Loading video...

Video Failed to Load

Go Home

Adobe 发布了视频超分项目 VideoGigaGAN。 从演示效果来看相当牛批，支持8倍视频放大，可以适应不同风格的视频。 详细介绍： 该模型能够生成既保持时间连贯性又具有高频细节的视频。VideoGigaGAN基于一个先进的大规模图像放大模型GigaGAN进行设计和优化。 如果简单地将GigaGAN扩展为视频处理模型，并增加处理时间信息的模块，会引起视频中的严重闪烁问题。为解决这一问题，我们识别并改进了几个关键技术点，显著提升了视频的时间稳定性。 通过在公开数据集上与其他先进的VSR模型对比，并展示8倍超分辨率的视频效果，我们验证了VideoGigaGAN的高效性。

op7418's profile picture

歸藏(guizang.ai)

164,134 subscribers

17,965 views • 2 years ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.
0:28

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

karminski-牙医

42,175 views • 8 months ago

顺便梳理一下现在企图通过开源复现 Sora 的三个项目，分别是： Open-Sora Plan 由北大-兔展AIGC联合实验室共同发起，目前推出了 1.0 版本的模型，同时发布了一个名为MagicTime项目，从Time-lapse 视频中学习真实世界的物理知识。 Mira 腾讯推出的项目，目前的模型可以生成分辨率为 128x80 的长达 20 秒的视频和分辨率为 384x240 的长达 10 秒的视频。同时提供了数据标注和模型训练的工具。 Open-Sora Colossal-AI 团队牵头的项目，目前发布了 1.1 模型，支持 2s~15s，144p 到 720p，任何宽高比文本到图像，文本到视频，图像到视频，视频到视频，无限时间生成的版本。
1:07

顺便梳理一下现在企图通过开源复现 Sora 的三个项目，分别是： Open-Sora Plan 由北大-兔展AIGC联合实验室共同发起，目前推出了 1.0 版本的模型，同时发布了一个名为MagicTime项目，从Time-lapse 视频中学习真实世界的物理知识。 Mira 腾讯推出的项目，目前的模型可以生成分辨率为 128x80 的长达 20 秒的视频和分辨率为 384x240 的长达 10 秒的视频。同时提供了数据标注和模型训练的工具。 Open-Sora Colossal-AI 团队牵头的项目，目前发布了 1.1 模型，支持 2s~15s，144p 到 720p，任何宽高比文本到图像，文本到视频，图像到视频，视频到视频，无限时间生成的版本。

歸藏(guizang.ai)

24,243 views • 2 years ago

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.
1:06

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

karminski-牙医

19,836 views • 7 months ago

Pixverse 发布 R1 实时视频世界模型 藏师傅也试了一下 前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。 极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。 你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。 也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。 生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。 而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有： 这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。 为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。
0:29

Pixverse 发布 R1 实时视频世界模型 藏师傅也试了一下 前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。 极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。 你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。 也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。 生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。 而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有： 这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。 为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

歸藏(guizang.ai)

16,373 views • 6 months ago

Flux3真的很强！ 终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里 主打图像、视频、音频和动作预测的统一架构。 它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力 开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了
0:20

Flux3真的很强！ 终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里 主打图像、视频、音频和动作预测的统一架构。 它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力 开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了

huangserva

28,605 views • 16 days ago

腾讯杀疯了！ 开源了参数最多、性能最强的文生视频大模型。 我已经测试了一段时间。 混元视频生成模型整体效果非常厉害，在美学表现、稳定性、运动幅度的品质上都是一流的。 下面有详细介绍：
0:29

腾讯杀疯了！ 开源了参数最多、性能最强的文生视频大模型。 我已经测试了一段时间。 混元视频生成模型整体效果非常厉害，在美学表现、稳定性、运动幅度的品质上都是一流的。 下面有详细介绍：

歸藏(guizang.ai)

146,364 views • 1 year ago

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导 从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.
0:47

