Sensitive content

This media may contain sensitive content.

Загрузка видео...

Не удалось загрузить видео

На главную

【Commission】for Sadiend 此为r-18版本！人物部位可触摸互动 内含3种瑟瑟差分；7个不同类型音乐（总时长约6小时）且包含音乐播放器；特效；各种氛围音效等 Wallpaper Engine 搜索：Sadiend_ | NSFW | 可触摸+音乐播放器 furry向动态壁纸4K

Jiushi_is_90's profile picture

玖拾就是90

56,850 subscribers

224,442 просмотров • 2 лет назад •via X (Twitter)

NSFW
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能 支持mqtt和wss协议，实时打断，实时对话 支持图像识别处理，有多模态交互能力，能理解图像内容 支持IoT设备集成，来控制智能灯、调节温度等等 可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人
2:06

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能 支持mqtt和wss协议，实时打断，实时对话 支持图像识别处理，有多模态交互能力，能理解图像内容 支持IoT设备集成，来控制智能灯、调节温度等等 可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人

AIGCLINK

13,386 просмотров • 1 год назад

Meta 上周开源了一个端到端的语音模型 Spirit LM。 这个太重要了，居然没注意到。 这个模型有两个版本： 基础版： 适合进行一般的语音识别和生成，不包含情感变化。 高表现力版：可以捕捉语音中的情感特征，能够生成包含快乐、愤怒或兴奋等情感的语音。 主要特点有： Spirit LM 直接使用语音标记、音高标记和声调标记 来保留语音中的表现力要素，不需要先转文本描述。 能够在不需要大量数据的情况下，完成自动语音识别、文本转语音和语音分类等复杂任务。
1:15

Meta 上周开源了一个端到端的语音模型 Spirit LM。 这个太重要了，居然没注意到。 这个模型有两个版本： 基础版： 适合进行一般的语音识别和生成，不包含情感变化。 高表现力版：可以捕捉语音中的情感特征，能够生成包含快乐、愤怒或兴奋等情感的语音。 主要特点有： Spirit LM 直接使用语音标记、音高标记和声调标记 来保留语音中的表现力要素，不需要先转文本描述。 能够在不需要大量数据的情况下，完成自动语音识别、文本转语音和语音分类等复杂任务。

歸藏(guizang.ai)

28,393 просмотров • 1 год назад

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。 最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。 不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub： 主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求， 可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。
0:34

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。 最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。 不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub： 主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求， 可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。

GitHubDaily

44,469 просмотров • 11 месяцев назад

微软昨晚开源新模型：VibeVoice-1.5B TTS，可一次生成90分钟语音、多人对话 效果听起来质量很高，在说话人一致性和自然轮转上都非常不错 VibeVoice能生成90分钟连续语音，支持4个不同说话人，对像播客这种长篇音频内容生成比较实用 基于Qwen2.5-1.5B理解上下文和语义，有两个连续语音分词器，这两个分词器以 7.5Hz的超低帧率运行，在保证音频质量的同时，提高了计算效率，使得处理长序列成为可能 模型最终输出带 AI 声明水印 支持中/英文 MIT许可证 #TTS #VibeVoice
1:08

微软昨晚开源新模型：VibeVoice-1.5B TTS，可一次生成90分钟语音、多人对话 效果听起来质量很高，在说话人一致性和自然轮转上都非常不错 VibeVoice能生成90分钟连续语音，支持4个不同说话人，对像播客这种长篇音频内容生成比较实用 基于Qwen2.5-1.5B理解上下文和语义，有两个连续语音分词器，这两个分词器以 7.5Hz的超低帧率运行，在保证音频质量的同时，提高了计算效率，使得处理长序列成为可能 模型最终输出带 AI 声明水印 支持中/英文 MIT许可证 #TTS #VibeVoice

AIGCLINK

40,124 просмотров • 11 месяцев назад

Mistral刚刚放出了最新款语音转文本模型：Voxtral Transcribe 2，实时延迟低于200ms，支持说话人分离 两个版，Voxtral Realtime，原生流式架构，可以用于实时应用场景，比如说聊天机器人、实时会议转录、语音助手 延迟可以配置到200ms以内，在480ms延迟下词错误率与离线版相差不到1–2% Voxtral Mini Transcribe 2，用于批量，比如说播客、视频、电话录音等等，支持13种语言、说话人分离、上下文偏置以及词级时间戳 #STT #VoxtralTranscribe2 #语音转文本
0:55

