Loading video...

Video Failed to Load

Go Home

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。

xiaohu's profile picture

小互

111,436 subscribers

23,506 views • 4 months 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

🧵AI 视频角色一致性解法 1/🎬 角色一致性是 AI 视频最大的坎 同一个角色，下一秒脸就跑偏。 有人给出一套两步工作流，把这个问题彻底解掉。👇
1:15

🧵AI 视频角色一致性解法 1/🎬 角色一致性是 AI 视频最大的坎 同一个角色，下一秒脸就跑偏。 有人给出一套两步工作流，把这个问题彻底解掉。👇

AI Will

59,902 views • 2 months ago

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 views • 9 months ago

一个能直接跑的 AIGC 平台，支持接入各种 OpenAI 兼容的图片/视频生成 API，前台后台一套搞定。 一个前后端分离的 AIGC 平台，前端使用 Vue 3，后端使用 Node.js + Express + MySQL。用户可以配置多个 OpenAI 兼容的 API Provider，绑定图片模型或视频模型，支持文生图、图生图、文生视频、图生视频等多种生成模式。
0:47

一个能直接跑的 AIGC 平台，支持接入各种 OpenAI 兼容的图片/视频生成 API，前台后台一套搞定。 一个前后端分离的 AIGC 平台，前端使用 Vue 3，后端使用 Node.js + Express + MySQL。用户可以配置多个 OpenAI 兼容的 API Provider，绑定图片模型或视频模型，支持文生图、图生图、文生视频、图生视频等多种生成模式。

Geek Lite

14,631 views • 2 months ago

Nano Banana 的一致性真的猛 搞了一个提示词，随便给他几张图，他就能参考图片画风和角色给你生成连续的故事分镜图片 而且美学表现、场景、人物的一致性都可以保证 然后直接可灵 2.1 首尾帧或者即梦的智能多帧就是一个视频了
0:36

Nano Banana 的一致性真的猛 搞了一个提示词，随便给他几张图，他就能参考图片画风和角色给你生成连续的故事分镜图片 而且美学表现、场景、人物的一致性都可以保证 然后直接可灵 2.1 首尾帧或者即梦的智能多帧就是一个视频了

歸藏(guizang.ai)

49,683 views • 10 months ago

快手今天发布了可灵视频生成模型，支持生成最长两分钟 30FPS 1080P 的视频。 生成质量是现在普通用户能接触到的天花板，5 秒视频这个等级完全超越了谷歌Voe 视频模型。 运动幅度、不同比例、一致性、物理特性都是除了 Sora 之外现在看到最好的。 体验方法：快影 APP-AI 玩法-AI 视频生成中申请。
0:30

快手今天发布了可灵视频生成模型，支持生成最长两分钟 30FPS 1080P 的视频。 生成质量是现在普通用户能接触到的天花板，5 秒视频这个等级完全超越了谷歌Voe 视频模型。 运动幅度、不同比例、一致性、物理特性都是除了 Sora 之外现在看到最好的。 体验方法：快影 APP-AI 玩法-AI 视频生成中申请。

歸藏(guizang.ai)

97,172 views • 2 years ago

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

44,286 views • 1 year ago

最近Seedance 2.0 伤透了大家的心，最近不得不把眼光瞄向了最有上进心的grok image,Grok 推出了视频延长功能，一次可以延长10秒，我的账号目前只有10秒，可以在每次的上一个视频的尾部延长两次，总共是30秒，下面是示例，我发现这个延长是有记忆功能的，也就是说人物的相貌是不会在延长后出现变形的，即时上一个视频的最末帧没有脸的样子但是延长后的结果仍然会保持相貌的稳定，唯一的问题是最多一次只能做到30秒长的视频，下次我会试试上传角色绑定后的结果，因为GROK一次只能上传一张图，所以很不方便去绑定角色和统一的场景，但是我对grok image 保持希望。跟帖里有生成过程和提示词
0:30

最近Seedance 2.0 伤透了大家的心，最近不得不把眼光瞄向了最有上进心的grok image,Grok 推出了视频延长功能，一次可以延长10秒，我的账号目前只有10秒，可以在每次的上一个视频的尾部延长两次，总共是30秒，下面是示例，我发现这个延长是有记忆功能的，也就是说人物的相貌是不会在延长后出现变形的，即时上一个视频的最末帧没有脸的样子但是延长后的结果仍然会保持相貌的稳定，唯一的问题是最多一次只能做到30秒长的视频，下次我会试试上传角色绑定后的结果，因为GROK一次只能上传一张图，所以很不方便去绑定角色和统一的场景，但是我对grok image 保持希望。跟帖里有生成过程和提示词

John

47,429 views • 4 months ago

一早发现AI Studio又有惊喜。😍 选择Gemini 2.0 Flash exp，可以生成自然图片，保持角色，一个prompt生成多张 简单测试了一下录屏：生成“龟兔赛跑”故事的8个场景图片，角色保持一致性 很不错，第一张图居然显示了中文字，不过细看还是有错误，可能龟兔赛跑四个字都笔画挺多
0:47

