Nouveautés de l'écosystème ComfyUI : sorties de modèles open source, nœuds personnalisés, workflows et outils de génération d'images, de vidéos et d'audio.
Synthèse vocaleHiggs TTS 3 est un modèle de synthèse vocale de 4 milliards de paramètres prenant en charge plus de 100 langues avec clonage vocal zero-shot, contrôle émotionnel expressif et effets sonores/prosodie en ligne pour les applications d'agents vocaux.
Open-Weights
Texte vers vidéoSulphur 2 est un fine-tuning communautaire de LTX 2.3 offrant une génération vidéo texte-vers-vidéo et image-vers-vidéo, avec un améliorateur de prompt intégré et un distill LoRA, entraîné sur plus de 125 000 clips sélectionnés.
Open-Weights
L'équipe OpenMOSS publie MOVA (MOSS Video and Audio), un modèle fondamental de génération synchronisée vidéo et audio de bout en bout qui génère vidéo et audio en une seule inférence, réalisant une synchronisation labiale précise et des effets sonores conscients de l'environnement, avec poids du modèle, entraînement et code d'inférence entièrement open source
Open-Weights
Alibaba Tongyi Lab lance Z-Image-Base, le modèle fondamental non distillé de la série Z-Image, préservant le plein potentiel génératif et fournissant une base idéale pour le fine-tuning communautaire et le développement personnalisé
Open-Weights
DeepSeek publie en open source DeepSeek-OCR-2, introduisant le nouvel encodeur de vision DeepEncoder V2 qui imite la logique de lecture humaine via le mécanisme de flux causal visuel, atteignant 91.09% de précision sur OmniDocBench v1.5
Open-Weights
Moonshot AI lance officiellement Kimi K2.5, un modèle d'agent multimodal natif de 1T paramètres, pré-entraîné en continu sur environ 15 billions de tokens visuels et textuels mixtes, prenant en charge la compréhension d'images et de vidéos avec mécanisme de collaboration autonome Agent Swarm
Open-Weights
Alibaba Qwen publie en open source la série de modèles de génération vocale Qwen3-TTS, atteignant une latence ultra-faible de 97ms grâce à la modélisation Dual-Track, prenant en charge le clonage vocal de 3 secondes et la conception vocale en langage naturel, couvrant 10 langues principales
Open-Weights
Microsoft publie en open source VibeVoice-ASR, un modèle unifié de reconnaissance vocale de 9B paramètres capable de traiter jusqu'à 60 minutes d'audio en un seul passage, complétant conjointement la reconnaissance, la diarisation des locuteurs et la génération d'horodatages en un seul processus d'inférence
Open-Weights
NVIDIA publie en open source PersonaPlex-7B-v1, un modèle de dialogue vocal full-duplex de 7 milliards de paramètres basé sur l'architecture Moshi, compatible avec l'écoute et la parole simultanées, les interruptions naturelles et la personnalisation des rôles avec une latence de réponse aux interruptions aussi faible que 240 millisecondes
Open-Weights
Texte vers vidéoStable Video Infinity 2.0 Pro a été officiellement lancé, ajoutant le support pour le modèle de base Wan 2.2, fournissant des versions HIGH et LOW de modèles LoRA pour générer du contenu vidéo de longueur infinie dans ComfyUI
Édition d'imageQwen-Image-Layered peut décomposer des images en plusieurs calques RGBA, chaque calque pouvant être édité indépendamment sans affecter le contenu, supportant des opérations comme la recoloration, le remplacement, la suppression, le redimensionnement et le repositionnement
Open-Weights
Image vers 3DMicrosoft présente TRELLIS.2, un grand modèle génératif 3D de 4 milliards de paramètres qui convertit des images en actifs 3D de haute qualité en quelques secondes, avec des matériaux PBR complets et un support de topologies complexes
Open-Weights
L'équipe de l'Université Tsinghua publie en open source TurboDiffusion, un framework d'accélération pour la génération de vidéo qui atteint 100-205x d'accélération de génération de diffusion de bout en bout sur une seule RTX 5090 tout en maintenant la qualité vidéo
L'équipe Alibaba Cloud PAI lance Z-Image-Turbo-Fun-Controlnet-Union, un modèle ControlNet supportant plusieurs conditions de contrôle dont Canny, HED, Depth, Pose et MLSD, entraîné en résolution 1328
Open-Weights
Texte vers imageL'équipe AIDC-AI d'Alibaba lance Ovis-Image, un modèle texte-vers-image de 7B paramètres axé sur le rendu de texte de haute qualité, obtenant d'excellents résultats sur plusieurs benchmarks
Open-Weights
Alibaba Tongyi Lab lance Z-Image-Turbo, un modèle efficace de génération d'images à 6B paramètres qui produit des images de haute qualité en seulement 8 étapes d'échantillonnage et fonctionne fluidement sur les GPU grand public avec 16 Go de VRAM
Open-Weights
MultimodalByteDance présente le modèle multimodal Sa2VA, combinant les technologies SAM2 et LLaVA pour réaliser une segmentation dense et une réponse aux questions visuelles à la fois pour les images et les vidéos, obtenant des performances de pointe sur plusieurs benchmarks
Open-Weights
Tencent lance Hunyuan Image 3.0, le premier modèle natif de génération d'images multimodal de niveau commercial open source avec un total de 80 milliards de paramètres, doté de capacités de raisonnement sur la connaissance du monde et prenant en charge la compréhension sémantique complexe de milliers de caractères
Open-Weights
L'équipe Nunchaku publie la version optimisée du modèle Qwen-Image-Edit-2509 Lightning 4-Bit, prenant en charge l'inférence rapide en 4/8 étapes, fonctionnant parfaitement dans un environnement 8 Go de VRAM
Le laboratoire Tongyi d'Alibaba lance Wan-Animate, un cadre unifié d'animation de personnages basé sur Wan2.2, prenant en charge la génération d'animation de personnages et le remplacement de personnages dans les vidéos, avec des poids de modèle et du code d'inférence open-source
Open-Weights