Mistral刚刚放出了最新款语音转文本模型：Voxtral Transcribe 2，实时延迟低于200ms，支持说话人分离 两个版，Voxtral Realtime，原生流式架构，可以用于实时应用场景，比如说聊天机器人、实时会议转录、语音助手 延迟可以配置到200ms以内，在480ms延迟下词错误率与离线版相差不到1–2% Voxtral Mini Transcribe 2，用于批量，比如说播客、视频、电话录音等等，支持13种语言、说话人分离、上下文偏置以及词级时间戳 #STT #VoxtralTranscribe2 #语音转文本

AIGCLINK

17,223 просмотров • 5 месяцев назад

ACE-Step：音乐界的 Stable Diffusion 在 20 秒内生成 4 分钟完整音乐 支持 19种语言 ACE-Step 是一个音乐生成“基础模型”，由 ACE Studio 与 StepFun 联合开发。 它可以： 根据歌词 → 自动写旋律、生成歌曲唱出来； 根据风格标签 → 自动编曲、生成伴奏； 可控修改：修改已有歌曲的一小段歌词，而不影响旋律 生成带风格的说唱、电子乐、人声、配器等 模拟你“输入一句歌词，它帮你快速写歌”的流程。 在 A100 GPU 上，ACE-Step 可在 20 秒内生成 4 分钟音乐，比主流模型快 15 倍以上。
2:32

ACE-Step：音乐界的 Stable Diffusion 在 20 秒内生成 4 分钟完整音乐 支持 19种语言 ACE-Step 是一个音乐生成“基础模型”，由 ACE Studio 与 StepFun 联合开发。 它可以： 根据歌词 → 自动写旋律、生成歌曲唱出来； 根据风格标签 → 自动编曲、生成伴奏； 可控修改：修改已有歌曲的一小段歌词，而不影响旋律 生成带风格的说唱、电子乐、人声、配器等 模拟你“输入一句歌词，它帮你快速写歌”的流程。 在 A100 GPU 上，ACE-Step 可在 20 秒内生成 4 分钟音乐，比主流模型快 15 倍以上。

小互

36,890 просмотров • 1 год назад

一名 Spotify 的普通员工揭露了数百人正在使用的致富方案：无需唱片公司，无需巡演，也无需任何音乐教育，每月即可赚取 5,000 至 30,000 美元。只需订阅 10 美元的 Suno，输入一段文本提示词——30 秒内即可生成一首完整的曲目。每年只需支付 23 美元的 DistroKid 费用，即可将其上传至 Spotify、Apple Music 以及其他 150 个平台。版税会在你睡觉时随着每一次播放而自动入账。 Telisha Jones 就是从零开始做到这一点的。她的曲目获得了 1,300 万次流媒体播放，登上了 Billboard 福音音乐排行榜第三名，并签署了一份价值 300 万美元的合约。在试听时，她甚至从未打开过摄像头。 Reddit 上的一位匿名创作者通过包含 80 首 Lo-fi 和冥想曲目的曲库，每月赚取 5,000 美元。另一位创作者仅靠睡眠音乐和学习歌单，在四个月内赚取了 30,000 美元。 在 Spotify 上，靠 AI 流行乐是无法获胜的。真正的商机在于那些音乐人不愿涉足的领域——睡眠音乐、冥想音乐、专注歌单。人们会连续数小时播放这些音乐，而版税会随着每一次播放而不断累积。
0:59

