Загрузка видео...

Не удалось загрузить видео

На главную

Opus做的中国上下5000年视频，TTS是调用的我本地的模型生成的，TTS拉垮了。后续还是配上Gemini 3.8 TTS，送的API额度不用白不用。

Gorden_Sun's profile picture

Gorden Sun

67,504 subscribers

15,376 просмотров • 4 дней назад •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 10

Фото профиля Crio Songo
Crio Songo4 дней назад

每个月白给10美元额度真挺良心，Gemini 3.8 TTS效果本来就不错，正好能用。

Фото профиля JingMing
JingMing4 дней назад

背景音乐是opus加的？

Фото профиля Gorden Sun
Gorden Sun4 дней назад

是

Фото профиля bruceamoi
bruceamoi4 дней назад

我感觉怎么我的OPPus5.5点我是假的呀？你们咋做的这么好啊？

Фото профиля Faker2026
Faker20264 дней назад

需要什么提示词呢？

Фото профиля 胖叔万东尼
胖叔万东尼4 дней назад

非常棒！专门做一档节目也完全没问题。

Фото профиля 苏倩
苏倩4 дней назад

gemini 送的吗？

Фото профиля Gorden Sun
Gorden Sun4 дней назад

对，每月10美元 API额度

Фото профиля Peter Zhang
Peter Zhang3 дней назад

Opus做这样的视频需要花多少钱呀？

Фото профиля Gorden Sun
Gorden Sun2 дней назад

只需要订阅Claude即可，其他费用约等于0

Похожие видео

尝试复刻抖音上的书评号，一键出视频 声音：qwen TTS 0.6B的模型，我本地的m1跑的 文案：用微信读书skill爬的书评 图片：封面是微信读书skill取的，配图用的是 背景音乐： 纯血codex能力，不用任何花钱的api 这个是第一版，文案上还得打磨
1:32

尝试复刻抖音上的书评号，一键出视频 声音：qwen TTS 0.6B的模型，我本地的m1跑的 文案：用微信读书skill爬的书评 图片：封面是微信读书skill取的，配图用的是 背景音乐： 纯血codex能力，不用任何花钱的api 这个是第一版，文案上还得打磨

蛋黄堡

16,336 просмотров • 2 месяцев назад

很多人问我这个remotion做的广告宣传片，TTS怎么选择？ 其实我现在TTS主力用几家： Index TTS2：克隆音质非常好，情感表达可以调节并且非常丰富，缺点是需要GPU，生成速度慢 Qwen3-TTS：可以克隆声音，但是对声音的原声音要求高。情感表达也挺丰富，也可以调节。最好的是，可以用CPU去生成，即便用CPU速度也可以接受。 edge-tts：英文还可以，中文就比较AI音了，有点拉垮。 这个视频里面英文配音用的就是edge-tts 还有很多家还没有尝试，比如F5-TTS，MiniMax，等有空了要好好测试一下。
0:26

很多人问我这个remotion做的广告宣传片，TTS怎么选择？ 其实我现在TTS主力用几家： Index TTS2：克隆音质非常好，情感表达可以调节并且非常丰富，缺点是需要GPU，生成速度慢 Qwen3-TTS：可以克隆声音，但是对声音的原声音要求高。情感表达也挺丰富，也可以调节。最好的是，可以用CPU去生成，即便用CPU速度也可以接受。 edge-tts：英文还可以，中文就比较AI音了，有点拉垮。 这个视频里面英文配音用的就是edge-tts 还有很多家还没有尝试，比如F5-TTS，MiniMax，等有空了要好好测试一下。

huangserva

39,150 просмотров • 8 месяцев назад

完全免费的 TTS 文字转语音来了！ 再也不用被国内外各种语音合成割韭菜了。 试了下，确实是不限次数，不限语种，完全免费， 效果就是微软 TTS 的效果，重要的是免费啊。 做个抖音、视频号之类的是完全够用了。 地址在下面 👇
0:30