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导 从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

karminski-牙医

24,831 views • 7 months ago

字节发布了一个新的视频模型 Goku 还有一个专门为广告视频生成做的的竖屏 goko+ 模型 效果非常🐂🍺，老广告人麻了 - 支持直接生成虚拟数字人视频 - 支持从产品图片生成和人物互动视频，保持产品样式 - 支持生成产品展示视频，保持产品样式 - 可以从文本生成广告视频
0:44

字节发布了一个新的视频模型 Goku 还有一个专门为广告视频生成做的的竖屏 goko+ 模型 效果非常🐂🍺，老广告人麻了 - 支持直接生成虚拟数字人视频 - 支持从产品图片生成和人物互动视频，保持产品样式 - 支持生成产品展示视频，保持产品样式 - 可以从文本生成广告视频

歸藏(guizang.ai)

34,313 views • 1 year ago

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕） 这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。 大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。 大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。 使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。 此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。 在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。 原始视频链接：
15:46

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕） 这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。 大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。 大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。 使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。 此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。 在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。 原始视频链接：

宝玉

114,646 views • 3 years ago

字节发布了 Seedance 1.0 Pro 视频生成模型。就是即梦里面的视频3.0 pro 模型 提前测试了一下，发现这次字节的视频模型真的站起来了！！ 在提示词理解、画面细节、物理表现一致性理解等方面都无可挑剔 通过火山引擎调用，5 秒 1080P 视频 API 价格仅为 3.67 元 下面有详细的测试👇
1:35

字节发布了 Seedance 1.0 Pro 视频生成模型。就是即梦里面的视频3.0 pro 模型 提前测试了一下，发现这次字节的视频模型真的站起来了！！ 在提示词理解、画面细节、物理表现一致性理解等方面都无可挑剔 通过火山引擎调用，5 秒 1080P 视频 API 价格仅为 3.67 元 下面有详细的测试👇

歸藏(guizang.ai)

68,203 views • 1 year ago

最强SVG生成大模型出现了！OmniSVG！ 这个大模型基于Qwen2.5-VL,并集成了 SVG 标记化器。该模型将文本和图像输入都标记为前缀标记，同时 SVG 标记化器将矢量图形命令编码到一个统一的空间表示。带来了超级震撼的SVG生成效果。不说了大家直接看视频。 目前这个模型的论文和数据集已经放出，模型暂时还没有放到HuggingFace上。等发布了之后我将第一时间为大家带来测试！ 地址：
1:29

最强SVG生成大模型出现了！OmniSVG！ 这个大模型基于Qwen2.5-VL,并集成了 SVG 标记化器。该模型将文本和图像输入都标记为前缀标记，同时 SVG 标记化器将矢量图形命令编码到一个统一的空间表示。带来了超级震撼的SVG生成效果。不说了大家直接看视频。 目前这个模型的论文和数据集已经放出，模型暂时还没有放到HuggingFace上。等发布了之后我将第一时间为大家带来测试！ 地址：

karminski-牙医

52,975 views • 1 year ago

果然发布了！ Black Forest Labs 发布和开源 Flux 3 视频生成模型，功能非常强大： 1. 基础生成：支持文生视频、图生视频（可以把图片作为参考，也可以作为起始帧） 2. 视频参考生成：支持基于参考片段的视频生成（即从视频参考生成新视频） 3. 视频与音频延长：支持输入视频和音频，并对两者进行延长 4. 关键帧控制：支持基于关键帧的视频生成 5. 多语言对话与多样化排版：支持多语言对话，并支持非常多的视觉风格和宽高比 6. 智能剪辑：支持将单个片段智能串联成更多、更长的多镜头序列 7. 文字与动画：支持生成文字和生成动画设计 8. 图像输出：不仅能生成视频，也支持图像输出 模型会开源，就是 Flux 3 Dev 模型，目前还不能访问，需要申请早期访问。未来几周会开放 API 的访问，之后会开放开源的 Flux 3 版本
0:46

