入到智能体中，可以选择工作流绑定卡片数据，智能体则通过卡片回复。 选择发布渠道，重点是飞书多维表格，填写上架信息（为快速审核，选择仅自己可用），等待审核通过后即可在多维表格中使用。 3. 多维表格的字段捷径使用： 创建飞书多维表格，添加相关字段，配置后使用字段捷径功能，使用自己创建的 Coze 智能体。 表单分享，实现填写表单自动创建文案短视频的效果。 4. 自动化推送：点击多维表格右上角的“自动化”，创建所需的自动化流程。 另外，伊登的最新 Deepseek+coze 实现新闻播报自动化工作流如下： 第一步是内容获取，只需输入新闻链接，系统自动提取核心内容。开始节点入参包括新闻链接和视频合成插件 api_key，添加网页图片链接提取插件，获取网页里的图片，以 1ai.net 的资讯为例，添加图片链接提取节点，提取新闻主图，调整图片格式，利用链接读取节点提取文字内容，使用大模型节点重写新闻成为口播稿子，可使用 Deepseek R1 模型生成有吸引力的口播内容，若想加上自己的特征，可在提示词里添加个性化台词。

以下是关于小红书图文批量生成的详细内容： 流量密码！小红书万赞英语视频用扣子一键批量生产，这是一个保姆级教程，小白都能看得懂。 原理分析： 决定搞之后，思考生成这种视频的底层逻辑，进行逆推。这种视频由多张带文字图片和音频合成，带文字图片由文字和图片生成，文字和图片都可由 AI 生成，音频由文字生成，文字来源于图片，也就是说，关键是把图片和文字搞出来。 逻辑理清后，先找好看的模版，未找到好看的视频模版，最后看到一个卡片模版，先把图片搞出来，才有资格继续思考如何把图片变成视频，搞不出来的话，大不了不发视频，先发图片，反正图片在小红书也很火。 拆模版： 要抄这种图片，搞过扣子的第一反应可能是用画板节点 1:1 去撸一个，但扣子的画板节点很难用，Pass 掉。用 PS 不行，太死板不灵活，html 网页代码可以，非常灵活。经过 2 个多小时和 AI 的 battle，用 html 代码把图片搞出来了。这里不讲代码怎么写，直接抄就行。要抄，首先要学会拆，不管用什么方式批量生成这样的图片，都必须搞清楚里面有哪些是可以变化的参数，也就是【变量】，如主题、主题英文、阶段、单词数、图片、正文、翻译、普通单词、重点单词等。 想方法： 大概知道批量生成这样的图片需要搞清楚哪些参数，图片用 html 代码搞出来了。但问题是视频怎么搞，这种视频由多张不同的【带文字的图片】生成，比如读到哪句，哪句就高亮起来，图片也可以随着读到的句子变更。最后，视频就是用这样的图片一张张拼起来的。

AI 生成表格通常可以通过以下技术实现： 1. 利用变分自编码器（VAEs）和序列到序列模型（Seq2Seq）等技术生成表格文件、表格公式，并清理、创建、转换和分析表格中的文本数据，例如表格结构设计、数据分析表、表格自动化等。 2. 借助一些办公软件中的 AI 插件，如飞书中的相关插件，先通过 AI 理解图片中的内容并填充到表格列中，然后利用自带插件总结生成相关指令。 此外，在多模态数据生成中，结构化数据生成包括表格生成，多模态合成数据从大类来看有非结构化数据（图片、视频、语音等）和结构化数据（表格等）两大类。非结构化数据生成包括文本生成、图像生成、音频和语音生成、视频生成、3D 生成、合成数据生成等。

