正在加载视频...

视频加载失败

返回首页

Captions 发布 Mirage Studio 可以快速生成具有真实情感和动作的虚拟角色视频 只需一张人物照片，就能生成拥有该外观的虚拟演员 支持高度还原的面部表情，比如皱眉、微笑、惊讶等，增强情感真实感，提升观众共鸣。 自定义角色后可在多个镜头和场景中保持外观和风格一致 生成的角色具有高质量的皮肤纹理、光影和细节效果

xiaohu's profile picture

小互

103,930 subscribers

30,825 次观看 • 1 年前 •via X (Twitter)

科学技术教育
LIVE

Anya Rossi• Live Now

Private livecam show

10 条评论

小互 的头像
小互1 年前

技术核心 基于 Captions 自研的 全模态基础模型（omni-modal foundation model） 能理解并结合音频、文本、图像等多种输入形式进行内容生成

小互 的头像
小互1 年前

角色能进行表演 比如： 微笑、眨眼、做鬼脸 唱歌、说唱 表现情绪、对话互动等

小互 的头像
小互1 年前

进行商品介绍

小互 的头像
小互1 年前

用富有情感的声音表现复杂情绪内容 详细介绍及更多案例：

Bruce 的头像
Bruce1 年前

399美元一个月，抢啊

Manixsteven 的头像
Manixsteven1 年前

看的我好害怕啊😱，以后网络上的东西根本很难分清是现实还是虚拟了

cc 的头像
cc1 年前

太多了类似的工具，如何开源还可以，闭源收费没什么用户

fudingyu 的头像
fudingyu1 年前

效果很好，但是价格太高了。

PowerBeatsVR 的头像
PowerBeatsVR3 年前

VR fitness app PowerBeatsVR is NOW LIVE on the official Meta Quest store! Get fit in VR without any expensive subscription:

zha124 的头像
zha1241 年前

想学习

相关视频

Hedra Studio 推出Character-3 AI 数字人视频生成模型 可以同时处理多种输入类型（图像、文本、音频），并将它们融合成高质量的视频。 上传一张人物照片，输入一段文本或音频，Character-3 就能生成一个会说话、唱歌甚至表演的虚拟角色视频。 支持全身动作和情感控制，大范围动态场景... 可以生成具有高度表现力的虚拟人物，比如可以用于讲故事、制作动画或营销内容。
0:27

Hedra Studio 推出Character-3 AI 数字人视频生成模型 可以同时处理多种输入类型（图像、文本、音频），并将它们融合成高质量的视频。 上传一张人物照片，输入一段文本或音频，Character-3 就能生成一个会说话、唱歌甚至表演的虚拟角色视频。 支持全身动作和情感控制，大范围动态场景... 可以生成具有高度表现力的虚拟人物，比如可以用于讲故事、制作动画或营销内容。

小互

21,028 次观看 • 1 年前

Fashion-VDM：通过给定的服装图像和人物视频，生成一段虚拟试穿视频 只需要给定一张衣物图像和一段人物视频 它就能帮你生成一段新的视频，展示该人物穿上输入衣物后的视频效果，且该人物的动作、表情和身体姿势保持一致。 Fashion-VDM能清晰地展示衣物的复杂细节，如纹理、光泽、褶皱等， 生成的视频表现出更真实的衣物外观，相较于其他视频虚拟试穿方法，衣物的细节更加丰富且自然。 与现有的虚拟试穿方法相比，Fashion-VDM生成的视频在时间维度上表现出更好的一致性。视频中的人物动作流畅且没有跳帧或断层，确保了整体的连贯性。
0:42

Fashion-VDM：通过给定的服装图像和人物视频，生成一段虚拟试穿视频 只需要给定一张衣物图像和一段人物视频 它就能帮你生成一段新的视频，展示该人物穿上输入衣物后的视频效果，且该人物的动作、表情和身体姿势保持一致。 Fashion-VDM能清晰地展示衣物的复杂细节，如纹理、光泽、褶皱等， 生成的视频表现出更真实的衣物外观，相较于其他视频虚拟试穿方法，衣物的细节更加丰富且自然。 与现有的虚拟试穿方法相比，Fashion-VDM生成的视频在时间维度上表现出更好的一致性。视频中的人物动作流畅且没有跳帧或断层，确保了整体的连贯性。

