Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

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。

op7418's profile picture

歸藏(guizang.ai)

129,870 subscribers

29,993 görüntüleme • 9 ay önce •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

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

19,850 görüntüleme • 1 yıl önce

兄弟们，又出来个牛P玩意 阿里那个被截胡了，这个直接能用 可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。 不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。 核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。 官网： 可以去他们discord免费体验： ViggleAI
1:00

兄弟们，又出来个牛P玩意 阿里那个被截胡了，这个直接能用 可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。 不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。 核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。 官网： 可以去他们discord免费体验： ViggleAI

小互

103,553 görüntüleme • 2 yıl önce

字节发布了一个新的视频模型 Goku 还有一个专门为广告视频生成做的的竖屏 goko+ 模型 效果非常🐂🍺，老广告人麻了 - 支持直接生成虚拟数字人视频 - 支持从产品图片生成和人物互动视频，保持产品样式 - 支持生成产品展示视频，保持产品样式 - 可以从文本生成广告视频
0:44

字节发布了一个新的视频模型 Goku 还有一个专门为广告视频生成做的的竖屏 goko+ 模型 效果非常🐂🍺，老广告人麻了 - 支持直接生成虚拟数字人视频 - 支持从产品图片生成和人物互动视频，保持产品样式 - 支持生成产品展示视频，保持产品样式 - 可以从文本生成广告视频

歸藏(guizang.ai)

34,287 görüntüleme • 1 yıl önce

港大和字节的这个广告视频生成模型很赞，Goku+，可以生成20秒以上的广告宣传片、生成口播/走播视频，目前没代码 效果看上去画面稳定，没有明显的闪烁或抖动，人物及面部自然、动作流畅 支持室内/户外、 产品特写、人物互动场景等，适合电商、品牌营销等商业广告 Goku+是Goku的优化版，主打广告生成 Goku是一个基于流的视频生成基础模型，支持风景、人物、动物、动作多种场景，支持写实风、动画风 #AI视频 #AI广告制作 #Goku #视频生成 #广告视频生成
1:10

港大和字节的这个广告视频生成模型很赞，Goku+，可以生成20秒以上的广告宣传片、生成口播/走播视频，目前没代码 效果看上去画面稳定，没有明显的闪烁或抖动，人物及面部自然、动作流畅 支持室内/户外、 产品特写、人物互动场景等，适合电商、品牌营销等商业广告 Goku+是Goku的优化版，主打广告生成 Goku是一个基于流的视频生成基础模型，支持风景、人物、动物、动作多种场景，支持写实风、动画风 #AI视频 #AI广告制作 #Goku #视频生成 #广告视频生成

AIGCLINK

16,374 görüntüleme • 1 yıl önce

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

140,926 görüntüleme • 1 yıl önce

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

19,379 görüntüleme • 1 yıl önce

没错 又炸裂了！ Runway 推出一款生成式角色表演工具 可以把任意视频转换成任意风格虚拟角色动画 并且保持人物的情感、表情、语音、口型同步 - 只需要用摄像头录下你的表演，Act-One 就能把视频转换成虚拟角色的动画，比如演员的眼神、面部表情、动作节奏和说话方式都会被捕捉下来。 - 传统动画制作需要专门的设备和复杂的步骤，比如动作捕捉或面部建模，但用 Act-One，只要一台普通摄像头就能生成逼真的角色动画，大大简化了流程。 - Act-One 可以根据不同的参考图像，把同一个演员的表演变成各种风格的角色，无论是卡通还是逼真风格都可以。
0:20

没错 又炸裂了！ Runway 推出一款生成式角色表演工具 可以把任意视频转换成任意风格虚拟角色动画 并且保持人物的情感、表情、语音、口型同步 - 只需要用摄像头录下你的表演，Act-One 就能把视频转换成虚拟角色的动画，比如演员的眼神、面部表情、动作节奏和说话方式都会被捕捉下来。 - 传统动画制作需要专门的设备和复杂的步骤，比如动作捕捉或面部建模，但用 Act-One，只要一台普通摄像头就能生成逼真的角色动画，大大简化了流程。 - Act-One 可以根据不同的参考图像，把同一个演员的表演变成各种风格的角色，无论是卡通还是逼真风格都可以。

小互

49,932 görüntüleme • 1 yıl önce

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

44,252 görüntüleme • 11 ay önce

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

23,441 görüntüleme • 3 ay önce

LTX-2 Model：：开源版Veo3 19B参数的视频模型，能同时生成视频和音频，支持文生视频和图生视频。 模型： 提示词文档：
0:20

LTX-2 Model：：开源版Veo3 19B参数的视频模型，能同时生成视频和音频，支持文生视频和图生视频。 模型： 提示词文档：

Gorden Sun

14,323 görüntüleme • 5 ay önce

卧槽，我们有开源的 Heygen 可以用了？ 目前开源的HeyGen类似项目基本都支持面部和唇形同步，不支持更大范围的肢体运动。 TANGO 这个项目只需要提供几十秒的肢体运动视频，就可以无限生成匹配对应音频的全身视频。 再搭配上一些唇形同步开源项目比如快手的LivePortrait，完美复刻HeyGen不是梦想。
2:57

