正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

MiniMax H3 官方 API 有个很好用的功能：Context-IR 我用同一个提示词、同一张首帧，分别生成了两段 10 秒 768P 视频。第一段直接生成，第二段经过 Context-IR 它能够把提示词 “甜笑后强忍悲伤” 拆成吸气、笑容僵住、嘴角颤动、吞咽、肩膀下沉，再补上推镜和声音设计 IR 的本质是通过深度解析跨越文本、图像、音频和视频生成更丰富语义细节上下文对比下来，IR 版强忍悲伤的过程更细，情绪转折也更连续，能够让生成的视频细节更加丰富、真实 MiniMax (official) MiniMax Design (H3)

0xMomo

6,199 subscribers

26,565 次观看 • 2 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Google 发布Veo 3.1 新版本在叙事理解、真实纹理捕捉和图像转视频能力上有显著提升能够生成具有更真实视觉质感的视频，并增强了从图像生成视频的功能。 Veo 3.1 引入了多种强大功能： • 图像生成视频：通过多张参考图像创建完整的场景，并带有声音。 • 场景延展：可生成持续一分钟以上的视频片段，保持动作连贯、人物和背景一致。 • 首尾画面生成中间内容：输入首尾帧，Veo 会自动生成中间的视频，实现自然过渡。

Google 发布Veo 3.1 新版本在叙事理解、真实纹理捕捉和图像转视频能力上有显著提升能够生成具有更真实视觉质感的视频，并增强了从图像生成视频的功能。 Veo 3.1 引入了多种强大功能： • 图像生成视频：通过多张参考图像创建完整的场景，并带有声音。 • 场景延展：可生成持续一分钟以上的视频片段，保持动作连贯、人物和背景一致。 • 首尾画面生成中间内容：输入首尾帧，Veo 会自动生成中间的视频，实现自然过渡。

小互

15,705 次观看 • 10 个月前

这个通过Runway Act one生成的视频细节很完美角色通过文本生成角色然后使用手机拍摄一个说话视频，将你的说话表情、声音和口型转移到角色上。就变成了这样。由于Act one不支持肢体动作转移，它通过图生视频生成了肢体动作。目前最多支持30秒的视频转移！

这个通过Runway Act one生成的视频细节很完美角色通过文本生成角色然后使用手机拍摄一个说话视频，将你的说话表情、声音和口型转移到角色上。就变成了这样。由于Act one不支持肢体动作转移，它通过图生视频生成了肢体动作。目前最多支持30秒的视频转移！

小互

19,392 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。

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

Adobe视频编辑软件Premiere Pro推出的一个新功能“生成扩展”（Generative Extend）。这个功能允许用户自动为他们的视频片段增加额外的视频片段和音频，从而帮助用户更轻松地进行视频编辑，特别是在处理时间点精准的编辑时。可以直接生成和原视频相匹配的视频帧或者音频！这个功能目前处于测试阶段（beta版），用户可以通过下载该测试版来体验和试用。简这个功能的作用是帮助用户让视频的编辑过程更加高效和自动化，使得视频片段的衔接更加流畅，最终达到更好的编辑效果。

Adobe视频编辑软件Premiere Pro推出的一个新功能“生成扩展”（Generative Extend）。这个功能允许用户自动为他们的视频片段增加额外的视频片段和音频，从而帮助用户更轻松地进行视频编辑，特别是在处理时间点精准的编辑时。可以直接生成和原视频相匹配的视频帧或者音频！这个功能目前处于测试阶段（beta版），用户可以通过下载该测试版来体验和试用。简这个功能的作用是帮助用户让视频的编辑过程更加高效和自动化，使得视频片段的衔接更加流畅，最终达到更好的编辑效果。

小互

12,455 次观看 • 1 年前

全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，对比了抖音上的书单视频，这个能还原 90%，还差一些细节。 1、给标题，要讲的书 2、ai 读情绪，写文案，人再改文案 3、生配音 4、生图和视频 5、组装视频 6、生成视频和剪映草稿里面唯一恶心的就是，生成速度太慢了！

全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，对比了抖音上的书单视频，这个能还原 90%，还差一些细节。 1、给标题，要讲的书 2、ai 读情绪，写文案，人再改文案 3、生配音 4、生图和视频 5、组装视频 6、生成视频和剪映草稿里面唯一恶心的就是，生成速度太慢了！

产品经理老王霸

116,803 次观看 • 10 天前

卧槽，Sora 2 史诗级更新！所有免费用户都能生成 15 秒长度的视频了！同时 Pro 用户还可以生成 25 秒长度的视频，这个太猛了。 Pro 用户可以使用故事板功能，按秒精确控制分镜和画面内容。我做了个视频试了一下时间和提示词控制都基本准确，图生前面两秒没动，我剪了

