Loading video...

Video Failed to Load

Go Home

再分享一个AI视频的绝招 红白模素材真是太好用了，你们知道吗？ 公开一个复刻抖音爆款的真正绝招，注意是原封不动的 copy 那种 素材用的是最近抖音上坤哥很火的那段舞。 有人做成红白模分享出来，我拿去跑了一条视频。 效果你们自己看：动作一比一还原，坤哥再跳一次都不一定能跳得这么齐。 原理在 ControlNet ： 模型更能理解的是空间关系。 哪怕是粗糙的几何结构，只要有深度、姿态、白模形体，就能当锚点； 为什么？ 空间可测：比例、深度、遮挡有几何依据 时序可跟：每一帧姿态连成轨，跳舞、走位、运镜不容易漂移； 外观可换：跟随你的创意更换，我这里用的是牛来，美团袋鼠，奶龙，都是近期火爆的角色。 如果想做出爆款或吸睛的视频吸引流量，可以试试这条路径： 抖音上搜对应爆款的红白模/白模素材，丢进 Seedance，Minimax-h3 这类支持视频模参考的模型里跑一遍。 成品视频如下，参考红白模见评论区

Pluvio9yte's profile picture

雪踏乌云

45,488 subscribers

30,004 views • 12 days ago •via X (Twitter)

ArtsScience & TechnologyEducation
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

随着GPT 6 Astra的发布，建模能力和速度更上一层楼，我非常建议aigc创作在有复杂运镜、特定动作、长镜头的情况下使用白模辅助来生成 但是，值得注意的是，白模的精细度最好不要太精致，否则会大大约束了模型的发挥空间，那就会导致两种结果 1.模型会1:1完全复刻你的白模视频，但是你的白模又是一个“粗模”的预演参考，最后生成出来就会四不像 2.要么你就非常细致的完成这个白模的细节，只留下材质让ai模型完成，这就有点悖论了，你建模都弄得这么完美还要ai生成干啥？ 所以除了你必须要求的一些特定动作或者运镜，其他一律生成粗模，连丧尸或者某个物体都可以用圆柱代替，然后提示词补强，这才是最佳用法
0:37

随着GPT 6 Astra的发布，建模能力和速度更上一层楼，我非常建议aigc创作在有复杂运镜、特定动作、长镜头的情况下使用白模辅助来生成 但是，值得注意的是，白模的精细度最好不要太精致，否则会大大约束了模型的发挥空间，那就会导致两种结果 1.模型会1:1完全复刻你的白模视频，但是你的白模又是一个“粗模”的预演参考，最后生成出来就会四不像 2.要么你就非常细致的完成这个白模的细节，只留下材质让ai模型完成，这就有点悖论了，你建模都弄得这么完美还要ai生成干啥？ 所以除了你必须要求的一些特定动作或者运镜，其他一律生成粗模，连丧尸或者某个物体都可以用圆柱代替，然后提示词补强，这才是最佳用法

Foyege

27,250 views • 5 days ago

惊艳！这个真的太有用了！！！ 做过视频的人才知道！这个有多么刚需！！ 各种生成式模型发展到现在，其实一直有一个痛点没有很好的解决！ 即便是最强大的Seedance2.5模型，能够带来稳定的画面表现， 但是要想得到比较好的画面音效，可能并不容易， 更糟心的是，如果生成一条视频，画面很棒但音效有瑕疵！ 除了大量抽卡，或者靠后期优化，基本没有其他办法！ 万万没想到，Pika居然针对视频音效出了新模型！这需求洞察力真是绝了！ 这次 Pika 一口气发布了 4 款 Audio Models，主打 least expensive，生成更快，成本更低，我对比了一下，常见声音模型里，价格几乎最低！ 我觉得最实用、也最好玩的就是Video-to-audio，上传一段视频，它会根据画面内容自动生成（或补全）相匹配的环境音、音效、音乐甚至是人物配音。 下面这个视频就是一段30秒的无声视频，然后用Pika Soundtrack 直接生成的音效音轨，我特意用了一段声音要求比较复杂的画面，不光要壁炉的柴火声，还要小猫的叫声和呼噜声，以及窗外的雨声，更重要的还要表现出声音之间的层次和空间关系，最后的成片真的完成度很高！！ 如果几个模型搭配着用，还能一次搞定BGM+音效+旁白。 这简直让AI生成内容的可控性上升了好几个level！
0:43