一名 Spotify 的普通员工揭露了数百人正在使用的致富方案：无需唱片公司，无需巡演，也无需任何音乐教育，每月即可赚取 5,000 至 30,000 美元。只需订阅 10 美元的 Suno，输入一段文本提示词——30 秒内即可生成一首完整的曲目。每年只需支付 23 美元的 DistroKid 费用，即可将其上传至 Spotify、Apple Music 以及其他 150 个平台。版税会在你睡觉时随着每一次播放而自动入账。 Telisha Jones 就是从零开始做到这一点的。她的曲目获得了 1,300 万次流媒体播放，登上了 Billboard 福音音乐排行榜第三名，并签署了一份价值 300 万美元的合约。在试听时，她甚至从未打开过摄像头。 Reddit 上的一位匿名创作者通过包含 80 首 Lo-fi 和冥想曲目的曲库，每月赚取 5,000 美元。另一位创作者仅靠睡眠音乐和学习歌单，在四个月内赚取了 30,000 美元。 在 Spotify 上，靠 AI 流行乐是无法获胜的。真正的商机在于那些音乐人不愿涉足的领域——睡眠音乐、冥想音乐、专注歌单。人们会连续数小时播放这些音乐，而版税会随着每一次播放而不断累积。

Bill The Investor

194,137 просмотров • 2 месяцев назад

🔥3小时，上周我和会员们一起创造了这支价值6位数的视频广告！ 上周直播的时候，我现场直播这支视频的音乐制作、动画设计、配音设计、音效等，会员朋友们都看到了，今天这支视频已经正式发布，并且获得甲方的一致好评。我想没有什么比这个更值得开心的。 如果你回看上周的直播，你会发现，我最终的成片基本就是直播时搭的框架，甚至连音乐都是会员说没有正版PR不能直接扩展音乐后，我现场演示手搓的。 还是那句话，AI里最厉害的工具，就是TMD我自己！
2:31

🔥3小时，上周我和会员们一起创造了这支价值6位数的视频广告！ 上周直播的时候，我现场直播这支视频的音乐制作、动画设计、配音设计、音效等，会员朋友们都看到了，今天这支视频已经正式发布，并且获得甲方的一致好评。我想没有什么比这个更值得开心的。 如果你回看上周的直播，你会发现，我最终的成片基本就是直播时搭的框架，甚至连音乐都是会员说没有正版PR不能直接扩展音乐后，我现场演示手搓的。 还是那句话，AI里最厉害的工具，就是TMD我自己！

Master Xiao

21,530 просмотров • 6 месяцев назад

这个好，兄弟们！ Google 正式推出 Gemini AI 驱动的视频演示应用 Vids 通过简单提示即可生成各种类型的视频演示 你只需提供提示或 Google Drive 中的文档，系即可生成一个初始视频故事板，包括推荐的场景、脚本、背景音乐等。 Vids 还支持语音旁白，还包含滚动式提词器，帮助用户在录制过程中自然流畅地呈现信息。 此外，用户可以添加自己的视频、屏幕录制和音频录制，以便制作多样化的视频内容。
1:26

这个好，兄弟们！ Google 正式推出 Gemini AI 驱动的视频演示应用 Vids 通过简单提示即可生成各种类型的视频演示 你只需提供提示或 Google Drive 中的文档，系即可生成一个初始视频故事板，包括推荐的场景、脚本、背景音乐等。 Vids 还支持语音旁白，还包含滚动式提词器，帮助用户在录制过程中自然流畅地呈现信息。 此外，用户可以添加自己的视频、屏幕录制和音频录制，以便制作多样化的视频内容。

小互

37,095 просмотров • 1 год назад

MiniMax 居然发了一个音乐模型 Music 1.5 试了一下真不错，解决了没有好用的音乐生成 API 的问题 最长生成时间超过了四分钟； 相较于之前的版本在人声、器乐、演奏和歌曲结构上都有优化； 感觉跟 Suno 已经差不多了，而且价格比 Suno 便宜的多，C 端单价一首歌只需要一毛钱； 支持简洁模式，也支持自定义歌词和歌曲结构生成； 支持一些非常小众的民族乐器的生成； 你可以选择 16种风格 × 11种情绪 × 10个场景 这种丰富的组合来生成音乐； 👇下面有对应的测试提示词：
3:00

