#一句话搞定图像视频全流程##媲美GPT4o的图像神器来了#

生成图像、剪视频、改照片，还要来回切模型？太麻烦了！

现在，港科大等团队发布了ComfyMind，一套系统打通所有主流视觉生成任务，不管是文本转图像，还是图像转视频，全都一句话搞定。

来看几个效果：

- 生成一张彩虹光学图；【图1】

- 在蛋糕图上“动刀”切块；【图2】

- 把Logo无缝嵌入杯子；【图3】

- 生成燃烧的篝火视频……【图4】

这套框架在多个行业基准测试中，表现甚至可与闭源巨头GPT-4o相媲美。

以前靠ComfyUI做这些事要搭节点、写JSON，搞懂模型参数，非专业选手根本玩不转。即使有些工具能自动搭建流程，也常常出错、缺模块、语义漂移。

ComfyMind的做法是：用大模型“指挥调度”ComfyUI，像人类艺术家那样分步骤、按层级规划任务。它把工作流程拆成“原子工作流”，用自然语言定义模块，还能根据执行反馈局部返工，不重跑整个流程。

目前，项目已开源上线，Demo也能直接体验。感兴趣的，可以戳官网或论文了解更多细节。详情请看：http://t.cn/A6exTb3M