惊艳！这个真的太有用了！！！ 做过视频的人才知道！这个有多么刚需！！ 各种生成式模型发展到现在，其实一直有一个痛点没有很好的解决！ 即便是最强大的Seedance2.5模型，能够带来稳定的画面表现， 但是要想得到比较好的画面音效，可能并不容易， 更糟心的是，如果生成一条视频，画面很棒但音效有瑕疵！ 除了大量抽卡，或者靠后期优化，基本没有其他办法！ 万万没想到，Pika居然针对视频音效出了新模型！这需求洞察力真是绝了！ 这次 Pika 一口气发布了 4 款 Audio Models，主打 least expensive，生成更快，成本更低，我对比了一下，常见声音模型里，价格几乎最低！ 我觉得最实用、也最好玩的就是Video-to-audio，上传一段视频，它会根据画面内容自动生成（或补全）相匹配的环境音、音效、音乐甚至是人物配音。 下面这个视频就是一段30秒的无声视频，然后用Pika Soundtrack 直接生成的音效音轨，我特意用了一段声音要求比较复杂的画面，不光要壁炉的柴火声，还要小猫的叫声和呼噜声，以及窗外的雨声，更重要的还要表现出声音之间的层次和空间关系，最后的成片真的完成度很高！！ 如果几个模型搭配着用，还能一次搞定BGM+音效+旁白。 这简直让AI生成内容的可控性上升了好几个level！

沐阳

20,131 views • 28 days ago

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供 这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频
0:25

Sensitive content

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供 这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频

獨自懵逼

20,065 views • 1 year ago

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

79,572 views • 1 month ago

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。
2:15

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,309 views • 3 months ago

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

19,836 views • 8 months ago

这个太牛X了！！ 天天人工智能，大模型，Transformer挂在嘴边，但是大模型到底是怎么运行的在我们的认知里就是一个黑盒。 这个太牛X了！ The LLM Visualization 将大语言模型的内部运作，变成了一个你可以亲手“玩”的交互式可视化界面。清晰地看到每一个词的“注意力”是如何分配给其他词的，直观地理解模型是如何“思考”和“关联”上下文的。 非常详细，不是大概模拟，是精确模拟，细节拉满，可自由放大缩小，360度变换视角，每一步都有解释，复杂步数还有运行步骤。 AI爱好者一定要亲自体验一下，太震撼了！！
3:45

这个太牛X了！！ 天天人工智能，大模型，Transformer挂在嘴边，但是大模型到底是怎么运行的在我们的认知里就是一个黑盒。 这个太牛X了！ The LLM Visualization 将大语言模型的内部运作，变成了一个你可以亲手“玩”的交互式可视化界面。清晰地看到每一个词的“注意力”是如何分配给其他词的，直观地理解模型是如何“思考”和“关联”上下文的。 非常详细，不是大概模拟，是精确模拟，细节拉满，可自由放大缩小，360度变换视角，每一步都有解释，复杂步数还有运行步骤。 AI爱好者一定要亲自体验一下，太震撼了！！

沉浸式翻译

209,993 views • 11 months ago

预测真实世界下一秒 北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是： 它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备： 理解真实世界的空间关系 推理物体随时间变化的规律 预测“世界下一秒”会是什么样 不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中： 首先把多模态信息包括图文视频都统一成了token； 模型通过“预测下一个 token”来学习不同模态间的关系； 任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”， 而是让模型学习“世界是如何变化的”。 意思就是它不再区分： 这是一张图 这是一句话 这是视频的一帧 在它眼里，它们都是同一套“世界积木”。 然后模型只做一件事： 预测下一块积木是什么 如果下一块积木是一行字 → 它补全文字 如果是下一帧画面 → 它补全动作 如果是下一步结果 → 它推演世界变化 所以： 预测下一 Token = 预测“世界下一秒”会是什么样
2:10