完全免费的 TTS 文字转语音来了！ 再也不用被国内外各种语音合成割韭菜了。 试了下，确实是不限次数，不限语种，完全免费， 效果就是微软 TTS 的效果，重要的是免费啊。 做个抖音、视频号之类的是完全够用了。 地址在下面 👇

奥丁

95,196 просмотров • 2 лет назад

很多朋友问视频是怎么做的？ 声音是用CosyVoice3模型 图片是用Krea2模型(商业模型用GPT Image2效果更好) 视频是用LTX2.3模型（商业模型用SeeDance2.0） 原视频分析：claude code + fable5完成的一套工作流，然后调用grok cli（能白嫖额度，而且做一些大胆点的提示词也不受限制：你懂的） 最后用hyperframe+remotion重新组成全篇渲染
0:40

很多朋友问视频是怎么做的？ 声音是用CosyVoice3模型 图片是用Krea2模型(商业模型用GPT Image2效果更好) 视频是用LTX2.3模型（商业模型用SeeDance2.0） 原视频分析：claude code + fable5完成的一套工作流，然后调用grok cli（能白嫖额度，而且做一些大胆点的提示词也不受限制：你懂的） 最后用hyperframe+remotion重新组成全篇渲染

huangserva

80,311 просмотров • 2 месяцев назад

谷歌新的 Gemini TTS 模型太牛逼了！ 直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。 你能想到的都能控制，根本不需要切换单独的语音模型！ 我的 AI 互动漫剧应用终于是完全体了！ 使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。
2:44

谷歌新的 Gemini TTS 模型太牛逼了！ 直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。 你能想到的都能控制，根本不需要切换单独的语音模型！ 我的 AI 互动漫剧应用终于是完全体了！ 使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。

歸藏(guizang.ai)

127,166 просмотров • 9 месяцев назад

bilibili的tts牛逼了，能把原声的情绪给模仿出来。抖音上最近刷到的学英语视频原来就是用这个做的。
0:40

bilibili的tts牛逼了，能把原声的情绪给模仿出来。抖音上最近刷到的学英语视频原来就是用这个做的。

Olivert

267,528 просмотров • 1 год назад

请问这个视频的中文配音都是AI翻译的吗？如果是的话用的是哪家的TTS技术呀？ 来源：
1:23

请问这个视频的中文配音都是AI翻译的吗？如果是的话用的是哪家的TTS技术呀？ 来源：

宝玉

924,840 просмотров • 2 лет назад

利用Hermes去使用ComfyUI实现免费生成图片和视频。 上次我介绍了ComfyUI可在本地部署并且自有本地大模型，不用调用其他付费大模型。并且30/40/50显卡都可以去用，当然配置越高生成的质量就越好。大家按需去用即可。 ComfyUI我认为对于新手来说应该是不怎么难，但是还是有很多兄弟们给狙击手私信问各种操作类型的问题。 那么这次我专门做了次实验就是利用Hermes去调用本地的ComfyUI去实现生图以及做视频，目前来看是可行的，至于整体的质量还要去慢慢的调试。 我其实是建议大家还是把ComfyUI去系统性的学一下的，网上有各种免费的教程的。 我认为既然享受这些免费开源的好软件了，就稍微用用心。哈哈，毕竟它是不要钱的。 下面的视频看一下我第一次调用ComfyUI，生成的第一张图片的结果吧。你们看看怎么样？ 对了我引用的推文里面有ComfyUI的安装包，免费自取！
1:28

利用Hermes去使用ComfyUI实现免费生成图片和视频。 上次我介绍了ComfyUI可在本地部署并且自有本地大模型，不用调用其他付费大模型。并且30/40/50显卡都可以去用，当然配置越高生成的质量就越好。大家按需去用即可。 ComfyUI我认为对于新手来说应该是不怎么难，但是还是有很多兄弟们给狙击手私信问各种操作类型的问题。 那么这次我专门做了次实验就是利用Hermes去调用本地的ComfyUI去实现生图以及做视频，目前来看是可行的，至于整体的质量还要去慢慢的调试。 我其实是建议大家还是把ComfyUI去系统性的学一下的，网上有各种免费的教程的。 我认为既然享受这些免费开源的好软件了，就稍微用用心。哈哈，毕竟它是不要钱的。 下面的视频看一下我第一次调用ComfyUI，生成的第一张图片的结果吧。你们看看怎么样？ 对了我引用的推文里面有ComfyUI的安装包，免费自取！