小互

28,514 次观看 • 1 年前

字节刚发布了 OmniHuman-1.5 ，案例看起来非常牛皮 依然是通过音频和图像生成视频，整体的真实感和泛化能力都有了非常强的提升 支持双人音频驱动生成视频 支持生成超过一分钟的视频 支持感知并通过视频表达音频的情感 支持额外的文本提示词 支持多人场景表演 支持非真人的唇形和动作同步
1:08

字节刚发布了 OmniHuman-1.5 ，案例看起来非常牛皮 依然是通过音频和图像生成视频，整体的真实感和泛化能力都有了非常强的提升 支持双人音频驱动生成视频 支持生成超过一分钟的视频 支持感知并通过视频表达音频的情感 支持额外的文本提示词 支持多人场景表演 支持非真人的唇形和动作同步

歸藏(guizang.ai)

17,521 次观看 • 1 年前

Wan 团队开源一个非常强的唇形和动作同步模型 Wan‑Animate！ 这可是开源的朋友们，自定义程度极高 可以用一个模型同时解决“角色动画生成”和“角色替换”两类任务 支持上传图片从视频迁移对应的人物表情和动作变成新的视频。 也支持单纯替换原有视频中的某个人物，同时复制原场景的光照与色调。
0:39

Wan 团队开源一个非常强的唇形和动作同步模型 Wan‑Animate！ 这可是开源的朋友们，自定义程度极高 可以用一个模型同时解决“角色动画生成”和“角色替换”两类任务 支持上传图片从视频迁移对应的人物表情和动作变成新的视频。 也支持单纯替换原有视频中的某个人物，同时复制原场景的光照与色调。

歸藏(guizang.ai)

29,993 次观看 • 1 年前

字节跳动的新项目 通过音频驱动静态照片生成动态视频 并且生成头部和面部的自然动作，如表情变化、头部移动等。 模型不仅支持各种音频和视觉风格，还能够生成高度逼真的细节，包括面部的微表情、眉毛和眼睛的细微变化以及头部的自然运动。 它还支持生成非言语动作（如叹息、情感驱动的面部表情），使动画更加生动。 效果非常不错... Loopy 摒弃了传统音频驱动生成方法中需要手动设定空间运动模板的限制。 通过自主学习音频中的运动模式。可以自动生成逼真的肖像动画，无需人为干预，提升了生成过程的效率和灵活性。
1:10

字节跳动的新项目 通过音频驱动静态照片生成动态视频 并且生成头部和面部的自然动作，如表情变化、头部移动等。 模型不仅支持各种音频和视觉风格，还能够生成高度逼真的细节，包括面部的微表情、眉毛和眼睛的细微变化以及头部的自然运动。 它还支持生成非言语动作（如叹息、情感驱动的面部表情），使动画更加生动。 效果非常不错... Loopy 摒弃了传统音频驱动生成方法中需要手动设定空间运动模板的限制。 通过自主学习音频中的运动模式。可以自动生成逼真的肖像动画，无需人为干预，提升了生成过程的效率和灵活性。

小互

35,076 次观看 • 2 年前

HeyGen 发布 Avatar IV 数字人模型 只需一张照片、一段脚本和自己的语音，即可生成一个非常逼真数字人 - 新模型基于“扩散式音频驱动表情引擎”，能根据语音的节奏、语调、情绪合成真实的面部表情和动作。 - 支持侧脸图像与角度变化，带来更具电影感的画面。 - 支持唱歌同步（节奏匹配） - 不仅同步声音，还能“理解”语义与情感，表现出暂停、点头、语调起伏等微动作。 - 支持 30 秒音频/脚本：最多上传 30 秒的语音或文本脚本生成动画。
0:24

HeyGen 发布 Avatar IV 数字人模型 只需一张照片、一段脚本和自己的语音，即可生成一个非常逼真数字人 - 新模型基于“扩散式音频驱动表情引擎”，能根据语音的节奏、语调、情绪合成真实的面部表情和动作。 - 支持侧脸图像与角度变化，带来更具电影感的画面。 - 支持唱歌同步（节奏匹配） - 不仅同步声音，还能“理解”语义与情感，表现出暂停、点头、语调起伏等微动作。 - 支持 30 秒音频/脚本：最多上传 30 秒的语音或文本脚本生成动画。