预测真实世界下一秒 北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是： 它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备： 理解真实世界的空间关系 推理物体随时间变化的规律 预测“世界下一秒”会是什么样 不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中： 首先把多模态信息包括图文视频都统一成了token； 模型通过“预测下一个 token”来学习不同模态间的关系； 任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”， 而是让模型学习“世界是如何变化的”。 意思就是它不再区分： 这是一张图 这是一句话 这是视频的一帧 在它眼里，它们都是同一套“世界积木”。 然后模型只做一件事： 预测下一块积木是什么 如果下一块积木是一行字 → 它补全文字 如果是下一帧画面 → 它补全动作 如果是下一步结果 → 它推演世界变化 所以： 预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,792 views • 9 months ago

Warp-as-History：仅用一条视频就能实现交互式视频生成 用单条带标注的视频做轻量LoRA微调后，即可让通用视频模型实现跟随视角生成视频。项目里用的这条视频是来自DAVIS数据集里的car-roundabout.mp4。 原理是：把相机轨迹产生的变形(warp)伪装成视频模型原生的"历史帧"输入，无需额外的相机编码器或控制分支，就能让预训练视频生成模型跟随指定视角运动。 Github：
1:06

Warp-as-History：仅用一条视频就能实现交互式视频生成 用单条带标注的视频做轻量LoRA微调后，即可让通用视频模型实现跟随视角生成视频。项目里用的这条视频是来自DAVIS数据集里的car-roundabout.mp4。 原理是：把相机轨迹产生的变形(warp)伪装成视频模型原生的"历史帧"输入，无需额外的相机编码器或控制分支，就能让预训练视频生成模型跟随指定视角运动。 Github：

Gorden Sun

11,457 views • 3 months ago

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
2:15

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,074 views • 4 months ago

网易有道「子曰4」全模态大模型来了，权重全量开源 这次「子曰4」不仅支持了多模态：图像/视频/语音全输入，27B可以本地化部署，尤其在学习场景表现优异 更值得一提的是这个 TTS 引擎独立开源，3秒即可完成声音采样，克隆音色，并支持14种语言的跨语种生成，且跨语种无口音。这对于我们做音视频营销素材跨语种分发的营销人而言，绝对是个利好 我尝试了一下用我自己的声音来朗读日语，感觉效果还挺好的，最重要的是生成快！大家可以看视频感受一下 等github把模型全开源出来后，我准备封到牛马AI里跑视频素材跨语种合成了！ TTS试玩 TTS项目地址 多模态模型
1:09

网易有道「子曰4」全模态大模型来了，权重全量开源 这次「子曰4」不仅支持了多模态：图像/视频/语音全输入，27B可以本地化部署，尤其在学习场景表现优异 更值得一提的是这个 TTS 引擎独立开源，3秒即可完成声音采样，克隆音色，并支持14种语言的跨语种生成，且跨语种无口音。这对于我们做音视频营销素材跨语种分发的营销人而言，绝对是个利好 我尝试了一下用我自己的声音来朗读日语，感觉效果还挺好的，最重要的是生成快！大家可以看视频感受一下 等github把模型全开源出来后，我准备封到牛马AI里跑视频素材跨语种合成了！ TTS试玩 TTS项目地址 多模态模型

Yangyi

16,518 views • 3 months ago

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了 不能用常规的 AI 视频模型评判标准去看待 它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！ 而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！ 下面是详细的测试👇：
0:29

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了 不能用常规的 AI 视频模型评判标准去看待 它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！ 而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！ 下面是详细的测试👇：

歸藏(guizang.ai)

