HeyGen实现流程中的语音克隆，现在有最佳开源方案了：XTTS v2，单样本即可克隆语音，效果见视频。 现在已经能实现：让一个明星的采访视频，变成他讲述任意小故事（内容可以GPT编）的视频，声音是他的声音，嘴型也能对上。 XTTS v2在线体验： Github：

千问开源Qwen3-TTS 除了常规的文本生成语音，还支持设计声音和语音克隆。分0.6B和1.7B两个大小。效果不错，速度也很快。语音克隆的音色还原还可以，但是情感还原上不如Index TTS2。 模型： 在线体验：

国内也有自己的 Veo 3 模型了！ 通义今天发布了通义万象 2.5 视频模型 一个重要的更新就是实现音画同步的视频生成能力 支持端到端输出与视频相关的音效、语音，同时可以唇形同步。

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。 给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。... 除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。 还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。show more

一款轻量级的音频转文本开源免费工具：Youtube-Whisper。 只需输入 YouTube 视频链接，即可提取其中音频，并利用 OpenAI Whisper 模型进行语音转文本。 GitHub： 工具提供了在线免费体验地址，可选择英语、西班牙语、法语等语言。 在线体验：

现在的 AI 实在太逼真了 注意看这两个视频，动作和表情是一模一样的，只是衣服不一样 实拍不可能拍出这种效果

还记得阿里巴巴那个让照片说话的EMO项目吗 ？ 微软的VASA-1项目也实现了这个功能 单人像照片+语音音频=超逼真的人脸视频 效果炸裂，比EMO那个效果还好

哈哈，自从给我开发的 chatbot 加上了内容生成时的打字声音效果后，我就再也接受不了没有打字声音只有打字机效果的其他的 chatbot 了，内容生成的过程变得好无聊，感觉闷闷的不开朗 视频注意要开启声音观看

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具 可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。 直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。 提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。 左：原视频，右：口型同步后 提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了... tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现show more

用了一段时间 Seedance 2.0，我用了几百次，试着做了短剧、商业广告、文旅宣传片、生活互动小视频、个人vlog，聊点真实感受。 AI 视频从"生成"进入了"创作"时代。以前我们在"用 AI 做视频"，现在是"用 AI 拍片"。... 它重塑的不是某一个功能，而是整个创作流程： 以前你得分别处理文案、素材、剪辑、音效，现在你把想法、参考图、一段旋律一股脑丢给它，出来的东西——是一个完整的、有声音的、有叙事的视频。 最让我意外的是它的理解力。你用自然语言描述"主角从疲惫切换到放松的表情变化"，它真的能演出来。不是那种僵硬的 AI 味表演，是有节奏的、有呼吸感的。 说"划时代"可能有点大，但至少有三件事回不去了： 不会再接受"角色换个镜头就变脸" 不会再接受"视频和声音各做各的" 不会再接受"只能靠文字描述，不能喂参考素材" 这才是 AI 视频该有的样子。show more

阿里巴巴的EMO进步很大 一张图片+一段音频生成视频 嘴型匹配现在已经很完美了，有点牛P了

🚨重大新闻：最佳免费AI视频工具来了！ 现在只需文字描述就能生成高质量4K视频。 SkyReels V2是开源、无限制且完全免费的。 下面是工作原理（附真实案例）：👇

Skywork 上线了视频 Agent 能力，他们这个流程有意思 你可以从第一个分镜开始，左边生成之后，将生成的视频和音频素材发到右边的视频编辑器里面去进行编辑。 支持使用主流的视频模型和能力，文生、图生、首尾帧都有，另外支持生成音乐和语音。 我用首尾帧做了一条香水广告的演示，还不错。 也上线了一些特效模版，你可以不用管提示词直接复用。 而且会员从昨天（0106）开始会有为期七天的无限使用优惠，只要你是会员就可以一直用。 最近有需求的朋友们可以看看，说不定这几天直接回本了。

funwithcomputervision 发布了一个开源实时 3D 操纵器，你可以基于手势来操作投在界面上的任何物体，无论是缩放，移动，调节等等都能实现。 感觉这个对AI眼镜的操作还是很有帮助的，现在全是闭源实现（比如 Apple VisionPro ），终于看到了个开源实现。 在线体验地址，注意需要有摄像头：

我现在已经不在即梦用Seedance 2.0了，即使是年付最高会员也得排好几个小时才出视频。改在Yapper用，目前仅对邀请的创作者开放Seedance 2.0模型，15分钟就能生成15秒长度的视频，爽爆了。如果你是有影响力的创作者，我可以帮你引荐。Yapper 官网：

国产AI真的越来越强大了！发现一个AI复刻爆款视频的办法，不用开会员。 我在即梦下载了爆款视频之后，通过小云雀上传视频，就可以智能分析复刻同风格的爆款视频了，每天有130积分可以体验！ 图一是爆款视频，图2是复刻后的视频，感觉效果还不错！快去试试！

一款轻量级、能在移动设备上实时运行的数字人模型：Ultralight-Digital-Human 需要准备一段3到5分钟的视频，视频中的人物需要全程露脸，声音清晰无噪音 项目提供了一个康辉老师的口播示例，整体看起来流畅自然，没有明显的卡顿 github： #数字人 （视频做为该项目效果演示，侵删）

哇， 牛逼 !! GitHub 上每天都出新东西 这份开源库能把一张图，生成视频，效果如同 D-ID 一样。 前天我正在玩声音克隆：... 当把这两者一结合，来感觉了 虽然成品差点意思，剩下的就交给迭代了。show more

现在 Claude Code 可以无需消耗任何 token 即可阅读完整的文档。你只需要通过 MCP 将其连接到 Google... 的 NotebookLM。在本视频中，他们将向你展示如何实现。show more

我实在不是很明白打假这个游戏号的意义诶，你们看不懂游戏的能不能知道这号他有在玩但是确实借给别人了，第一段是他的语音，第二段里叫队友下A小包的不是他的声音是因为他确实借号给别人了呀😳😳爱玩狙的就是他本人捏