一早发现AI Studio又有惊喜。😍 选择Gemini 2.0 Flash exp，可以生成自然图片，保持角色，一个prompt生成多张 简单测试了一下录屏：生成“龟兔赛跑”故事的8个场景图片，角色保持一致性 很不错，第一张图居然显示了中文字，不过细看还是有错误，可能龟兔赛跑四个字都笔画挺多

Jesse Lau 遁一子

51,263 views • 1 year ago

一秒生成高斯点云? Apple新模型SHARP实测! Apple 刚刚推出了新的模型和配套框架 SHARP, 这个模型可以实现单张图像生成逼真的3D场景, 尤其是模型大小只有2.8GB, 大概是1.4B? 速度足够快, 可以一秒生成高斯点云, 然后这个点云可以为图片向邻近的视角提供多角度地观察, 比如我拍了一张椅子, 那么点云化后就能渲染椅子左右20度的视角, 更多就不行了. 视频是我的实测, 目前测下来日常场景使用完全没问题, 只有在复杂的场景才会露出破绽, 比如镜面反射, 或者超长焦, 感觉这个模型如果应用到 Apple Vision Pro 上会有很不错的场景, 照片仅需要1秒, 弄3D相册不是问题. #Apple #SHARP
1:28

一秒生成高斯点云? Apple新模型SHARP实测! Apple 刚刚推出了新的模型和配套框架 SHARP, 这个模型可以实现单张图像生成逼真的3D场景, 尤其是模型大小只有2.8GB, 大概是1.4B? 速度足够快, 可以一秒生成高斯点云, 然后这个点云可以为图片向邻近的视角提供多角度地观察, 比如我拍了一张椅子, 那么点云化后就能渲染椅子左右20度的视角, 更多就不行了. 视频是我的实测, 目前测下来日常场景使用完全没问题, 只有在复杂的场景才会露出破绽, 比如镜面反射, 或者超长焦, 感觉这个模型如果应用到 Apple Vision Pro 上会有很不错的场景, 照片仅需要1秒, 弄3D相册不是问题. #Apple #SHARP

karminski-牙医

23,813 views • 7 months ago

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
0:29

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

小互

30,825 views • 1 year ago

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

50,254 views • 1 year ago

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。
1:00

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

22,695 views • 4 months ago

这条 $2.30 一条的 YouTube 视频生产线，我没把任何一个工具搬进 Tanka。 而是把它们串成了一份 SOP。 Python 在本地，ElevenLabs API，Notion 在 web，HyperFrames 在终端。 Tanka 一个工具都没接管，它做的是另一件事：在我现有的工具栈之上，沉淀出一份可以复用的 SOP。 视频里是完整搭建过程，末尾接的是这套 SOP 跑出来的视频案例。 现在限时领 1 个月 Plus👇 官网:
3:20

这条 $2.30 一条的 YouTube 视频生产线，我没把任何一个工具搬进 Tanka。 而是把它们串成了一份 SOP。 Python 在本地，ElevenLabs API，Notion 在 web，HyperFrames 在终端。 Tanka 一个工具都没接管，它做的是另一件事：在我现有的工具栈之上，沉淀出一份可以复用的 SOP。 视频里是完整搭建过程，末尾接的是这套 SOP 跑出来的视频案例。 现在限时领 1 个月 Plus👇 官网:

Yanhua

23,867 views • 2 months ago

做 AI 短剧、小说号、AI 视频号的，可以重点看一下这个开源项目，叫 Toonflow-app。 它不是那种「输入一句话，直接给你生成一个视频」的玩具。 那种东西看演示很爽，真要拿来做内容，很快就会发现一地鸡毛：角色不一致，剧情接不上，分镜乱飞，素材越堆越多，最后文件夹里全是废片。 Toonflow 解决的是更前面的事。 它把小说、故事、剧本、角色、分镜、图片素材、视频节点，全部放进一个工作台里。 展示形态更像一个 AI 短剧生产后台，不是单纯聊天框。你可以导入小说，让它拆章节事件，生成故事骨架，再改成剧本，然后进入画布，把角色、场景、镜头、视频生成节点串起来。 这就有点意思了。 AI 视频真正难的，从来不是生成一个 5 秒镜头。 难的是你能不能把一堆镜头、一堆角色、一条剧情线，稳定组织成一个能看的作品。 Toonflow 的核心玩法就是：把「小说到短剧」这条流程拆开，再让不同 AI 模型去处理不同环节。 写剧本用文本模型，出角色图用图片模型，生成镜头用视频模型，最后在工作台里统一管理。 这类项目最适合三种人： 小说号想升级成 AI 漫剧。 短剧团队想降低前期试错成本。 AI 视频创作者想从单条演示，升级成连续内容生产。 说实话，这才是 AI 视频工具接下来该卷的方向。 不是炫一个镜头有多炸，而是能不能把内容稳定做出来。
12:04