181,401 views • 11 months ago

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

52,898 views • 1 month ago

小白如何低成本获取10W+流量？ 🐮 0基础一键复刻爆款视频 极简教程来啦！🎉 很多人做视频的卡点在于：没创意、写不出脚本、不会运镜。 其实小白学做视频的第一步是“模仿+微创新”。 今天拆解一套我验证过的 AI 视频工作流，利用【小云雀 App】+【Gemini】，把“复刻爆款”这件事变成标准化的 SOP。⬇️ （这是复刻成果✌️，这个视频在头条上有5万播放量）
0:20

小白如何低成本获取10W+流量？ 🐮 0基础一键复刻爆款视频 极简教程来啦！🎉 很多人做视频的卡点在于：没创意、写不出脚本、不会运镜。 其实小白学做视频的第一步是“模仿+微创新”。 今天拆解一套我验证过的 AI 视频工作流，利用【小云雀 App】+【Gemini】，把“复刻爆款”这件事变成标准化的 SOP。⬇️ （这是复刻成果✌️，这个视频在头条上有5万播放量）

硅予

11,848 views • 6 months ago

老杨今天再分享一个抖音短视频带货中腰部的案例 男女都可以做，但是大部分都是女生做的最多， 这种玩法在带货圈叫-实拍 这种算是实力大佬啦，基本上收到的样品可以按卡车来拖，有可能商家帮投流啦； 先看数据： 1、橱窗带货612万件； 2、LV5达人 粉丝12.36万 3、巨量百应数据：近30天的数据：25-50万单，商品结算金额500-750万 4、从巨量达人数据看有5-26%，我们取最保守8%来算；结算金额按600万来算：是不是30天能拿48万。 5、去看她的号，发了3900多条视频，前期每天日更10条。 你肯定会问，一天10条这怎么可能拍的出来？ 1、这种拍的多了，一个镜头可以拍20-30张，产品的使用过程可以拍很多镜头，这样还能重复使用，一个品可以每隔几天重复发，这样积少成多，素材就有了，就可以随时套模版。 2、时间拍久了，有的视频基本上是一条过，都不用剪， 3、还有一些，他们都会请人剪辑视频，请人拍， 4、再有一些直接卖素材，有包月的，也有拼素材的，一个产品20个人拼，每个产品都明30-50个镜头，够大家分别做视频了，所以你会刷到很多视频场景一样，镜头切片不一样。 现在还能不能干： 1、能，反正不用出镜，可以买素材试一下包月素材也才150-300左右；够你每天发3-5个视频， 2、买素材有一个不好的地方就是你不能自主选品，别人给你拍什么你就发什么，有局限性，但是基本上人家都是拍的爆品。 3、如果你要自主选品的话，我的建议就是打垂直类目，比如卖纸，哪你就可以买3-5种纸，天天不重新去拍，每天发，这样的试错成本和成功的机率要大一些，你可以买样品拍； 4、但是这样拍的话你就要自己搭建拍影场景，场景和灯光差不多要1000左右，除非你家有现成的场景可以用。 总结：如果要玩，可以买多几家素材，只买3-5种同类产品的这样反复打，机会还是有的， 视频怎么做，照着别人1：1仿着做个10次机会上就可以了会了，
0:32