小互

140,969 次观看 • 1 年前

腾讯出的一个音频驱动的肖像动画工具：Sonic，适合长视频生成，它在口型同步、表情和头部运动方面效果很好 比Jimeng、EMO等眼部表情更丰富、嘴部运动更自然 可以生成1-10分钟的稳定长视频，支持真人及动漫角色 采用全局音频感知的方式，它能听懂理解音频中的情感和语义，使得生成的动画更自然逼真 #肖像动画 #Sonic #EMO #AI肖像动画
1:02

腾讯出的一个音频驱动的肖像动画工具：Sonic，适合长视频生成，它在口型同步、表情和头部运动方面效果很好 比Jimeng、EMO等眼部表情更丰富、嘴部运动更自然 可以生成1-10分钟的稳定长视频，支持真人及动漫角色 采用全局音频感知的方式，它能听懂理解音频中的情感和语义，使得生成的动画更自然逼真 #肖像动画 #Sonic #EMO #AI肖像动画

AIGCLINK

22,592 次观看 • 1 年前

牛P了 Vidu 的 Reference-to-Video 功能 支持一次性上传最多 7 张参考图片 并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容 参考图可以是人物、场景、道具等任意内容 下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制 能实现结构保持、纹理迁移、风格还原同步完成 模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等 这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。 下面是教程
1:24

牛P了 Vidu 的 Reference-to-Video 功能 支持一次性上传最多 7 张参考图片 并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容 参考图可以是人物、场景、道具等任意内容 下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制 能实现结构保持、纹理迁移、风格还原同步完成 模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等 这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。 下面是教程

小互

44,341 次观看 • 1 年前

阿里的新项目，从文本实时生成同步的说话人视频项目：OmniTalker，音视频同步和风格一致上效果比较好 端到端的统一框架，可以同时生成语音和视频内容，实现音视频同步输出，避免了不同步问题 可以从单个参考视频中捕获语音和面部风格，支持零样本场景下的风格复制 25帧/秒的推理速度，0.8B参数 支持中英文互转，支持情感表达，比如平静、快乐、悲伤、愤怒等等情绪。支持长时间视频生成 #说话人视频生成 #OmniTalker
0:35

阿里的新项目，从文本实时生成同步的说话人视频项目：OmniTalker，音视频同步和风格一致上效果比较好 端到端的统一框架，可以同时生成语音和视频内容，实现音视频同步输出，避免了不同步问题 可以从单个参考视频中捕获语音和面部风格，支持零样本场景下的风格复制 25帧/秒的推理速度，0.8B参数 支持中英文互转，支持情感表达，比如平静、快乐、悲伤、愤怒等等情绪。支持长时间视频生成 #说话人视频生成 #OmniTalker

AIGCLINK

50,300 次观看 • 1 年前

OpenAI 发布 Sora 2 API 五项更新 角色一致性、20 秒长度、批量生成都来了 用 API 批量生产视频，最头疼的问题之一就是角色一致性。同一个主角，换个场景生成出来脸、场景服装都变了... 现在可以预先定义角色的外观、服装、道具，生成多个片段时模型会复用这份"角色档案"，保持跨片段的视觉一致。 时长翻倍 + 视频延续：20 秒能讲完一个完整场景 横竖屏双出：一次生成，两个平台都有 现在同时支持 16:9 和 9:16 两种比例导出。一个任务直接出两套素材，横版给 YouTube 和 PC 端，竖版给短视频平台，省掉二次处理。
2:48

OpenAI 发布 Sora 2 API 五项更新 角色一致性、20 秒长度、批量生成都来了 用 API 批量生产视频，最头疼的问题之一就是角色一致性。同一个主角，换个场景生成出来脸、场景服装都变了... 现在可以预先定义角色的外观、服装、道具，生成多个片段时模型会复用这份"角色档案"，保持跨片段的视觉一致。 时长翻倍 + 视频延续：20 秒能讲完一个完整场景 横竖屏双出：一次生成，两个平台都有 现在同时支持 16:9 和 9:16 两种比例导出。一个任务直接出两套素材，横版给 YouTube 和 PC 端，竖版给短视频平台，省掉二次处理。