卧槽，Sora 2 史诗级更新！所有免费用户都能生成 15 秒长度的视频了！同时 Pro 用户还可以生成 25 秒长度的视频，这个太猛了。 Pro 用户可以使用故事板功能，按秒精确控制分镜和画面内容。我做了个视频试了一下时间和提示词控制都基本准确，图生前面两秒没动，我剪了

歸藏(guizang.ai)

61,583 次观看 • 10 个月前

DeepMind 公布其正在开发一套创新的音频生成技术细节也就是NotebookLM背后使用的语音技术它能够使 AI 能够生成生成高质量、自然的单人或多人对话。其最新的语音生成模型能够在 3 秒内生成 2 分钟的对话，速度比实时生成快 40 倍。同时能够保持说话人之间的连贯切换，输出语音中还包括自然的停顿、口头语（如 “嗯”、“啊”）等细节，使得生成的对话更接近真实交流。详细：

DeepMind 公布其正在开发一套创新的音频生成技术细节也就是NotebookLM背后使用的语音技术它能够使 AI 能够生成生成高质量、自然的单人或多人对话。其最新的语音生成模型能够在 3 秒内生成 2 分钟的对话，速度比实时生成快 40 倍。同时能够保持说话人之间的连贯切换，输出语音中还包括自然的停顿、口头语（如 “嗯”、“啊”）等细节，使得生成的对话更接近真实交流。详细：

小互

13,458 次观看 • 1 年前

无需复杂提示词，小白到大神只需一个P视频智能体只需写一个故事梗概，一次生成一个完整视频但能一句话生成视频，生成视频后还能不跳出流程直接调用AI编辑器，实现改图，改视频，改字幕，改配音，改音效。不仅如此，上传图片，输入：图片修改指令，它还能直接修改图像生成一个你要求的动态视频。这个就是最新的纳米AI最新的P视频智能体，它可以很大程度的减少小白上手难度，很多人不会写复杂提示词也不用担心，Agent会在后台自动分析需求帮你写提示词。

无需复杂提示词，小白到大神只需一个P视频智能体只需写一个故事梗概，一次生成一个完整视频但能一句话生成视频，生成视频后还能不跳出流程直接调用AI编辑器，实现改图，改视频，改字幕，改配音，改音效。不仅如此，上传图片，输入：图片修改指令，它还能直接修改图像生成一个你要求的动态视频。这个就是最新的纳米AI最新的P视频智能体，它可以很大程度的减少小白上手难度，很多人不会写复杂提示词也不用担心，Agent会在后台自动分析需求帮你写提示词。

小互

44,512 次观看 • 10 个月前

我花40分钟时间，用Seedance2.0制作的皮克斯风格动画短片：吉娃娃和小猫的海滨之旅。这个1分钟视频先由4段提示词生成4个15秒的视频，再剪辑而成。我在每个提示词前锁定了人物、风格、场景，但是由于没有加上参考角色图，没有使用尾帧延续法，所以在人物一致性方面还是稍微差了一些。我的完整制作流程如下： 1、把脑海中的故事写下来 2、发给chatgpt/gemini修改成分镜提示词 3、把分镜提示词发给seedance2.0生成视频 4、最后再把几个15秒视频剪辑成一个长视频如果不是模型偶尔抽风生成失败了几次，实际制作时间还可以更快。

我花40分钟时间，用Seedance2.0制作的皮克斯风格动画短片：吉娃娃和小猫的海滨之旅。这个1分钟视频先由4段提示词生成4个15秒的视频，再剪辑而成。我在每个提示词前锁定了人物、风格、场景，但是由于没有加上参考角色图，没有使用尾帧延续法，所以在人物一致性方面还是稍微差了一些。我的完整制作流程如下： 1、把脑海中的故事写下来 2、发给chatgpt/gemini修改成分镜提示词 3、把分镜提示词发给seedance2.0生成视频 4、最后再把几个15秒视频剪辑成一个长视频如果不是模型偶尔抽风生成失败了几次，实际制作时间还可以更快。

Rion Wu

22,758 次观看 • 5 个月前

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

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

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。

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 次观看 • 2 年前

可灵今天更新了 2.1 的首尾帧视频模型提示词理解和遵循能力大幅提升，即使好不相关的图片也可以实现自然过渡可以看我做的这个视频的效果，所有分镜都是一次生成没有抽卡，就是素材拼接没有剪辑我还打磨了一套提示词和工作流帮你降低抽卡频率提高生成质量模型测评和提示词在下面👇：

可灵今天更新了 2.1 的首尾帧视频模型提示词理解和遵循能力大幅提升，即使好不相关的图片也可以实现自然过渡可以看我做的这个视频的效果，所有分镜都是一次生成没有抽卡，就是素材拼接没有剪辑我还打磨了一套提示词和工作流帮你降低抽卡频率提高生成质量模型测评和提示词在下面👇：