DeFi狙击手 | Ai🕊️

35,180 просмотров • 3 месяцев назад

我用 Hermes 的 HyperFrames （ TTS + 雷军音色） 一句话生成了介绍这条推文的 30s 视频：
0:30

我用 Hermes 的 HyperFrames （ TTS + 雷军音色） 一句话生成了介绍这条推文的 30s 视频：

paulwei

29,027 просмотров • 4 месяцев назад

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

53,257 просмотров • 2 месяцев назад

最适合做AI视频的API平台终于被我找到了！! 成本比预期低很多！ 爽用Seedance 2.0的感觉也太夯了！！ 赶紧用Codex把很早就想做的“个人视觉创意工作台”安排上了！ 我相信很多人都想找一个好用又便宜的生成式模型API平台， 说实话，真的很不好找！！ 大大小小的AI平台用了不少，要么贵的要死，要么可用模型少的可怜， 要么就是个黑盒子，花钱用的啥模型都不知道！ 今天看到Pika Pika上线了Pika API Club，我就知道这事稳了！！ 果不其然，Pika还是太懂AI视频创作者了！ 基本上能用到的模型都包圆了，定价也特别香， 应该都是从厂商拿的“集采价”，而且还让利给了用户！ Pika API定价比Runway、Fal等等都要便宜不少， Seedance 2.0的价格相对Runway，最高能便宜87%，相当于打1.3折！！ 关键是，每月才10美金，可以用70多个生成式模型， 不光是视频，主流模型都有，1个API能接住所有的模型需求！！ 所以搞了一个创意工作台，把原创的一些提示词做成预设， 一键套用成片，效率直接拉满！！
0:38

最适合做AI视频的API平台终于被我找到了！! 成本比预期低很多！ 爽用Seedance 2.0的感觉也太夯了！！ 赶紧用Codex把很早就想做的“个人视觉创意工作台”安排上了！ 我相信很多人都想找一个好用又便宜的生成式模型API平台， 说实话，真的很不好找！！ 大大小小的AI平台用了不少，要么贵的要死，要么可用模型少的可怜， 要么就是个黑盒子，花钱用的啥模型都不知道！ 今天看到Pika Pika上线了Pika API Club，我就知道这事稳了！！ 果不其然，Pika还是太懂AI视频创作者了！ 基本上能用到的模型都包圆了，定价也特别香， 应该都是从厂商拿的“集采价”，而且还让利给了用户！ Pika API定价比Runway、Fal等等都要便宜不少， Seedance 2.0的价格相对Runway，最高能便宜87%，相当于打1.3折！！ 关键是，每月才10美金，可以用70多个生成式模型， 不光是视频，主流模型都有，1个API能接住所有的模型需求！！ 所以搞了一个创意工作台，把原创的一些提示词做成预设， 一键套用成片，效率直接拉满！！

沐阳

26,065 просмотров • 1 месяц назад

Seedance2.5 我是用不起的！ 视频是使用 Grok imagine 完成的！ 「云上有阙、天地秩序」 「CELESTIAL ORDER」
0:54

Seedance2.5 我是用不起的！ 视频是使用 Grok imagine 完成的！ 「云上有阙、天地秩序」 「CELESTIAL ORDER」

虎小象

42,663 просмотров • 2 месяцев назад

兄弟们，这下可以实现TTS 生成文本转语音自由了。 测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。 做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。 整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。 感兴趣的同学可以自己去试试，地址放评论区。
1:19

兄弟们，这下可以实现TTS 生成文本转语音自由了。 测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。 做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。 整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。 感兴趣的同学可以自己去试试，地址放评论区。

