Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

字节刚发布了 OmniHuman-1.5 ，案例看起来非常牛皮 依然是通过音频和图像生成视频，整体的真实感和泛化能力都有了非常强的提升 支持双人音频驱动生成视频 支持生成超过一分钟的视频 支持感知并通过视频表达音频的情感 支持额外的文本提示词 支持多人场景表演 支持非真人的唇形和动作同步

op7418's profile picture

歸藏(guizang.ai)

174,011 subscribers

17,521 görüntüleme • 1 yıl önce •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

4 Yorum

歸藏(guizang.ai) profil fotoğrafı
歸藏(guizang.ai)1 yıl önce

详细信息：

行者老孙🚀 profil fotoğrafı
行者老孙🚀1 yıl önce

案例这种东西，有一家算一家，都比较扯淡。。。。。。我就想看 一般人能做出啥。

Kim Biang profil fotoğrafı
Kim Biang1 yıl önce

和veo3的图生不晓得哪个质量高

Gilfoyle profil fotoğrafı
Gilfoyle1 yıl önce

又是只有论文，字节都干好几次了，上次seaweed APT的大饼也没下文

Benzer Videolar

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)

34,358 görüntüleme • 1 yıl önce

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
0:46

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)

47,698 görüntüleme • 3 ay 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

50,300 görüntüleme • 1 yıl 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

14,390 görüntüleme • 9 ay 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

140,969 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

19,392 görüntüleme • 1 yıl önce

字节跳动的新项目 通过音频驱动静态照片生成动态视频 并且生成头部和面部的自然动作，如表情变化、头部移动等。 模型不仅支持各种音频和视觉风格，还能够生成高度逼真的细节，包括面部的微表情、眉毛和眼睛的细微变化以及头部的自然运动。 它还支持生成非言语动作（如叹息、情感驱动的面部表情），使动画更加生动。 效果非常不错... Loopy 摒弃了传统音频驱动生成方法中需要手动设定空间运动模板的限制。 通过自主学习音频中的运动模式。可以自动生成逼真的肖像动画，无需人为干预，提升了生成过程的效率和灵活性。
1:10

字节跳动的新项目 通过音频驱动静态照片生成动态视频 并且生成头部和面部的自然动作，如表情变化、头部移动等。 模型不仅支持各种音频和视觉风格，还能够生成高度逼真的细节，包括面部的微表情、眉毛和眼睛的细微变化以及头部的自然运动。 它还支持生成非言语动作（如叹息、情感驱动的面部表情），使动画更加生动。 效果非常不错... Loopy 摒弃了传统音频驱动生成方法中需要手动设定空间运动模板的限制。 通过自主学习音频中的运动模式。可以自动生成逼真的肖像动画，无需人为干预，提升了生成过程的效率和灵活性。

小互

35,269 görüntüleme • 2 yıl önce

刚刚在内测一款AI分析YouTube视频的新产品 惊了，这功能全到离谱，背后是有多少个PM。。。 - 支持B站、YouTube、西瓜视频、搜狐视频、本地视频 - 支持生成视频简介、思维导图、视频重点 - 支持生成双语字幕，支持一键下载srt - 识别发言人，并总结每个发言人的观点 - 支持智能问答：有问题随时提问 1/2
1:14

刚刚在内测一款AI分析YouTube视频的新产品 惊了，这功能全到离谱，背后是有多少个PM。。。 - 支持B站、YouTube、西瓜视频、搜狐视频、本地视频 - 支持生成视频简介、思维导图、视频重点 - 支持生成双语字幕，支持一键下载srt - 识别发言人，并总结每个发言人的观点 - 支持智能问答：有问题随时提问 1/2

Orange AI

150,866 görüntüleme • 2 yıl önce

藏师傅字节 Seedance 1.5 Pro 视频模型首测！ 这次支持了音画同出，更惊喜的是还支持方言生成，同时表演中的情绪表达和复杂运镜也都有非常大的进步 可以去火山引擎、豆包和即梦尝试，先看一下藏师傅的测试视频混剪 下面是具体的测试和提示词👇
0:43

