在 Colab 运行图像、视频、语音和对话模型。选择对应笔记本,启动后打开页面即可使用。
| 模型 | 建议显存 | 简介 | 一键打开 |
|---|---|---|---|
| Qwen-Image 2.1 | 80GB+ | 文生图、图像编辑、多图参考 | |
| MiniMax-H3 | 80GB+ | 有声视频、首尾帧、多模态参考 | |
| H3 Character Swap | 80GB+(推荐)/ 40GB+(480p) | 单人 / 多人视频人物替换,保留动作与原声 | |
| SeedVR2 | 40GB+ | 视频和图片放大、细节修复 | |
| IndexTTS 2.5 | 40GB+ | 音色克隆、语速和情绪控制 | |
| Qwen3.8-27B | 40GB+(FP8)/ 80GB+(BF16) | 对话、深度思考、图片与视频理解 |
以上按本仓库的笔记本配置选择 GPU,实际显存用量随分辨率、视频长度和上下文长度变化。每个笔记本独立运行一个模型。
上传素材、填写文本或提示词,再调整尺寸、步数、种子等常用设置。底部选择输出格式和数量,点击生成;结果可以预览、下载,也可以从本次历史中再次使用。
专业采样、缓存、推理精度和编码细节使用默认值。页面右上角可查看实时机器资源与切换中/英文界面。
- 从上方表格选择模型,并在 Colab 中连接符合要求的 GPU。
- 在浏览器打开笔记本后,依次运行第 1–4 步即可。
- 第 4 步通过 Google Colab 官方内置端口代理(
proxyPort)启动 Web 页面,仅绑定当前登录的 Google 账号访问,无需配置外部隧道或额外密码,也不开放外部 API;实例停止后临时链接即失效。 - 建议先用默认设置(或 40GB 显存下先用
480p/5s)测试一次,再按需要调整尺寸、时长、步数或种子。
支持文生图和图像编辑,最多使用 10 张参考图。可以选择 1K / 2K、画幅比例或自定义尺寸,一次生成 1~4 张;编辑结果支持与原图对比、继续精修。
支持文生视频、首尾帧和图片/视频/音频参考,最多 9 张参考图,混合素材合计最多 12 份。当前提供 540p / 768p;极速模式会自动选择推荐步数。
基于 MiniMax-H3 Ref2VA + FL2V Turbo 8-step + Character Swap V1.5 + SAM 3.1,支持单人替换与多人同框分别替换(1–4 位角色),通过 SAM 3.1 自动跟踪人物并锁定原视频背景,完整替换人物脸部与全身服饰同时保留动作、光影和原声,支持可选关键帧锚点引导与 A/B 卷帘视频对比。
上传视频或图片,选择按倍数或目标尺寸放大。7B Sharp 偏重清晰度,3B Fast 偏重速度;视频可保留原声,结果支持放大前后对比。
使用内置 Sage 音色,或上传、录制自己的参考人声。支持中文、英语、日语、西班牙语和阿拉伯语,可调整语速、描述语气或使用情绪参考音频。
支持文字、图片和视频多轮对话,在 Web 工作台内置实时可折叠深度思考流、回复长度与采样随机度设置。
在 Qwen-Image 或 MiniMax 中展开「风格模型(LoRA,可选)」:选择已有模型、粘贴模型链接,或上传本地 .safetensors 文件。启用后调整强度,再正常生成即可;多个模型可以叠加使用。
本地开发与更新
本地开发使用 Python 3.12、Node.js 22.18+、pnpm 11;媒体处理需要 FFmpeg。
pnpm -C frontend install --frozen-lockfile
pnpm -C frontend build:all
python3 -m pip install -r backend/requirements.txt
python3 backend/run_server.py --feature indextts-2.5 --mock--mock 用于检查界面和调用流程。真实推理需要对应权重和 GPU。
Colab 从 GitHub Releases 安装预构建应用。源码更新后,运行 GitHub Actions 的 Build & Publish Feature App Releases 发布新版本并同步笔记本,再使用最新笔记本运行安装与启动步骤。
代码采用 Apache-2.0。模型权重请遵循各项目许可证:Qwen-Image、MiniMax-H3、H3 Character Swap LoRA、SeedVR2、IndexTTS、Qwen3.8。
