Stability AI 正式发布了新版 Stable Diffusion3.5 Large，并新增了三种 ControlNet 功能，分别是Blur、Canny和Depth。这一更新为用户提供了更强大的图像生成能力，使得生成的图像更加丰富和多样化。根据 Stability AI 的介绍，这一模型的发布是基于其社区许可协议，允许用户在不商业化的前提下免费使用。无论是个人还是机构，都可以在科学研究等领域使用该模型，而无需支付费用。此外，对于年收入低于100万美元的小型企业和创作者，Stability AI 也允许其在商业用途上免费使用该模型。这种宽松的使用

FLUX-Controlnet-Inpainting，这款基于ControlNet和FLUX.1-dev的图像修复工具，正在重新定义我们对图像修复的认知。这款工具不仅继承了FLUX.1-dev模型的高质量图像生成能力，更巧妙地融合了ControlNet的优势。它能够根据图像的边缘、线稿、深度图等信息进行精准修复，在指定区域生成与周围环境和谐一致的内容，为受损或缺失的图像部分带来新生。最近，FLUX的Inpainting ControlNet通过与ComfyUI的集成，实现了突破性的推理功能。这意味着用户现在可以在直观的界面中执行复杂的图像修复任务，享受流畅的

"FLUX在线版"fal.ai为绘图爱好者带来革命性体验，新增ControlNet和LoRA功能，开箱即用，无需复杂配置。ControlNet让修改图片中的角色表情或控制场景物体变得简单；LoRA模型在线训练功能，用户可自定义模型并分享，促进创意传播。此平台与第三方功能结合，使绘图更加灵活个性化，支持从赛博朋克到中国风等各种风格创作。FLUX在线版的易用性深受好评，用户通过fal.ai平台就能轻松使用先进绘图工具。新功能激发用户创作热情，展示了ControlNet轮廓控制与FLUX生成图像的结合效果。虽然FLUX本身免费开源，但提供推理服务的fal.ai平台需付费使用，每百万像素0.075美元，新用户注册可享1美元余额体验。FLUX在线版的升级为绘图创作带来前所未有的自由与便捷。

腾讯混元文生图大模型（HunyuanDiT）近日联合社区发布了三款新的可控制插件ControlNet，分别为tile(高清放大)、inpainting(图像修复与扩充)和lineart(线稿生图)，进一步扩展了其ControlNet矩阵。这些插件的加入，使得混元DiT模型能够覆盖更广泛的应用场景

开发者发布IMAGDressing-v1，一款AI虚拟换衣工具，提供更灵活、真实的虚拟穿衣体验。核心特点包括：1）简单的架构与高效生成逼真服装能力。用户仅需提供图片，即可快速生成虚拟穿着效果，无需额外操作。2）兼容IP-Adapter和ControlNet等插件，扩展工具功能，适应更多应用需求。3）采用实验性的局部更换功能，用户能对服装指定区域进行更改，提高虚拟试衣的实用性。此工具有力推动虚拟试衣技术进步，为用户提供直观便捷、高度定制化的体验。

Xinsir公司最近推出了Controlnet++，一个全新的开源模型，其独特之处在于通过单一网络即可实现十多种图像控制，支持Openpose、Canny等输入，大幅减少匹配模型的需求。该模型基于ControlNet架构，新增模块使之支持超过十种不同的控制类型，特别适用于生成和编辑高品质图像，且能够生成与Midjourney视觉质量相当的高分辨率图像，特别适合作为设计师的精细编辑工具。 Controlnet++设计了新的架构，支持多种图像条件控制，并通过两个新增模块优化不同图像条件的支持和多条件输入，无需增加计算开销。实验结果显现出Controlnet++在控制能力和审美评分上优于原有模型。模型在SDXL上的示例显示了其在开放姿势、深度、Canny等多种条件下的强大生成能力。尽管当前在Web UI和Comfyui上无法使用，然而，Controlnet++已经被视为文本到图像生成领域的重要突破，并期待更多平台即将支持这一强大模型，以优化图像生成和编辑流程。

腾讯混元文生图大模型（混元 DiT 模型）宣布全面开源训练代码，包括 LoRA 插件和 ControlNet 插件。LoRA 是一种用于微调大型语言模型的技术，可以在不修改原有模型或增加模型大小的情况下，利用少量数据训练出具有特定特征的模型。

​日前， AI 内容生成的独立研究机构InstantX发布了多个SD3的ControlNet模型，包括Canny、Pose、Inpaint等。

{"title":"爆火「视频版 ControlNet」开源了！靠提示词精准换画风，全华人团队出品","list":["全华人团队打造的最新视频处理算法 CoDeF 发布后迅速在网上爆火","CoDeF 能根据提示词精准控制视频的画风，并保持口型一致","CoDeF 通过内容形变场实现视频风格迁移任务，并具有良好的跨帧一致性"]}