MiniMax 居然发了一个音乐模型 Music 1.5 试了一下真不错，解决了没有好用的音乐生成 API 的问题 最长生成时间超过了四分钟； 相较于之前的版本在人声、器乐、演奏和歌曲结构上都有优化； 感觉跟 Suno 已经差不多了，而且价格比 Suno 便宜的多，C 端单价一首歌只需要一毛钱； 支持简洁模式，也支持自定义歌词和歌曲结构生成； 支持一些非常小众的民族乐器的生成； 你可以选择 16种风格 × 11种情绪 × 10个场景 这种丰富的组合来生成音乐； 👇下面有对应的测试提示词：

歸藏(guizang.ai)

27,088 просмотров • 10 месяцев назад

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备 外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。 她可以与你互动，甚至你触摸它，她也会有反应 她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。 支持 语音交互、触控反馈、手势识别、眼神追踪 等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。 它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应
4:23

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备 外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。 她可以与你互动，甚至你触摸它，她也会有反应 她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。 支持 语音交互、触控反馈、手势识别、眼神追踪 等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。 它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

小互

28,861 просмотров • 1 год назад

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 просмотров • 1 год назад

🧑‍💻「 AI 新手小技巧 2/100 」 不会设计的 Vibe coder 有福了！🫡 刚刚在 Google AI Studio 的首页看到了一个 Flash UI 的入口，点进去体验了一下。 Gemini 3 Flash 自动生成了 3 个音乐播放器的效果，UI/UX 审美还挺不错的！感觉是秒杀市面上的免费模板了，可以体验一下：
1:28

🧑‍💻「 AI 新手小技巧 2/100 」 不会设计的 Vibe coder 有福了！🫡 刚刚在 Google AI Studio 的首页看到了一个 Flash UI 的入口，点进去体验了一下。 Gemini 3 Flash 自动生成了 3 个音乐播放器的效果，UI/UX 审美还挺不错的！感觉是秒杀市面上的免费模板了，可以体验一下：

Penny777 🦊

49,163 просмотров • 7 месяцев назад

很高兴和大家介绍我的第 15 款 Vibe 产品「摇曳电台」 这款产品的灵感来自于两周前和啵啵在上海看法兰克福头盔和 Frank Bretschneider 的现场 live 时，我意识到许多艺术家使用可视化技术来进行音乐表达。 那么，为什么没有人为艺术家、音乐现场和自媒体做一款基于 AI 的音乐与可视化艺术创作工具呢？摇曳电台就是为此而生。 你可以使用自然语言创建电子舞曲，操作鼓点和其他数字乐器，创建 AI 人声伴奏，合唱或者完整的歌曲，它会自动适配所有音乐的具体节奏，旋律，章节并创造可视化特效，不仅如此，我还为摇曳电台编写了 MV 制作功能。如果你想，音乐与可视化特效能自动融合进 Seedance 2 创建的 AI 视频 MV 中。第一个和最后一个视频就是我创作的杜甫穿越现代版的「茅屋为秋风所破歌」 和一首英文嘻哈歌曲 均为 one shot 创作而成。 此外，它还支持多音轨和历史记录的版本管理，回退到任何你想要回到的音乐版本，并支持 web 录制视频，方便分享到社交网络。 创造 Yuragi FM 的时候，我花了比想象中更多的时间，一开始，我以为这只是简单将 Vibelab 中的 DJ skill 转移到新的产品中，开发的过程中，我才逐渐意识到，最困难的部分不在于代码，而在于如何理解音乐中存在的语言结构。音乐是一种跨越国家、民族、甚至时间的艺术，而正因为它是艺术，如何在语言模型中探寻它的蛛丝马迹，是我在 vibe 此产品的过程中，倍感欣慰的思维游戏。 「摇曳电台」从今天开始免费向所有用户开放，每天，你可以使用它创作 20 次 AI 音乐，如果你需要创作 MV，则需要绑定信用卡额外付费。使用 url 可以将特定的音乐分享给朋友，如果点击「发布」，你创作的音乐就可以被所有用户在首页刷到。 Yuragi 的语源来自日语，代表随机，微小而有美感的噪音。希望大家都能使用这个产品创作自己喜欢的音乐，玩得开心！
0:24