做 AI 短剧、小说号、AI 视频号的，可以重点看一下这个开源项目，叫 Toonflow-app。 它不是那种「输入一句话，直接给你生成一个视频」的玩具。 那种东西看演示很爽，真要拿来做内容，很快就会发现一地鸡毛：角色不一致，剧情接不上，分镜乱飞，素材越堆越多，最后文件夹里全是废片。 Toonflow 解决的是更前面的事。 它把小说、故事、剧本、角色、分镜、图片素材、视频节点，全部放进一个工作台里。 展示形态更像一个 AI 短剧生产后台，不是单纯聊天框。你可以导入小说，让它拆章节事件，生成故事骨架，再改成剧本，然后进入画布，把角色、场景、镜头、视频生成节点串起来。 这就有点意思了。 AI 视频真正难的，从来不是生成一个 5 秒镜头。 难的是你能不能把一堆镜头、一堆角色、一条剧情线，稳定组织成一个能看的作品。 Toonflow 的核心玩法就是：把「小说到短剧」这条流程拆开，再让不同 AI 模型去处理不同环节。 写剧本用文本模型，出角色图用图片模型，生成镜头用视频模型，最后在工作台里统一管理。 这类项目最适合三种人： 小说号想升级成 AI 漫剧。 短剧团队想降低前期试错成本。 AI 视频创作者想从单条演示，升级成连续内容生产。 说实话，这才是 AI 视频工具接下来该卷的方向。 不是炫一个镜头有多炸，而是能不能把内容稳定做出来。

老杨啊

16,040 views • 1 month ago

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！
0:23

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 views • 1 year ago

自媒体人狂喜！这个项目把 AI 视频直接做成无限时长 ：InfiniteTalk 它解决一个大问题： 以前 AI 视频只能几秒，现在直接无限生成 而且不只是嘴动而已： - 表情、头部、身体全同步 - 长视频也不崩 - 人物一致性稳如老狗 操作也超简单： 一张图 + 一段音频 = 一个会一直讲话的虚拟人 🗣️ 适合直接落地的场景： - AI 虚拟主播 - 播客 / 长视频内容 - 视频翻译 & 重配音 - 自媒体批量生产 最棒的是： 开源 + 免费 + 可商用
1:00

自媒体人狂喜！这个项目把 AI 视频直接做成无限时长 ：InfiniteTalk 它解决一个大问题： 以前 AI 视频只能几秒，现在直接无限生成 而且不只是嘴动而已： - 表情、头部、身体全同步 - 长视频也不崩 - 人物一致性稳如老狗 操作也超简单： 一张图 + 一段音频 = 一个会一直讲话的虚拟人 🗣️ 适合直接落地的场景： - AI 虚拟主播 - 播客 / 长视频内容 - 视频翻译 & 重配音 - 自媒体批量生产 最棒的是： 开源 + 免费 + 可商用

开发者Hailey

71,827 views • 3 months ago

兄弟们 Lovart 接入 Sora 2 模型 确实是有点强啊 可以一键出MV、宣传片... 下面这个视频是我直接生成的 之前有位博主做过这样的，我复刻了下，这种如果你用sora 需要生成很多片段然后剪辑 我用Lovart 直接一句话给你自动生成音乐+片段，然后它会给你自动剪辑成片！ 全程你什么都不用干... 只需要就一个很简单的提示词即可： “生成一段公路旅行怀旧音乐，并通过Sora 2 pro 为其制作一个完整的MV，画面为美国公路自驾旅行的各种片段loop，视角全是车窗内拍摄，闪现美国各个知名旅游景点和风景。”
2:24

兄弟们 Lovart 接入 Sora 2 模型 确实是有点强啊 可以一键出MV、宣传片... 下面这个视频是我直接生成的 之前有位博主做过这样的，我复刻了下，这种如果你用sora 需要生成很多片段然后剪辑 我用Lovart 直接一句话给你自动生成音乐+片段，然后它会给你自动剪辑成片！ 全程你什么都不用干... 只需要就一个很简单的提示词即可： “生成一段公路旅行怀旧音乐，并通过Sora 2 pro 为其制作一个完整的MV，画面为美国公路自驾旅行的各种片段loop，视角全是车窗内拍摄，闪现美国各个知名旅游景点和风景。”

小互

61,589 views • 9 months ago

兄弟们，这个概念有点 牛P啊 Kling AI 推出主体库（Subject Library）」功能 让视频模型拥有记忆能力 你可以上传自己的角色和各种素材建立自己的素材库 它会自动帮你生成不同角度、不同光线、不同场景下的版本。 以后你只要在创作时选用这些素材，它就能自动调出这些素材进行参考生成。 无论是拍视频、做图还是换场景，主角都不会“变脸”了。 当你后面输入“@角色名”时，AI 就会读取这组数据 在生成画面的时候自动匹配相同的特征。
0:31

兄弟们，这个概念有点 牛P啊 Kling AI 推出主体库（Subject Library）」功能 让视频模型拥有记忆能力 你可以上传自己的角色和各种素材建立自己的素材库 它会自动帮你生成不同角度、不同光线、不同场景下的版本。 以后你只要在创作时选用这些素材，它就能自动调出这些素材进行参考生成。 无论是拍视频、做图还是换场景，主角都不会“变脸”了。 当你后面输入“@角色名”时，AI 就会读取这组数据 在生成画面的时候自动匹配相同的特征。

小互

17,287 views • 7 months ago