果然发布了！ Black Forest Labs 发布和开源 Flux 3 视频生成模型，功能非常强大： 1. 基础生成：支持文生视频、图生视频（可以把图片作为参考，也可以作为起始帧） 2. 视频参考生成：支持基于参考片段的视频生成（即从视频参考生成新视频） 3. 视频与音频延长：支持输入视频和音频，并对两者进行延长 4. 关键帧控制：支持基于关键帧的视频生成 5. 多语言对话与多样化排版：支持多语言对话，并支持非常多的视觉风格和宽高比 6. 智能剪辑：支持将单个片段智能串联成更多、更长的多镜头序列 7. 文字与动画：支持生成文字和生成动画设计 8. 图像输出：不仅能生成视频，也支持图像输出 模型会开源，就是 Flux 3 Dev 模型，目前还不能访问，需要申请早期访问。未来几周会开放 API 的访问，之后会开放开源的 Flux 3 版本

歸藏(guizang.ai)

46,758 views • 18 days ago

美图昨天发布了他们的MiracleVision 4.0图像模型，野心很大啊，几乎上线了现在 AI 画图和视频能做的所有事情， 但是除了 AI 画图之外，AI 视频我没找到体验的地方，又是个期货发布会。下面是所有主要能力： ✦ AI 画图-矢量图形：画布中选一个区域，输入提示词，就可以生成匹配设计风格的矢量图形。 ✦ AI 画图-文字特效：输入任意想要的字形，如“MV”，同时输入“半透明玻璃，灯泡”就能生成对应的文字特效。 ✦ AI 画图-智能抠图：只需涂抹对象，AI就能够快速识别，自动提取，再转换成独立的图层。 ✦ AI 画图 -智能排版：可以帮你轻松排版。通过自然语言交互，对文字的布局、图像和元素的组合进行设计。 模型商店：用户可以自己创建对应的 AI 画图风格模型并上架。 ✦ AI 视频-文生视频：输入提示词，就能生成一段视频。 ✦ AI 视频-图生视频：上传图片，让图片动起来。 ✦ AI视频-视频运镜：提供了推、拉、摇、移等八种电影级运镜模式。 ✦ AI视频-视频生视频：对已有视频提供风格转换的能力。 ✦ AI视频-商品展示：让商品展示图片动起来，变成视频。
2:13

美图昨天发布了他们的MiracleVision 4.0图像模型，野心很大啊，几乎上线了现在 AI 画图和视频能做的所有事情， 但是除了 AI 画图之外，AI 视频我没找到体验的地方，又是个期货发布会。下面是所有主要能力： ✦ AI 画图-矢量图形：画布中选一个区域，输入提示词，就可以生成匹配设计风格的矢量图形。 ✦ AI 画图-文字特效：输入任意想要的字形，如“MV”，同时输入“半透明玻璃，灯泡”就能生成对应的文字特效。 ✦ AI 画图-智能抠图：只需涂抹对象，AI就能够快速识别，自动提取，再转换成独立的图层。 ✦ AI 画图 -智能排版：可以帮你轻松排版。通过自然语言交互，对文字的布局、图像和元素的组合进行设计。 模型商店：用户可以自己创建对应的 AI 画图风格模型并上架。 ✦ AI 视频-文生视频：输入提示词，就能生成一段视频。 ✦ AI 视频-图生视频：上传图片，让图片动起来。 ✦ AI视频-视频运镜：提供了推、拉、摇、移等八种电影级运镜模式。 ✦ AI视频-视频生视频：对已有视频提供风格转换的能力。 ✦ AI视频-商品展示：让商品展示图片动起来，变成视频。

歸藏(guizang.ai)

110,941 views • 2 years ago

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供 这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频
0:25

Sensitive content

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供 这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频

