Qwen-Multiple-Angles - 角色/产品多视角速成 一张图搞定96种相机角度 ComfyUI+WebUI双模式 一键整合包下载

Qwen-Multiple-Angles - 角色/产品多视角速成 一张图搞定96种相机角度 ComfyUI+WebUI双模式 一键整合包下载

Qwen-Multiple-Angles 是一款多角度生成的插件(LoRA),让你在编辑图片时,可以像摄影师一样精确控制“拍摄角度”,比如前视、侧视、俯视、仰视,还能选择远近距离。它是专门为 Qwen-Image-Edit-2511 模型扩展的 LoRA(轻量训练模块),解决了原模型在多角度控制上的不足。
它的核心能力就是:你给它一张图,它能帮你从各种不同角度重新生成这张图里的东西,而且保持主体基本不变形、不串味。

下载地址:点此下载



今天分享的 Qwen-Multiple-Angles 一键包基于 Qwen-Image-Edit-2511-Multiple-Angles 这个LoRA模型,集成单次生成和批量生成。单次生成支持可视化3D控制球拖动生成,批量生成支持更自由的多角度连贯批量控制生成。支持多种模型一键切换,支持更适合新手的WebUI模式和专业选手的ComfyUI两种模式。

主要特点

可以控制96种相机位置
水平转圈:8个方向(正面、45°斜角、90°正侧面、135°、背后……一直转到360°)
垂直高度:4种高度(特别强的是“低角度仰拍-30°”那种很帅的仰视感)
远近:3种焦距(特写、中景、宽景/远景)

特别擅长“低角度仰拍” 很多AI模型拍低角度都会崩(脸歪、手脚变形),这个LoRA在这方面表现明显更好。

用的是3000+高质量3D数据训练出来的 用了Gaussian Splatting(一种很新的3D渲染技术)做的训练素材,所以空间感、透视一致性比普通LoRA强很多。

不是从零生成图片,而是“改图”神器(image-to-image) 你必须先给它一张参考图,然后告诉它“我要从这个角度看”。

触发方式很固定但简单 提示词里一定要写 <sks> 这个暗号 + 角度描述
例子: <sks> front view low-angle shot close-up → 正面、低角度仰拍、特写 <sks> side view elevated medium shot → 侧面、高角度、中景 <sks> back view wide shot → 正背后、远景 LoRA强度建议0.8~1.0,最常用0.9。



应用场景

角色设计稿 / 人物多角度参考图
画师/原画师最爱:只画一张正面,AI自动补侧面、3/4面、背面、仰拍……做角色设定集超快。

产品图多角度展示
电商、工业设计、3C产品:给一张正面照,就能快速出45°、侧面、俯拍、仰拍、远近各种官方图。

3D感一致性转视频前处理
很多人拿它先生成一堆不同角度的图,再丢给Wan2.2、SV3D、Runway、LTX等工具做短视频/3D旋转。

游戏/影视概念设计快速迭代
快速验证“同一个角色/道具在不同机位下是什么感觉”。

低角度/戏剧性镜头补救
特别适合拍那种很man、很有压迫感的仰拍汽车、建筑、人物。



使用教程:(建议N卡,显存8G起,运存32G起,支持50系显卡)

整合包包含所需所有节点,下载主程序和模型(ComfyUI文件夹),解压主程序一键包,将ComfyUI文件夹移动到主程序目录下即可。

支持单次生成和批量生成

单次生成:上传需要生成的图像,选择模型(GGUF模型体积更小,效果比Diffusion差,适合笔记本用户),拖动控制球(水平、垂直、距离),也可以手动在参数里设置,生成即可。
批量生成:上传需要生成的图像,选择模型(GGUF模型体积更小,效果比Diffusion差,适合笔记本用户),设置起始角度,即开始和结束的角度数值;角度间隔,即间隔多少角度生成一次。然后点击计算生成数量,最后点击批量生成。


模型切换:如果你的显卡很高端,想体验更好的模型,可以自由更换。Diffusion模型放到ComfyUI\models\diffusion_models目录,加载后切换;GGUF模型放到ComfyUI\models\unet,加载后切换。
如果显卡显存大于8G,建议使用Diffusion模型,16G或更高的显卡,可以使用精度更高的BF16模型。




软件目录结构


📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │      └── qwen_image_edit_2511_fp8mixed.safetensors
│   ├── 📂 unet/
│   │      └── qwen-image-edit-2511-Q4_K_S.gguf
│   ├── 📂 text_encoders/
│   │      └── qwen_2.5_vl_7b_fp8_scaled.safetensors
│   ├── 📂 loras/
│   │      └── qwen-image-edit-2511-multiple-angles-lora.safetensors
📂 deepface/
......