Berryxia.AI

45,388 просмотров • 8 месяцев назад

前端设计这一块谷歌是真没问题！我用Gemini 3.5 Flash做了个3D飞机模型展览，太帅了呀！ ​ 制作方法：​ 1.GPT2-image生生成正视图、背视图、左视图和右视图 2.3D模型生成​，注意需要用纹理 3.UI预览图生成​，调用Codex内置GPT2-image即可 4.用Gemini 3.5 Flash生成网站​ ​ 生成网站这一步在Google AI Studio上传不了3D模型的glb文件，所以就必须要调API在本地做个网站了。 我是在Zenmux调用的，大家应该对Zenmux也不陌生，就是那个一有新模型就免费给大家玩的网站。​ ​ 它提供一个KEY调用所有顶级大模型的功能，不仅可以用Gemini 3.5 Flash绘制前端，如果有小BUG，还可以再切换到GPT5.5或Oplu4.7进行修复，使用非常丝滑！​ ​ 想先免费试一试下 Gemini 3.5 Flash的能力？ 壕气冲天的Zenmux现在直接免费送一周TOKEN（有限额）！ 传送门直达：
0:41

前端设计这一块谷歌是真没问题！我用Gemini 3.5 Flash做了个3D飞机模型展览，太帅了呀！ ​ 制作方法：​ 1.GPT2-image生生成正视图、背视图、左视图和右视图 2.3D模型生成​，注意需要用纹理 3.UI预览图生成​，调用Codex内置GPT2-image即可 4.用Gemini 3.5 Flash生成网站​ ​ 生成网站这一步在Google AI Studio上传不了3D模型的glb文件，所以就必须要调API在本地做个网站了。 我是在Zenmux调用的，大家应该对Zenmux也不陌生，就是那个一有新模型就免费给大家玩的网站。​ ​ 它提供一个KEY调用所有顶级大模型的功能，不仅可以用Gemini 3.5 Flash绘制前端，如果有小BUG，还可以再切换到GPT5.5或Oplu4.7进行修复，使用非常丝滑！​ ​ 想先免费试一试下 Gemini 3.5 Flash的能力？ 壕气冲天的Zenmux现在直接免费送一周TOKEN（有限额）！ 传送门直达：

逸尘

43,295 просмотров • 4 месяцев назад

🔥熬了一晚，你们想要的remotion skill的案例来了！ 用remotion做了一个产品广告宣传片 Gemini的模型审美更强 过程中用了多个skill配合 1.先用Gemini模型做策划出30秒视频方案 2.用方案去寻找对应的素材（要配合文案优化关键词才会精准匹配，用media-download skill） 3.同时用TTS skill生成配音 4.根据配音长度自动剪辑视频, cc+remotion就可以 5.最后让CC配上符合文案和主题的BGM 要求动态效果，封面，结尾这些都是remotion能做的事 一开始自己需要走完一遍流程，调试和效果 做好了之后，再做类似了，换词就能做到一键成片了
0:30

🔥熬了一晚，你们想要的remotion skill的案例来了！ 用remotion做了一个产品广告宣传片 Gemini的模型审美更强 过程中用了多个skill配合 1.先用Gemini模型做策划出30秒视频方案 2.用方案去寻找对应的素材（要配合文案优化关键词才会精准匹配，用media-download skill） 3.同时用TTS skill生成配音 4.根据配音长度自动剪辑视频, cc+remotion就可以 5.最后让CC配上符合文案和主题的BGM 要求动态效果，封面，结尾这些都是remotion能做的事 一开始自己需要走完一遍流程，调试和效果 做好了之后，再做类似了，换词就能做到一键成片了

huangserva

124,711 просмотров • 8 месяцев назад

按照烟花老师的方法，我用remotion skill 也完成了一个top5音乐视频 关于配音，我自己的方法： 1. 要先做TTS的稿， 2.然后生成每段的长度精确到0.1秒 3.通过每段声音的长度，来裁剪视频的长度适配
0:41