歸藏(guizang.ai)

58,198 次观看 • 11 个月前

👼 神级Prompt多到用不完，我用Claude将它们重构了一遍 Anthropic Anthropic 将自家的提示语生成升级成了提示语优化之后，并把整个过程拆成了五步： 1️⃣ 前三步是了解用户想要什么、生成执行的流程图、从样本里学习生成规则、这时候会生成第一版提示语。我都没有输入样本，Claude 就会主动去分析预期的样本会长什么样。 2️⃣ 后面两步就更有意思了，值得单独讲讲： - 补充执行步骤的细节：这次我优化的是长文摘要的提示语，最终生成的执行步骤从阅读文本、确定信息点、列出要素、确定目标受众、分析原文语气和风格，给出合适的hook以及原因，还限制了句子数量。说实话这比我自己写推文的思路都详细。 - 动态调整输入文本、样本、输出模块在整个提示语的顺序：打个比方，Claude 会主动推测用于总结的文章内容可能会比较长，这一part就会被移动到更前面。我把优化的过程都录制下来了👇：

👼 神级Prompt多到用不完，我用Claude将它们重构了一遍 Anthropic Anthropic 将自家的提示语生成升级成了提示语优化之后，并把整个过程拆成了五步： 1️⃣ 前三步是了解用户想要什么、生成执行的流程图、从样本里学习生成规则、这时候会生成第一版提示语。我都没有输入样本，Claude 就会主动去分析预期的样本会长什么样。 2️⃣ 后面两步就更有意思了，值得单独讲讲： - 补充执行步骤的细节：这次我优化的是长文摘要的提示语，最终生成的执行步骤从阅读文本、确定信息点、列出要素、确定目标受众、分析原文语气和风格，给出合适的hook以及原因，还限制了句子数量。说实话这比我自己写推文的思路都详细。 - 动态调整输入文本、样本、输出模块在整个提示语的顺序：打个比方，Claude 会主动推测用于总结的文章内容可能会比较长，这一part就会被移动到更前面。我把优化的过程都录制下来了👇：

卡尔的AI沃茨

49,381 次观看 • 1 年前

一款基于Llama的TTS系统：Llasa，它通过扩展训练时间和推理时间计算，提高了语音合成的自然度、韵律准确性和情感表达能力生成效果自然流畅富有感情，开心、悲伤等情感表现的比较自然，适合做有声读物或语音助手它用了一个Xcodec2语音分词器，把语音分解成一个个小的标记，使计算机更容易处理语音，这些标记不仅能表示语音的内容，还能保留语音的情感和音色信息核心在于其单一Transformer架构和规模化训练/推理策略，结合Xcodec2语音分词器，使其能生成更自然、更富有表现力的语音有1B、3B、8B三个版本，支持中英文 #TTS #Llasa

一款基于Llama的TTS系统：Llasa，它通过扩展训练时间和推理时间计算，提高了语音合成的自然度、韵律准确性和情感表达能力生成效果自然流畅富有感情，开心、悲伤等情感表现的比较自然，适合做有声读物或语音助手它用了一个Xcodec2语音分词器，把语音分解成一个个小的标记，使计算机更容易处理语音，这些标记不仅能表示语音的内容，还能保留语音的情感和音色信息核心在于其单一Transformer架构和规模化训练/推理策略，结合Xcodec2语音分词器，使其能生成更自然、更富有表现力的语音有1B、3B、8B三个版本，支持中英文 #TTS #Llasa

AIGCLINK

34,656 次观看 • 1 年前

最近很火的AI脱口秀视频制作全流程的教程 1. 生成脱口秀文案 ◦ 在豆包中输入指令，让其扮演脱口秀编剧，围绕指定主题（如“摸鱼”）生成5篇脱口秀对话，从中选择一篇满意的文案。 2. 制作AI配音 ◦ 使用配音工具的“声音克隆”功能，上传想要的音色音频并创建专属声音模型。 ◦ 将选好的脱口秀文案输入工具，调节情绪、语速后生成配音。 3. 生成视频画面 ◦ 在AI图像生成平台输入提示词（包含人物形象、脱口秀舞台背景等信息），生成脱口秀舞台和主角的图片。 ◦ 从生成的图片中选一张，利用“对口型”功能上传配音，生成带口型动画的视频片段。 4. 剪辑优化视频 ◦ 将生成的视频导入剪映，添加观众大笑的片段、识别字幕，并配上合适的BGM，完成最终视频制作。