以下为您介绍国外免费的动作模仿 AI： 在 SD 中，ControlNet 是一个强大的插件，包含姿态约束类预处理器。可以使用扩展图片的方法将图片发送到图生图进行处理，还能使用 tile 模型细化。若无法找到满足需求的动作图片，可在【扩展】【加载扩展列表】中搜索【posex】插件，或拷贝插件文件夹至指定目录并重启软件。在 ControlNet 界面，可通过拖动鼠标左键旋转视角、中键缩放视角、右键拖动视角，玩坏了还能重置镜头和动作。 Viggle 是一个有免费额度的 AI 视频工具，其网址为 http://viggle.ai，discord 免费体验地址为 https://discord.com/invite/viggle 。它支持图片+动作视频转视频、图片+文字动作描述转视频、文字转视频，可完成视频换脸。其功能包括/mix、/animate、/ideate、/character、/stylize 等，官方提供了多种动作提示词可供参考，提示词地址为 https://viggle.ai/prompt 。

目前在视频生成人物动作方面存在不准确的情况。例如，使用 Midjourney 生成时，过多角色（甚至可能是 2 个）的生成效果不佳，对于拟人角色的需求较难满足。像小龙喷火到小兔子举着礼物盒这样的场景，难以生成满意的效果。在让角色做出较大动作（如转头、掉眼泪、抬手等）或更生动的表情变化时，现有技术有限，还需更先进的技术、丰富的数据和强大的计算能力。 解决策略方面，应尽量规避制作需要大动作表现的视频。若无法避免，可尝试制作只涉及小动作的场景，并通过加入台词和场景描述来补充细节和深度，帮助观众更好地理解场景背景和角色心理，增强表现力，以弥补视觉上的不足。 相关技术如 LivePortrait 可以精确控制眼睛和嘴唇的动作，还能无缝拼接多个肖像，将不同人物特征合并成一个视频，确保过渡自然流畅。其使用了不同于主流扩散方法的隐式关键点框架，在计算效率和可控性之间取得平衡，生成的动画质量优于现有的非扩散和扩散模型方法，在 RTX 4090 GPU 上生成速度为每帧 12.8 毫秒。 工作流与模型地址： https://pan.baidu.com/s/1FkGTXLmM0Ofynz04NfCaQ?pwd=cycy https://pan.quark.cn/s/8dfd7ace4f05 内容依技术发展更新，请以文档为准：https://xiaobot.net/post/74238a84d2734b2ca195ed2858b24ffe

要控制图生图的形象和动作，可以参考以下方法： 1. 使用 ControlNet 插件： 姿态约束类预处理器：包含了所有人物信息的预处理器，可将图片发送到图生图，通过“缩放后留白”和提高重绘幅度改变背景，再次发送到图生图使用 ControlNet 中 tile 模型细化，最后使用 SD 放大插件。 自定义动作骨架：在【扩展】【加载扩展列表】中搜索【posex】安装插件，或将插件文件夹拷贝至指定目录，确保软件是最新版本并重启。重启后点击“将图片发送至 ControlNet”，可通过拖动鼠标左键旋转视角、中键缩放视角、右键拖动视角，玩坏了可点击重置镜头和动作。 2. 参考风格 reference：首先进入文生图，填写提示词生成一张图。然后将图片拖入到 ControlNet 中，预处理器选择 reference only，控制模型选择“均衡”，保真度数值越高对图片的参考越强。可以通过添加关键词的方式来改变人物的服装、表情、动作等。 3. 利用 ControlNet 控制姿势：大模型和关键词正常填写生成想要的小姐姐照片，接着鼠标滑到最下面点击“ControlNet”，上传指定姿势的照片并点击“启用”，在“预处理器”和“模型”里选择“openpose”，点击“预览预处理结果”，最后点击生成照片。