老杨今天再分享一个抖音短视频带货中腰部的案例 男女都可以做，但是大部分都是女生做的最多， 这种玩法在带货圈叫-实拍 这种算是实力大佬啦，基本上收到的样品可以按卡车来拖，有可能商家帮投流啦； 先看数据： 1、橱窗带货612万件； 2、LV5达人 粉丝12.36万 3、巨量百应数据：近30天的数据：25-50万单，商品结算金额500-750万 4、从巨量达人数据看有5-26%，我们取最保守8%来算；结算金额按600万来算：是不是30天能拿48万。 5、去看她的号，发了3900多条视频，前期每天日更10条。 你肯定会问，一天10条这怎么可能拍的出来？ 1、这种拍的多了，一个镜头可以拍20-30张，产品的使用过程可以拍很多镜头，这样还能重复使用，一个品可以每隔几天重复发，这样积少成多，素材就有了，就可以随时套模版。 2、时间拍久了，有的视频基本上是一条过，都不用剪， 3、还有一些，他们都会请人剪辑视频，请人拍， 4、再有一些直接卖素材，有包月的，也有拼素材的，一个产品20个人拼，每个产品都明30-50个镜头，够大家分别做视频了，所以你会刷到很多视频场景一样，镜头切片不一样。 现在还能不能干： 1、能，反正不用出镜，可以买素材试一下包月素材也才150-300左右；够你每天发3-5个视频， 2、买素材有一个不好的地方就是你不能自主选品，别人给你拍什么你就发什么，有局限性，但是基本上人家都是拍的爆品。 3、如果你要自主选品的话，我的建议就是打垂直类目，比如卖纸，哪你就可以买3-5种纸，天天不重新去拍，每天发，这样的试错成本和成功的机率要大一些，你可以买样品拍； 4、但是这样拍的话你就要自己搭建拍影场景，场景和灯光差不多要1000左右，除非你家有现成的场景可以用。 总结：如果要玩，可以买多几家素材，只买3-5种同类产品的这样反复打，机会还是有的， 视频怎么做，照着别人1：1仿着做个10次机会上就可以了会了，

老杨啊 | AI产品商业化

41,352 views • 4 months ago

朋友们 Medeo 这太绝了，以后是不是可以直接承包学校的课堂教学素材了！😍 我让 Medeo 根据长征这个历史事件，做一个以微缩模型的视频，每个镜头都由一个微缩模型构成。中间只调整过一次，就能得到如下效果👇 Medeo 链接跟省 credits 小妙招见评论👇
1:42

朋友们 Medeo 这太绝了，以后是不是可以直接承包学校的课堂教学素材了！😍 我让 Medeo 根据长征这个历史事件，做一个以微缩模型的视频，每个镜头都由一个微缩模型构成。中间只调整过一次，就能得到如下效果👇 Medeo 链接跟省 credits 小妙招见评论👇

MapleShaw

31,824 views • 8 months ago

最近国产模型真是扬眉吐气啊，前有盛大世界模型，后有kimi k3 发布， 听说还有一个商汤的生图模型也非常能打，还没试试。 不过这篇还是给大家测试了下 K3的实力。 最近小红书刷到一位很牛的 vibe coding 创作者——流白 Livo。正好赶上 K3 发布，我就把他的一条作品视频直接丢给 K3： “照着这个效果复刻一下，最后再帮我录制成视频。” 没有从零写需求，也没有一点点拆设计。 前后只优化了 3 轮，最终效果已经非常接近原作。 最让我震撼的不是它能写代码，而是它居然能直接从视频里理解设计、还原动效，再把成品做出来。 以前的 vibe coding，是你指挥 AI 干活。 现在的感觉是： 你只需要告诉它“我想要这个”，剩下的，它真的能自己完成。 K3 这波，确实有点东西。
0:26

最近国产模型真是扬眉吐气啊，前有盛大世界模型，后有kimi k3 发布， 听说还有一个商汤的生图模型也非常能打，还没试试。 不过这篇还是给大家测试了下 K3的实力。 最近小红书刷到一位很牛的 vibe coding 创作者——流白 Livo。正好赶上 K3 发布，我就把他的一条作品视频直接丢给 K3： “照着这个效果复刻一下，最后再帮我录制成视频。” 没有从零写需求，也没有一点点拆设计。 前后只优化了 3 轮，最终效果已经非常接近原作。 最让我震撼的不是它能写代码，而是它居然能直接从视频里理解设计、还原动效，再把成品做出来。 以前的 vibe coding，是你指挥 AI 干活。 现在的感觉是： 你只需要告诉它“我想要这个”，剩下的，它真的能自己完成。 K3 这波，确实有点东西。

知识猫AI实验室

53,749 views • 1 month ago