最近很火的AI脱口秀视频制作全流程的教程 1. 生成脱口秀文案 ◦ 在豆包中输入指令，让其扮演脱口秀编剧，围绕指定主题（如“摸鱼”）生成5篇脱口秀对话，从中选择一篇满意的文案。 2. 制作AI配音 ◦ 使用配音工具的“声音克隆”功能，上传想要的音色音频并创建专属声音模型。 ◦ 将选好的脱口秀文案输入工具，调节情绪、语速后生成配音。 3. 生成视频画面 ◦ 在AI图像生成平台输入提示词（包含人物形象、脱口秀舞台背景等信息），生成脱口秀舞台和主角的图片。 ◦ 从生成的图片中选一张，利用“对口型”功能上传配音，生成带口型动画的视频片段。 4. 剪辑优化视频 ◦ 将生成的视频导入剪映，添加观众大笑的片段、识别字幕，并配上合适的BGM，完成最终视频制作。

蛋仔

28,710 次观看 • 3 个月前

阿里刚刚开源了首尾帧生视频模型：Wan2.1-FLF2V-14B，支持生成5秒 720p高清视频只需提供两张照片作为首帧和尾帧，即可自动生成一段高清视频。从效果看运动比较流畅，首尾帧过渡上相对平滑其使用首帧和尾帧作为控制条件，通过CLIP语义特征和交叉注意力机制，将其注入到DiT的生成过程中来增强画面稳定性和内容一致性 #AI视频 #AI视频生成模型 #Wan21

阿里刚刚开源了首尾帧生视频模型：Wan2.1-FLF2V-14B，支持生成5秒 720p高清视频只需提供两张照片作为首帧和尾帧，即可自动生成一段高清视频。从效果看运动比较流畅，首尾帧过渡上相对平滑其使用首帧和尾帧作为控制条件，通过CLIP语义特征和交叉注意力机制，将其注入到DiT的生成过程中来增强画面稳定性和内容一致性 #AI视频 #AI视频生成模型 #Wan21

AIGCLINK

47,964 次观看 • 1 年前

一款全新的多模态RAG系统：ColQwen-Omni，可以跨模态检索视频、音频、文档任意内容它支持跨模态检索，比如说，你可以用文本查询音频片段，或者说用音频查询图像用来处理音视频检索比较实用它能理解不同的模态，直接处理原始数据，比先把音频或视频转录成文本再进行检索的方法速度更快还有一个，就是直接处理音视频可以保留音视频中的情感、语气、环境音、以及视频中的视觉细节 #全模态RAG #RAG #跨模态RAG #ColQwenOmni

一款全新的多模态RAG系统：ColQwen-Omni，可以跨模态检索视频、音频、文档任意内容它支持跨模态检索，比如说，你可以用文本查询音频片段，或者说用音频查询图像用来处理音视频检索比较实用它能理解不同的模态，直接处理原始数据，比先把音频或视频转录成文本再进行检索的方法速度更快还有一个，就是直接处理音视频可以保留音视频中的情感、语气、环境音、以及视频中的视觉细节 #全模态RAG #RAG #跨模态RAG #ColQwenOmni

AIGCLINK

10,416 次观看 • 1 年前

我的零痛苦 AI 学英语技巧 #活到死学到死去年超热门的 NotebookLM、能把文章变成活灵活现的播客节目的那个，我用它表弟 Illuminate AI 学英语 Illuminate 能生成一问一答音频，适合讲解论文、分析长文章，我用它把有趣的英语长文转为 3、5 分钟的短音频，用碎片时间听它们因为我生成的都是我喜欢的、很有趣的文章，学习过程过程毫无痛苦😂，背单词、学句型、学发音…都行比如我一天生成 10 条音频、每条 5 分钟、每分钟 130 个单词…一个月我能覆盖接近 20 万的单词，以及无数短语、句子试听一下我生成的介绍 NFT 泡沫的故事，Youtube 上的原始视频有 76 分钟长，Illuminate 缩成了 6 分钟 Illuminate 的语气有随意、正式、指导、自定义几种，每天能免费生成 20 条音频

我的零痛苦 AI 学英语技巧 #活到死学到死去年超热门的 NotebookLM、能把文章变成活灵活现的播客节目的那个，我用它表弟 Illuminate AI 学英语 Illuminate 能生成一问一答音频，适合讲解论文、分析长文章，我用它把有趣的英语长文转为 3、5 分钟的短音频，用碎片时间听它们因为我生成的都是我喜欢的、很有趣的文章，学习过程过程毫无痛苦😂，背单词、学句型、学发音…都行比如我一天生成 10 条音频、每条 5 分钟、每分钟 130 个单词…一个月我能覆盖接近 20 万的单词，以及无数短语、句子试听一下我生成的介绍 NFT 泡沫的故事，Youtube 上的原始视频有 76 分钟长，Illuminate 缩成了 6 分钟 Illuminate 的语气有随意、正式、指导、自定义几种，每天能免费生成 20 条音频

倪爽

55,574 次观看 • 1 年前

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

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 次观看 • 20 天前

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。

小互

140,969 次观看 • 1 年前