POV 视角生成成图像模型新能力,开源方案集体翻车
PangolinAdmirable881 · reddit · 2026-09-14
Reddit 用户发现 Meta Muse Image 和 Nano Banana 等闭源模型能根据输入图片生成特定人物视角(POV)的图像,但成本太高无法大规模使用。作者尝试的开源替代全部失败:
- 开源图像模型:Qwen Image Edit、FLUX.2 9B Base、Hunyuan Image 3.0 Instruct 均无法从图中特定人物视角生成画面;
- 视角描述法:用 Gemma 4 生成「该人物看到了什么」的描述,结果它转而去描述人物本身而非视角内容;
- 视频模型改机位:用 Wan 2.2 TI2V 指令切换到人物视角,同样失败(尚未测试更大的视频模型)。
帖子里作者向社区征集更多模型或提示词技巧,评论区可关注后续方案。
「多模态」频道最新
- 曝 Gemini 4 Carbon 实测:比 Opus 5.5 便宜 3 倍、快一倍以上 — vitaliychiley · 2026-10-31
- AI 生成童话短片：眼泪变毛线，全镇疯狂造泪 — gizakdag · 2026-10-31
- ComfyUI 预览图节点扩展：点击即可一键保存出图 — sitefall · 2026-10-31
- 用 Gemini 全家桶拍 MKUltra 黑历史微剧,总 API 花费仅约 $35 — korymath · 2026-10-31
- 手柄当无人机操控镜头:Godot 相机路径数据喂给 Wan 生成视频 — droidsculptor · 2026-10-31
- Customuse 推出 Decals:解决 3D AI 模型生成清晰 Logo 与文字的短板 — SimplyAnnisa · 2026-10-31