卧槽，我们有开源的 Heygen 可以用了？ 目前开源的HeyGen类似项目基本都支持面部和唇形同步，不支持更大范围的肢体运动。 TANGO 这个项目只需要提供几十秒的肢体运动视频，就可以无限生成匹配对应音频的全身视频。 再搭配上一些唇形同步开源项目比如快手的LivePortrait，完美复刻HeyGen不是梦想。

歸藏(guizang.ai)

36,803 görüntüleme • 1 yıl önce

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 görüntüleme • 1 yıl önce

阿里巴巴发布Wan2.1-VACE 开源模型 该模型不仅可以直接“生成”视频 还能对已有视频进行各种复杂的编辑和再创作处理，而且只用一个模型就能完成所有这些工作。 你可以可以精准控制视频中角色的动作、姿态、方向、构图布局、运动轨迹、风格风貌等。 支持的输入类型： 文本（prompt） 图像（图片参考） 视频（原视频编辑） 遮罩 Mask（指定修改区域） 控制信号（如深度图、光流图、灰度图、布局图、线稿等）
2:13

阿里巴巴发布Wan2.1-VACE 开源模型 该模型不仅可以直接“生成”视频 还能对已有视频进行各种复杂的编辑和再创作处理，而且只用一个模型就能完成所有这些工作。 你可以可以精准控制视频中角色的动作、姿态、方向、构图布局、运动轨迹、风格风貌等。 支持的输入类型： 文本（prompt） 图像（图片参考） 视频（原视频编辑） 遮罩 Mask（指定修改区域） 控制信号（如深度图、光流图、灰度图、布局图、线稿等）

小互

35,078 görüntüleme • 1 yıl önce

牛P了 Runway 推出Gen-4 References（第四代参考图） 新功能 这个功能的核心作用是： 让你能创建风格一致的人物、场景等内容（比如连续性的人物造型、背景风格） 你可以使用已有的素材，如： •照片 •生成的图像 •3D 模型 •自拍 然后将这些素材 “嵌入”到你想象中的任何场景里。 简单说，就是：你可以上传某个角色的照片，然后 AI 会根据这个角色生成不同场景中的一致形象，比如同一个人穿不同衣服、在不同地方，但都保持形象一致。 这个功能非常适合： •做动画、漫画角色统一性 •为短片、电影设定角色风格 •把自己放进虚拟世界、幻想场景中
1:15

牛P了 Runway 推出Gen-4 References（第四代参考图） 新功能 这个功能的核心作用是： 让你能创建风格一致的人物、场景等内容（比如连续性的人物造型、背景风格） 你可以使用已有的素材，如： •照片 •生成的图像 •3D 模型 •自拍 然后将这些素材 “嵌入”到你想象中的任何场景里。 简单说，就是：你可以上传某个角色的照片，然后 AI 会根据这个角色生成不同场景中的一致形象，比如同一个人穿不同衣服、在不同地方，但都保持形象一致。 这个功能非常适合： •做动画、漫画角色统一性 •为短片、电影设定角色风格 •把自己放进虚拟世界、幻想场景中

小互

37,821 görüntüleme • 1 yıl önce

新出的一款唇形同步工具：KeySync，核心能力是解决了表情泄漏以及遮挡问题，唇部动作不会受到原始视频人物表情，或是嘴部被遮挡而影响同步效果 能处理高分辨率视频，可以准确的把生成的唇部动作与新音频对齐，避免音画不同步 它的两阶段框架设计，能使时间连贯性保持的较好，使得嘴型变化自然流畅 可以通过调整参数控制动画的生成过程，比如指定遮挡物体的位置 #唇形同步 #KeySync
1:35

新出的一款唇形同步工具：KeySync，核心能力是解决了表情泄漏以及遮挡问题，唇部动作不会受到原始视频人物表情，或是嘴部被遮挡而影响同步效果 能处理高分辨率视频，可以准确的把生成的唇部动作与新音频对齐，避免音画不同步 它的两阶段框架设计，能使时间连贯性保持的较好，使得嘴型变化自然流畅 可以通过调整参数控制动画的生成过程，比如指定遮挡物体的位置 #唇形同步 #KeySync

AIGCLINK

18,436 görüntüleme • 1 yıl önce

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 görüntüleme • 1 yıl önce

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.
0:28

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

karminski-牙医

42,175 görüntüleme • 7 ay önce

兄弟们 这个有点强啊 而且是完全开源的 感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。
2:15

兄弟们 这个有点强啊 而且是完全开源的 感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

小互

44,263 görüntüleme • 1 yıl önce

美团开源虚拟人模型LongCat-Video-Avatar 类似字节的OmniHuman 1.5和快手的Avatar 2.0，支持音频驱动照片生成视频（尤其适用于主播和MV） 项目地址： 模型：
0:35

美团开源虚拟人模型LongCat-Video-Avatar 类似字节的OmniHuman 1.5和快手的Avatar 2.0，支持音频驱动照片生成视频（尤其适用于主播和MV） 项目地址： 模型：

Gorden Sun

13,112 görüntüleme • 6 ay önce