Read more

阿里云的moltbot机器人使用钉钉的Stream流式接入

注意 1. 这个不需要工作流 2. 这个不需要开放外网 具体方法: 1.check代码https://github.com/DingTalk-Real-AI/dingtalk-moltbot-connector 2.package.json增加如下代码 "moltbot": { "extensions": ["./plugin.ts"], "channels": ["dingtalk-connector"], "installDependencies": true } 3.安装插件 moltbot plugins install dingtalk-moltbot-connector 4.增加钉钉配置~/.moltbot/moltbot.json;如果有了进行提花 { "channels"

ESP32 小智 AI 机器人入门教程从原理到实现(自己云端部署)

此博客为一篇针对初学者的详细教程,涵盖小智 AI 机器人的原理、硬件准备、软件环境搭建、代码实现、云端部署以及优化扩展。文章结合了现有的网络资源,取长补短,确保内容易于理解和操作。 简介: 本教程将指导初学者使用 ESP32 微控制器开发一个简单的语音对话机器人“小智”。我们将介绍所需的基础原理、硬件准备、软件环境搭建,以及如何编写代码实现语音唤醒和与云端大模型的对接。通过本教程,即使没有深厚的 AI 或嵌入式经验,也可以一步步制作出一个能听懂唤醒词并与人对话的简易 AI 机器人。本教程提供详细的操作步骤、代码示例和图示,帮助您轻松上手。 1. 基础原理 ESP32 架构及其在 AI 领域的应用: ESP32 是一款集成 Wi-Fi 和蓝牙的双核微控制器,具有较高的主频和丰富的外设接口,适合物联网和嵌入式 AI 应用。特别是新版的 ESP32-S3 芯片,不仅运行频率高达 240MHz,还内置了向量加速指令(

小米 “养龙虾”:手机 Agent 落地,智能家居十年困局被撬开

小米 “养龙虾”:手机 Agent 落地,智能家居十年困局被撬开

3月6日,小米正式推出国内首个手机端类 OpenClaw Agent 应用 ——Xiaomi miclaw,开启小范围邀请封测。这款被行业与网友戏称为小米 “开养龙虾” 的新品,绝非大模型浪潮下又一款语音助手的常规升级,而是基于自研 MiMo 大模型、具备系统级权限、全场景上下文理解能力的端侧智能体。 作为深耕智能家居领域的行业媒体,《智哪儿》始终认为:智能家居行业过去十年的迭代,始终没能跳出 “被动执行” 的底层困局。而 miclaw 的落地,不止是小米在端侧 AI 赛道的关键落子,更是为整个智能家居行业的底层逻辑重构,提供了可落地的参考范本。需要清醒认知的是,目前该产品仍处于小范围封测阶段,复杂场景执行成功率、端侧功耗表现、第三方生态适配进度等核心体验,仍有待大规模用户实测验证。本文将结合具象场景、量化数据与多维度视角,客观拆解 miclaw 的突破价值、现实挑战,以及它对智能家居行业的长期影响。 01 复盘行业困局:智能家居十年 始终困在 “被动执行”

NWPU VHR-10数据集 无人机遥感目标检测数据集 飞机 储罐 棒球场 网球场篮球场 港口车辆桥梁检测 遥感图像中的地理空间目标检测

NWPU VHR-10数据集 无人机遥感目标检测数据集 飞机 储罐 棒球场 网球场篮球场 港口车辆桥梁检测 遥感图像中的地理空间目标检测

NWPU VHR-10数据集 遥感数据集 NWPU VHR-10数据集是 10个类别地理空间目标检测的挑战性数据集,共650张图片。 YOLO和COCO格式 数据集按默认划分比例:390张训练集、130张验证集、130张测试集。 手动标注了757架飞机、302艘船只、655个储罐、390个棒球场、524个网球场、159个篮球场、163个田径场、224个港口、124座桥梁和598辆车辆。 📊 一、数据集总体信息 项目描述数据集名称NWPU VHR-10(Northwestern Polytechnical University Very High Resolution 10-class Dataset)任务类型遥感图像中的地理空间目标检测(Object Detection in Remote Sensing Images)图像总数650 张(均为高分辨率遥感图像,源自 Google Earth 等平台)图像分辨率约 600×600