按照烟花老师的方法，我用remotion skill 也完成了一个top5音乐视频 关于配音，我自己的方法： 1. 要先做TTS的稿， 2.然后生成每段的长度精确到0.1秒 3.通过每段声音的长度，来裁剪视频的长度适配

huangserva

81,841 просмотров • 8 месяцев назад

NotebookLM生成视频时，会使用nano banana生成视频里的配图了。整体能力提升特别大，有视频，有语音（中文稍有瑕疵但问题不大），视频内容有配图有文字（文字是程序写上去的不是生成的）。 如果内容足够好，用NotebookLM发自媒体也不是不行。 下方是我上传了纳瓦尔宝典生成的视频。
8:55

NotebookLM生成视频时，会使用nano banana生成视频里的配图了。整体能力提升特别大，有视频，有语音（中文稍有瑕疵但问题不大），视频内容有配图有文字（文字是程序写上去的不是生成的）。 如果内容足够好，用NotebookLM发自媒体也不是不行。 下方是我上传了纳瓦尔宝典生成的视频。

Gorden Sun

26,983 просмотров • 11 месяцев назад

细节的 TTS 技术 Seed-TTS，制作出来的有声书可能要让喜马拉雅的很多主播失业了！支持多种语言。 目前还没看到项目代码或者测试地址，只有论文： 摘要 我们介绍了Seed-TTS，这是一系列大规模自回归文本转语音（TTS）模型，能够生成几乎与人类语音无法区分的语音。Seed-TTS作为语音生成的基础模型，在语音上下文学习中表现出色，在说话者相似性和自然性方面的表现与真实人类语音在客观和主观评估中相匹配。通过微调，我们在这些指标上获得了更高的主观评分。Seed-TTS在各种语音属性（如情感）上提供了卓越的可控性，并且能够为自然环境中的说话者生成高度富有表现力和多样化的语音。此外，我们提出了一种用于语音因子化的自蒸馏方法，即通过让模型自行学习和改进的方式来提高性能，以及一种增强模型鲁棒性、说话者相似性和可控性的强化学习方法。我们还展示了Seed-TTS模型的非自回归（NAR）变体，名为Seed-TTSDiT，它采用完全基于扩散的架构。与以前的基于NAR的TTS系统不同，Seed-TTSDiT不依赖于预估的音素持续时间，而是通过端到端处理进行语音生成。我们证明了这种变体在客观和主观评估中达到了与基于语言模型的变体相当的性能，并展示了其在语音编辑中的有效性。
2:27

细节的 TTS 技术 Seed-TTS，制作出来的有声书可能要让喜马拉雅的很多主播失业了！支持多种语言。 目前还没看到项目代码或者测试地址，只有论文： 摘要 我们介绍了Seed-TTS，这是一系列大规模自回归文本转语音（TTS）模型，能够生成几乎与人类语音无法区分的语音。Seed-TTS作为语音生成的基础模型，在语音上下文学习中表现出色，在说话者相似性和自然性方面的表现与真实人类语音在客观和主观评估中相匹配。通过微调，我们在这些指标上获得了更高的主观评分。Seed-TTS在各种语音属性（如情感）上提供了卓越的可控性，并且能够为自然环境中的说话者生成高度富有表现力和多样化的语音。此外，我们提出了一种用于语音因子化的自蒸馏方法，即通过让模型自行学习和改进的方式来提高性能，以及一种增强模型鲁棒性、说话者相似性和可控性的强化学习方法。我们还展示了Seed-TTS模型的非自回归（NAR）变体，名为Seed-TTSDiT，它采用完全基于扩散的架构。与以前的基于NAR的TTS系统不同，Seed-TTSDiT不依赖于预估的音素持续时间，而是通过端到端处理进行语音生成。我们证明了这种变体在客观和主观评估中达到了与基于语言模型的变体相当的性能，并展示了其在语音编辑中的有效性。

宝玉

67,886 просмотров • 2 лет назад

这翻译不知是不是真的。如果是真的，那印度真是从上到下都充满了幽默。 收音机，手表，缝纫机那是中国约五十年前中国高生活水平的标配。现在基本都是不用了。
1:54

这翻译不知是不是真的。如果是真的，那印度真是从上到下都充满了幽默。 收音机，手表，缝纫机那是中国约五十年前中国高生活水平的标配。现在基本都是不用了。

yanguoliusheng

17,418 просмотров • 3 месяцев назад