Novedades del ecosistema ComfyUI: lanzamientos de modelos de código abierto, nodos personalizados, flujos de trabajo y herramientas de generación de imagen, video y audio.
Animación de personajesEl modelo OmniAvatar ahora es de código abierto, permitiendo la generación de videos de humanos virtuales de cuerpo completo controlados por audio con movimientos naturales y expresiones ricas, adecuado para podcasts, interacciones, escenas dinámicas y diversas aplicaciones.
Open-Weights
Texto a vozEl Laboratorio Tongyi libera ThinkSound, el primer marco unificado de generación y edición de audio Any2Audio que soporta razonamiento en cadena, permitiendo entradas multimodales incluyendo video, texto y audio, con alta fidelidad, fuerte sincronización y capacidades de edición interactiva.
Open-Weights
Texto a imagenByteDance libera el código del modelo XVerse, permitiendo un control preciso e independiente de múltiples identidades de sujetos y atributos semánticos (como pose, estilo, iluminación), mejorando las capacidades de personalización y escenas complejas en la generación de imágenes por IA.
Open-Weights
Black Forest Labs lanza la versión de código abierto Flux.1 Kontext Dev, un modelo transformador de difusión de 12B parámetros, con soporte nativo inmediato en ComfyUI
Open-Weights
MultimodalVectorSpaceLab lanza OmniGen2, un potente modelo de generación multimodal que permite edición precisa de imágenes locales mediante instrucciones en lenguaje natural, incluyendo eliminación y reemplazo de objetos, transferencia de estilo, procesamiento de fondos y más
Open-Weights
El equipo de investigación de NVIDIA presenta UniRelight, una tecnología universal de reiluminación basada en difusión que logra efectos de reiluminación de alta calidad a través de una sola imagen o video
Open-Weights
Texto a imagenEl equipo de NUS introduce el proyecto OmniConsistency, logrando consistencia en estilización de imágenes al nivel de GPT-4o con solo 2,600 pares de imágenes y 500 horas de entrenamiento en GPU, ahora compatible con nodos de ComfyUI
Open-Weights
Black Forest Labs presenta los modelos de la serie FLUX.1 Kontext, los primeros en lograr edición consciente del contexto basada en texto e imágenes, con soporte para preservación de consistencia de personajes y características de edición localizada
Open-Weights
Texto a imagenByteDance y la Universidad Estatal de Michigan proponen conjuntamente el método ID-Patch, logrando la generación de imágenes personalizadas multi-identidad con mejor preservación de identidad y eficiencia de generación, adecuado para fotos grupales, anuncios y otros escenarios multi-personaje.
Open-Weights
Animación de personajesTencent lanza HunyuanVideo-Avatar, que permite crear videos digitales de alta fidelidad y control emocional a partir de imágenes y audio, ideal para videos cortos, anuncios de comercio electrónico y más.
Open-Weights
Texto a imagenPixel-Reasoner, basado en Qwen2, ofrece comprensión y razonamiento visual a nivel de píxel tanto global como local, admite análisis detallados con zoom y promueve avances en modelos de lenguaje visual.
MIT
IndexTTS lanza la versión 1.5 con mejoras significativas en la estabilidad del modelo y el rendimiento en inglés, con soporte para corrección de pronunciación pinyin y pausas controladas por puntuación, superando a los sistemas TTS convencionales en múltiples pruebas
Open-Weights
Imagen a 3DStepFun lanza el framework de código abierto Step1X-3D que genera geometría 3D y texturas de alta calidad a partir de imágenes individuales, incluyendo conjunto de datos de 2M de alta calidad, código de entrenamiento completo y pesos del modelo
Open-Weights
MultimodalByteDance presenta BAGEL, un modelo base multimodal de código abierto con 7B parámetros activos, capaz de comprender y generar texto, imágenes y videos, logrando resultados destacados en benchmarks públicos.
Open-Weights
Texto a imagenDespués de las recientes actualizaciones de ComfyUI, algunos nodos personalizados pueden causar problemas en el frontend. Este artículo resume los plugins afectados y las soluciones, recomendando actualizaciones oportunas o la desinstalación de los plugins relevantes.
Open-Weights
El equipo de Step1X-3D ha lanzado una solución para la generación de activos 3D de alta fidelidad, abriendo modelos, conjuntos de datos y código, y apoyando diversas tareas de generación y texturizado de activos 3D.
Open-Weights
MultimodalTencent presenta HunyuanCustom, un marco de personalización de video multimodal que admite condiciones de texto, imagen, audio y video, permitiendo una generación de video altamente consistente en múltiples escenarios
Open-Weights
Edición de imagenInsert Anything es un marco unificado de código abierto que puede insertar perfectamente elementos como personas, objetos y ropa desde imágenes de referencia en escenas objetivo, admitiendo varios escenarios de aplicación
Open-Weights
Texto a vídeoFlexiAct, desarrollado conjuntamente por la Universidad de Tsinghua y el Laboratorio ARC de Tencent, puede transferir acciones de un video de referencia a cualquier imagen objetivo manteniendo la consistencia de identidad
Open-Weights
MultimodalStep1X-Edit es un potente marco de edición de imágenes de código abierto que admite la edición de imágenes mediante instrucciones en lenguaje natural, ofreciendo capacidades similares a GPT-4o y Gemini2 Flash。
Open-Weights