anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
一个带上传表单的 n8n 工作流,收两张图片。一个 RunningHub AI 应用按第二张图的姿势重画第一张图里的人,第二个应用再把结果放大。
用参考照片换姿势并放大 是一款 n8n 工作流,属于营销类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。
表单上传
有人通过上传表单发来两张图片时运行:
一张更大的图片,人物换上了新姿势,可以从这次运行里下载
开始之前要准备好这些。
AI 图片应用
保存上传的图片,运行换姿势应用和放大应用,并返回每个任务的状态和结果。
需要RunningHub API 密钥,填在 API Setup 里
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流给照片里的人换一个新姿势。有人在它的表单里上传两张图片:一张人物照片,一张姿势参考图。剩下的交给 RunningHub。它的一个 AI 应用按第二张图里站、坐或动的样子重画这个人。另一个应用再把这张图放大,直到短边达到 1440 像素。整个流程由二十二个节点完成。大多是上传、等待和查询状态。
想让同一个人摆出几种姿势、又不想重新拍摄的网店、摄影师和社交媒体团队,或者想在拍摄前先试试某个参考姿势的人。如果结果必须自动保存或发出去,就别选它。在你加上相应步骤之前,最终文件只留在 n8n 里。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 服装零售 | 网店团队 | 让模特照片摆出以前主图里的站姿 | 一家店让新夹克的照片换成上一季爆款那种双手插兜的站姿。 |
| 摄影 | 人像摄影师 | 拍摄前先预览客户喜欢的姿势 | 一位摄影师给客户看杂志上的坐姿换到他身上是什么样子。 |
| 社交媒体 | 创作者 | 用自己的照片配上参考画面里的姿势 | 一位创作者照着一个定格画面的姿势做了一张缩略图。 |
| 游戏和漫画 | 概念美术师 | 照着人偶或草图给角色摆姿势 | 一位美术师照着木头人偶的照片摆好角色设定图。 |
你只需要会一点 n8n:导入一个文件,贴一个密钥,发布一个表单。作者估计设置大约 5 分钟。
任何能访问 RunningHub API 的 n8n 都能运行它。表单只要两次上传,所以在手机浏览器里也能用。
downloadFinalImage 后面加一个节点,把每次的结果存下来点“获取”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。你需要一个 n8n 实例,以及一个有余额的 RunningHub 账号和它的 API 密钥。
workflow.json。API Setup,把 YOUR_RUNNINGHUB_API_KEY 换成你的 RunningHub 密钥。每个 RunningHub 调用都从这里读取它。打开表单,在 Upload Original Image 下放人物照片,在 Upload Pose Image 下放姿势图,然后提交。JPG、PNG 和 WebP 都可以。一次运行要几分钟,因为它在第一次查询前先等一分半钟,之后每分钟再查一次,直到新姿势做好。运行结束后,到 Executions 里打开 downloadFinalImage,把图片下载下来。
| 要改的 | 在哪里改 |
|---|---|
| 给应用的指令 | createTask 的 JSON 请求体里的 text 值 |
| 最终尺寸 | createUpscaleTask 里的 1440,即短边的像素数 |
| 应用 | createTask 和 createUpscaleTask 里的 webappId。每个应用有自己的节点编号,换应用时要核对 |
| 等待多久 | Wait、Wait1、Wait2 和 Wait3 |
你上传一张模特穿牛仔夹克、站得笔直的全身照,再上传一张有人双臂交叉、靠在墙上的图片。
| 步骤 | 结果 |
|---|---|
createTask | 穿牛仔夹克的模特,现在双臂交叉靠在墙上 |
createUpscaleTask | 同一张图片,放大了 |
downloadFinalImage | 这张图片作为文件留在这次运行里,可以下载 |
新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这里大多数方框在等待,或者在问 RunningHub 任务做完没有。每个应用都有自己的循环,一直转到答案是做完了为止。用测试表单跑一次。每个节点做完时会变成绿色。
专家:每个调用都是发给 RunningHub 开放 API 的 HTTP Request。不涉及任何 n8n 凭据。密钥放在每个请求的请求体里,而不是请求头里。
| 节点 | 接口 | 要知道的 |
|---|---|---|
uploadOriginalCharacter、uploadPostureDiagram、uploadNewImage | /task/openapi/upload | multipart 上传。每次都返回应用要读的 fileName |