小互

23,506 次观看 • 6 个月前

色戒 张爱玲小说＂色戒"没有太多情色描写，主要写的是爱情催生下的心理变化。 李安将电影拍成了限制级。 据说李安选择梁朝伟扮演 易先生主要是看中梁哥的眼神张力，希望通过细腻和忧郁增强人物的威胁感和脆弱性。 然而，观众们叫好的却是影帝的动作和汤唯的配合～拍成了一部情节生动的情感动作片。
2:11

Sensitive content

色戒 张爱玲小说＂色戒"没有太多情色描写，主要写的是爱情催生下的心理变化。 李安将电影拍成了限制级。 据说李安选择梁朝伟扮演 易先生主要是看中梁哥的眼神张力，希望通过细腻和忧郁增强人物的威胁感和脆弱性。 然而，观众们叫好的却是影帝的动作和汤唯的配合～拍成了一部情节生动的情感动作片。

好怕怕

90,382 次观看 • 8 个月前

兄弟们，这个有点牛P 字节跳动发布全新的视频生成基础模型Goku 可直接生成数字人视频 - 支持文本到视频（T2V）：可生成 20 秒以上 流畅、连贯的视频。 - 支持多种风格：写实、3D 动画、剪纸、赛博朋克等。 -广告优化版（Goku+）：可直接生成真人广告、产品展示、人物交互的数字人视频。 - 真实人物 & 手部优化：面部表情自然，手势精准。 - 电影级动态镜头：支持慢动作、特写、追踪拍摄等。 - 高分辨率 & 智能光影：画质清晰，色彩自然，光影真实。
2:19

兄弟们，这个有点牛P 字节跳动发布全新的视频生成基础模型Goku 可直接生成数字人视频 - 支持文本到视频（T2V）：可生成 20 秒以上 流畅、连贯的视频。 - 支持多种风格：写实、3D 动画、剪纸、赛博朋克等。 -广告优化版（Goku+）：可直接生成真人广告、产品展示、人物交互的数字人视频。 - 真实人物 & 手部优化：面部表情自然，手势精准。 - 电影级动态镜头：支持慢动作、特写、追踪拍摄等。 - 高分辨率 & 智能光影：画质清晰，色彩自然，光影真实。

小互

156,290 次观看 • 1 年前

Gemini+GPT+Seedance 2.0 fast 生成 45秒 的日式文艺短片 1.Gemini 负责 全片的剧情，分镜和风格设定，输出一段完整的故事板提示词 2.GPT 负责完成图片生成和分镜预览 -先生成故事板图片，预览分镜是否有错误 -以故事板为基础，生成一张 角色 场景图（中近景） -裁剪保留故事板中 的色卡，声音 等设定，不保留分镜画面 3.Seedance 2.0 fast 负责视频 生成 -以角色 场景图 作为参考图，加上基础设定+风格提示词+画面内容描述+色卡 生成三次画面 -为更好保持人物一致性，第二段生成 需要使用第一段画面的截图 -个别镜头错误的，直接生成对应镜头的内容就行，不需要重复生成完整的15秒 PS：为什么不直接用故事板的图片作参考图，因为故事板的分镜图会有很多细节不完美（比如手部细节，人物的一致性），加入故事板坐45秒的内容，会容易出现很多画面跑崩的情况 提示词在评论👇👇👇
0:45

Gemini+GPT+Seedance 2.0 fast 生成 45秒 的日式文艺短片 1.Gemini 负责 全片的剧情，分镜和风格设定，输出一段完整的故事板提示词 2.GPT 负责完成图片生成和分镜预览 -先生成故事板图片，预览分镜是否有错误 -以故事板为基础，生成一张 角色 场景图（中近景） -裁剪保留故事板中 的色卡，声音 等设定，不保留分镜画面 3.Seedance 2.0 fast 负责视频 生成 -以角色 场景图 作为参考图，加上基础设定+风格提示词+画面内容描述+色卡 生成三次画面 -为更好保持人物一致性，第二段生成 需要使用第一段画面的截图 -个别镜头错误的，直接生成对应镜头的内容就行，不需要重复生成完整的15秒 PS：为什么不直接用故事板的图片作参考图，因为故事板的分镜图会有很多细节不完美（比如手部细节，人物的一致性），加入故事板坐45秒的内容，会容易出现很多画面跑崩的情况 提示词在评论👇👇👇

探路AI

37,303 次观看 • 1 个月前