很高兴和大家介绍我的第 15 款 Vibe 产品「摇曳电台」 这款产品的灵感来自于两周前和啵啵在上海看法兰克福头盔和 Frank Bretschneider 的现场 live 时，我意识到许多艺术家使用可视化技术来进行音乐表达。 那么，为什么没有人为艺术家、音乐现场和自媒体做一款基于 AI 的音乐与可视化艺术创作工具呢？摇曳电台就是为此而生。 你可以使用自然语言创建电子舞曲，操作鼓点和其他数字乐器，创建 AI 人声伴奏，合唱或者完整的歌曲，它会自动适配所有音乐的具体节奏，旋律，章节并创造可视化特效，不仅如此，我还为摇曳电台编写了 MV 制作功能。如果你想，音乐与可视化特效能自动融合进 Seedance 2 创建的 AI 视频 MV 中。第一个和最后一个视频就是我创作的杜甫穿越现代版的「茅屋为秋风所破歌」 和一首英文嘻哈歌曲 均为 one shot 创作而成。 此外，它还支持多音轨和历史记录的版本管理，回退到任何你想要回到的音乐版本，并支持 web 录制视频，方便分享到社交网络。 创造 Yuragi FM 的时候，我花了比想象中更多的时间，一开始，我以为这只是简单将 Vibelab 中的 DJ skill 转移到新的产品中，开发的过程中，我才逐渐意识到，最困难的部分不在于代码，而在于如何理解音乐中存在的语言结构。音乐是一种跨越国家、民族、甚至时间的艺术，而正因为它是艺术，如何在语言模型中探寻它的蛛丝马迹，是我在 vibe 此产品的过程中，倍感欣慰的思维游戏。 「摇曳电台」从今天开始免费向所有用户开放，每天，你可以使用它创作 20 次 AI 音乐，如果你需要创作 MV，则需要绑定信用卡额外付费。使用 url 可以将特定的音乐分享给朋友，如果点击「发布」，你创作的音乐就可以被所有用户在首页刷到。 Yuragi 的语源来自日语，代表随机，微小而有美感的噪音。希望大家都能使用这个产品创作自己喜欢的音乐，玩得开心！

郭宇 guoyu.eth

64,955 просмотров • 3 месяцев назад

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态 与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求 它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程 输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的 核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新 对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成 对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能
0:26

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态 与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求 它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程 输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的 核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新 对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成 对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

AIGCLINK

10,987 просмотров • 5 месяцев назад

剪纸风格视频工作流 Skills 正式发布🔥 评论区可见 等你们的作品啊~~ 👹整个工作流程如下: 1 、Codex skill 安装与触发 2 、产品简报、脚本、旁白和分镜确认 3 、剪纸视觉规范与关键帧生成 4 、HyperFrames、透明 PNG 分层和静态兜底动画 5 、IndexTTS-2 下载、参考声音、私人声纹和旁白生成 MiniMax、ElevenLabs、真人录音替代路线 6 、根据旁白锁定镜头时长 7 、音乐、动作音效和人声 ducking 8 、最终合成、技术质检、画面质检和人耳检查 9 、修改策略、交付清单和隐私要求 🧐Tips:找个参考视频来学习,事半功倍~~ 这个版本还不错了,但还是要有多轮修改才完美~~ 备注: 这个更适合Codex ,Claude code 和其他还在优化
0:57

剪纸风格视频工作流 Skills 正式发布🔥 评论区可见 等你们的作品啊~~ 👹整个工作流程如下: 1 、Codex skill 安装与触发 2 、产品简报、脚本、旁白和分镜确认 3 、剪纸视觉规范与关键帧生成 4 、HyperFrames、透明 PNG 分层和静态兜底动画 5 、IndexTTS-2 下载、参考声音、私人声纹和旁白生成 MiniMax、ElevenLabs、真人录音替代路线 6 、根据旁白锁定镜头时长 7 、音乐、动作音效和人声 ducking 8 、最终合成、技术质检、画面质检和人耳检查 9 、修改策略、交付清单和隐私要求 🧐Tips:找个参考视频来学习,事半功倍~~ 这个版本还不错了,但还是要有多轮修改才完美~~ 备注: 这个更适合Codex ,Claude code 和其他还在优化

小耳👂Jane｜Xiaoer

97,028 просмотров • 19 дней назад

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

19,832 просмотров • 6 месяцев назад