createTask、createUpscaleTask | /task/openapi/ai-app/run | 按 webappId 启动一个 AI 应用,并给它的每个节点编号填一个值 |
checkStatus、checkStatus1 | /task/openapi/status | 只返回状态,放在 data 里 |
getOutput、getOutput1 | /task/openapi/outputs | 第一项的 fileUrl 就是图片 |
结果只留在 n8n 里,任务失败时运行会悄无声息地结束。
downloadFinalImage 下载,或者加一个存储节点Switch 和 Switch1 里,FAILED 后面什么都没接。它们没有判断的状态会让运行报错结束API Setup 里,并随每个请求发出,分享工作流之前先把它删掉一个带上传表单的 n8n 工作流,收两张图片:一张人物照片,一张姿势图。一个 RunningHub AI 应用按那个姿势重画这个人,第二个应用再把结果放大,直到短边达到 1440 像素。每一步都通过 RunningHub 的 API 在 RunningHub 上运行。
workflow.json:n8n 导出的工作流,22 个节点,没有便签。里面没有任何凭据。README.md:这份设置说明,压缩包里的是英文版。API Setup 里的密钥占位符原来是 YOUR_RUNNINGHUB_API,现在是 YOUR_RUNNINGHUB_API_KEY,一看就知道该填什么。其他都没改。workflow.json。API Setup,把 YOUR_RUNNINGHUB_API_KEY 换成你的 RunningHub 密钥。每个 RunningHub 调用都从这里读取它,所以只需要改这一处。On form submission 收两个必填文件,Upload Original Image 和 Upload Pose Image,格式为 JPG、PNG 或 WebP。getBinaryFile 把两个文件放在一项里往下传。uploadOriginalCharacter 和 uploadPostureDiagram 同时把它们发到 RunningHub 的 /task/openapi/upload,各自拿回一个保存后的 fileName。Merge 和 Aggregate 等两次上传都完成。然后 createTask 在 /task/openapi/ai-app/run 启动 RunningHub AI 应用 1986280816420552706。它的 23 号节点收人物,41 号节点收姿势,34 号节点收指令,指令要求第一张图里的人摆出第二张图里的姿势。Wait 先等一分半钟,checkStatus 再查询任务状态。Switch 把 QUEUED 和 RUNNING 送到 Wait1,它每分钟再查一次。SUCCESS 则送往 getOutput。getOutput 读取结果的地址,downloadImage 取回图片,uploadNewImage 把它作为新文件再传回 RunningHub。createUpscaleTask 启动第二个应用 1961632883674955778,3 号节点放这个文件,15 号节点放 1440,也就是短边的长度。Wait2 等一分钟,checkStatus1 再查询,Switch1 经由 Wait3 每 30 秒循环一次,直到任务完成。getOutput1 读取地址,downloadFinalImage 把最终图片作为文件取回 n8n。createTask 的 JSON 请求体里的 text 值。如果结果走样,就多写几句衣服、背景或构图的要求。createUpscaleTask 里的 1440,即短边的像素数。createTask 和 createUpscaleTask 里的 webappId。nodeId 编号属于各自的应用,换应用时要到 RunningHub 上那个应用的页面核对。Wait(90 秒)、Wait1 和 Wait2(各一分钟)以及 Wait3(30 秒)。downloadFinalImage 下载。想每次都留存,就在 downloadFinalImage 后面加一个 Google 云端硬盘、Dropbox 或邮件节点。Switch 和 Switch1 的第一个输出 FAILED 后面什么都没接。它们没有判断的状态会让运行报错结束。API Setup 里,并放在每个请求的请求体中发出,分享工作流之前先把它删掉。README.md 4 KB workflow.json 19 KB
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
nerijs · 工具包
一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。
LiconStudio · 工具包
给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。