獨自懵逼

18,922 views • 1 year ago

开源社区终于有一个好的视频转绘项目了！ 还提供了 Colab 笔记，直接运行就可以，不需要摆弄麻烦的 Comfyui 流程和一堆模型了。 Diffutoon 能够以动漫风格渲染出细节丰富、高分辨率和长时间的视频。它还可以通过一个附加模块根据提示编辑内容。
1:00

开源社区终于有一个好的视频转绘项目了！ 还提供了 Colab 笔记，直接运行就可以，不需要摆弄麻烦的 Comfyui 流程和一堆模型了。 Diffutoon 能够以动漫风格渲染出细节丰富、高分辨率和长时间的视频。它还可以通过一个附加模块根据提示编辑内容。

歸藏(guizang.ai)

65,551 views • 2 years ago

又调整了一些细节，全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，目前基本能 100% 还原和超越抖音爆款视频了。 1、给标题，说一下要讲的书 2、A 读情绪，写文案，人再改文案 3、TTS生配音 4、生图和视频，视频可做可不做，我白嫖了 grok 生视频 5、组装视频和生成剪映草稿 这里面视频模型不需要特别的贵的模型，简单模型即可，我本地部署了一个，太压的卡了，太慢了
0:56

又调整了一些细节，全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，目前基本能 100% 还原和超越抖音爆款视频了。 1、给标题，说一下要讲的书 2、A 读情绪，写文案，人再改文案 3、TTS生配音 4、生图和视频，视频可做可不做，我白嫖了 grok 生视频 5、组装视频和生成剪映草稿 这里面视频模型不需要特别的贵的模型，简单模型即可，我本地部署了一个，太压的卡了，太慢了

产品经理老王霸

51,509 views • 7 days ago

LivePortrait：只需一张静态肖像图像就能生成动态视频 能够精确控制眼睛的注视方向和嘴唇的开合动作。 还可以处理多个人物肖像的无缝拼接，将不同的人物特征合并到一个视频中，确保在多个动态人物之间过渡平滑，不会产生突兀的边界效果。 对比实验显示，LivePortrait生成的动画质量优于现有的非扩散模型和扩散模型方法。 在RTX 4090 GPU上，LivePortrait的生成速度达到了每帧12.8毫秒，显著高于现有的扩散模型方法。 详细介绍： 项目地址：
0:47

LivePortrait：只需一张静态肖像图像就能生成动态视频 能够精确控制眼睛的注视方向和嘴唇的开合动作。 还可以处理多个人物肖像的无缝拼接，将不同的人物特征合并到一个视频中，确保在多个动态人物之间过渡平滑，不会产生突兀的边界效果。 对比实验显示，LivePortrait生成的动画质量优于现有的非扩散模型和扩散模型方法。 在RTX 4090 GPU上，LivePortrait的生成速度达到了每帧12.8毫秒，显著高于现有的扩散模型方法。 详细介绍： 项目地址：

小互

59,918 views • 2 years ago

卧槽，给 QwQ-32B 赋能 (x 的框架来了！ 大家应该还记得我前天放出的 大模型竞技场 弹跳小球的测试视频。 其中 QwQ-32B 的结果是无法让小球弹跳，然后有个老哥看到了我的视频，写了个项目，通过控制最后 标签结束的概率，来让模型超级努力思考，进而提升了模型的能力。能让QwQ-32B 写出小球弹跳的视频了！（当然旋转还是有点问题） 项目地址：
0:20

卧槽，给 QwQ-32B 赋能 (x 的框架来了！ 大家应该还记得我前天放出的 大模型竞技场 弹跳小球的测试视频。 其中 QwQ-32B 的结果是无法让小球弹跳，然后有个老哥看到了我的视频，写了个项目，通过控制最后 标签结束的概率，来让模型超级努力思考，进而提升了模型的能力。能让QwQ-32B 写出小球弹跳的视频了！（当然旋转还是有点问题） 项目地址：

karminski-牙医

19,565 views • 1 year ago