以下是一些生成漫画动作参考图的方法： 1. 喂参考图：先上传喜欢的参考图，复制其链接。在关键词处填写“图片链接+这张图的关键词”，例如“链接图片.png,a Super cute sports girl,wearing a basketball vest,blueshortsbig watery eyes,clean bright basketball court background,super cute boy IP by pop mart,Bright color,mockup blind box toydisney stylefine luster,3D render,octane render,best quality,8k brightfront lightingFace Shot,fine luster,ultra detail,ar 9:16”。还可以通过修改关键词改变服装颜色等细节。 2. 使用 panels 命令：此命令可生成连续的动作和表情设计，将模型设置改为 niji mode 画动漫角色效果更好。例如“a Super cute sports anime girl,style by Miyazaki Hayao,6 panels with different poses 8K”，也可以使用“continuous running”生成更稳定的连续动作，甚至做成 gif 动画。 3. 利用 character sheet 命令：创建一个角色的多角度以及特写细节，例如“a Super cute sports anime girl,style by Miyazaki Hayao,character sheet,full body,8k”。 4. 使用 emoji、expression sheet：emoji 代表表情包，expression sheet 代表各种表情组合，可用此核心关键词设计出表情包。例如“图片链接.png a Super cute sports anime girl,style by Miyazaki Hayao,emoji,expression sheet,8k”。 另外，使用 ControlNet 插件也能生成漫画动作参考图。首先进入文生图，填写提示词生成一张图。然后将图片拖入到 ControlNet 中，预处理器选择 reference only，控制模型选择“均衡”，保真度数值越高，对图片的参考越强。可以通过添加关键词的方式给人物换装、更改服装和表情、更改动作和表情、更改姿态、环境和表情等。这个功能在绘制系列插画、漫画、小说插图等工作时，能保持主角形象的统一，也能根据情况实时调整，后期配合 lora 潜力巨大。

目前最新、效果较好且代码和模型开源的人体姿态估计（动作捕捉算法）相关的研究有以下两篇： 1. 【SD】最强手部识别，controlnet 新预处理器 dw openpose 作者：白马少年｜公众号：【白马与少年】 发布时间：20230813 20:00 原文网址：https://mp.weixin.qq.com/s/_RiKxWy9MXt4DUJIKH5w 介绍：在 controlnet 中，手部识别一直使用的是 openpose 预处理器，但复杂手势有时无法识别。新的 dw openpose 预处理器能完美解决手部识别问题，将其放入特定目录即可使用。但需说明的是，目前这个 DW Pose 只是更精确的 openpose 预处理器，未对 ControlNet 的 openpose 模型做改动。 2. YOLONAS Pose：一个开源的实时人体姿态估计模型 应用场景：基于骨骼标记为基础，适用于智慧体育等场景，可对训练过程的姿态、数据、状态等进行统计和管理。 技术类型：视频、AI 学习模型 简介：主要功能是识别图片和视频中人的姿势，能快速处理图像并实时返回姿态数据，适应不同场景和设备。 主要特点： 实时性能：旨在提供实时的姿态估计，适用于需要即时反馈的应用。 高精度：利用神经网络架构搜索（NAS）提高姿态估计的准确性。 优化的网络结构：NAS 自动测试不同网络结构，找到最优模型。

在 Midjourney 中结合 A 图片的人物和 B 图片的动作和内容，可以使用新上线的“Character Reference”（cref）功能。以下是一些关键方法和示例： 1. 锚定细节：您可以掌控姿势、表情、情感、服装、道具、场景、动作等细节。例如：“Jo is a young woman with blue curly hair, pink sunglasses, and a colorful scarf around her neck. She waits in line at the bank. cref https://my.image.host/joisstanding.jpg”。 2. 让 cref 处理大部分工作：提示无需加强标志性细节，只是“操纵”或“定位”角色。例如：“有人正在银行排队等候。 cref https://my.image.host/joisstanding.jpg”。 3. 只提供场景：如果您的 cref 图像已包含想要的姿势和其他细节，您可以仅描述环境、周围环境、背景或情境，Midjourney 将努力将角色融入场景中。但可能会出现不连贯的结果，此时可尝试使用更高值的样式化，如“s 800”。 需要注意的是，此功能在使用 Midjourney 生成的图像人物时效果最佳，不太适用于真实人物或照片。同时，在 Midjourney V6 的 Web Alpha 版本中，您可以通过拖放或粘贴图像到想象栏，并选择相应图标来设置图像为图像提示、风格参考或角色参考。