藏师傅字节 Seedance 1.5 Pro 视频模型首测！ 这次支持了音画同出，更惊喜的是还支持方言生成，同时表演中的情绪表达和复杂运镜也都有非常大的进步 可以去火山引擎、豆包和即梦尝试，先看一下藏师傅的测试视频混剪 下面是具体的测试和提示词👇

歸藏(guizang.ai)

36,598 görüntüleme • 10 ay önce

发现一个强大的视频下载器 ytDownloader 虽然界面有点丑，但支持上百种网站下载。 ✔ 支持下载字幕 ✔ 支持视频音频合并 ✔ 支持下载播放列表 ✔ 支持Windows/Mac/Linux 视频演示如何下载 X 视频和 Youtube 视频 Github 链接：
0:40

发现一个强大的视频下载器 ytDownloader 虽然界面有点丑，但支持上百种网站下载。 ✔ 支持下载字幕 ✔ 支持视频音频合并 ✔ 支持下载播放列表 ✔ 支持Windows/Mac/Linux 视频演示如何下载 X 视频和 Youtube 视频 Github 链接：

katon

39,780 görüntüleme • 1 yıl önce

字节确实变了 居然先发布了新版 Seaweed 视频模型的论文和演示 除了常规文生、图生视频外还支持： - 音视频同步生成 - 长镜头与多镜头叙事 - 高分辨率超分与实时生成 - 世界建模与相机控制 下面的论文页面有更多演示
0:30

字节确实变了 居然先发布了新版 Seaweed 视频模型的论文和演示 除了常规文生、图生视频外还支持： - 音视频同步生成 - 长镜头与多镜头叙事 - 高分辨率超分与实时生成 - 世界建模与相机控制 下面的论文页面有更多演示

歸藏(guizang.ai)

18,000 görüntüleme • 1 yıl önce

MuseV：虚拟人视频的完整解决方案 基于SD，支持文生视频、图生视频、视频生视频，能保持角色一致，不限视频长度。 后续会发布MuseTalk来支持实时嘴型同步。 在线体验： Github： 论文后续发（阿里看看人家，先开源再发论文！）
0:58

MuseV：虚拟人视频的完整解决方案 基于SD，支持文生视频、图生视频、视频生视频，能保持角色一致，不限视频长度。 后续会发布MuseTalk来支持实时嘴型同步。 在线体验： Github： 论文后续发（阿里看看人家，先开源再发论文！）

Gorden Sun

24,511 görüntüleme • 2 yıl önce

阿里的 Wan 3.0 视频生成模型也发布了，看起来也挺厉害啊！ 它支持原生 30 秒的视频生成，支持 1080P。 并且支持“全能参考”：不只是文本、图像、视频、音频，它还支持文档、表格、PPT、网页、Markdown 格式等一系列你能想到的信息。 你可以把这些信息全部混在一起给它参考，让它生成视频，这个对 Agent 来说非常有帮助。 价格方面：1080P：1.4 元/秒 • 720P：0.7 元/秒 整体挺给力的，文字渲染也不错，而且还可以渲染一些动效。
1:32

阿里的 Wan 3.0 视频生成模型也发布了，看起来也挺厉害啊！ 它支持原生 30 秒的视频生成，支持 1080P。 并且支持“全能参考”：不只是文本、图像、视频、音频，它还支持文档、表格、PPT、网页、Markdown 格式等一系列你能想到的信息。 你可以把这些信息全部混在一起给它参考，让它生成视频，这个对 Agent 来说非常有帮助。 价格方面：1080P：1.4 元/秒 • 720P：0.7 元/秒 整体挺给力的，文字渲染也不错，而且还可以渲染一些动效。

歸藏(guizang.ai)

27,677 görüntüleme • 2 ay önce

腾讯出的一个音频驱动的肖像动画工具：Sonic，适合长视频生成，它在口型同步、表情和头部运动方面效果很好 比Jimeng、EMO等眼部表情更丰富、嘴部运动更自然 可以生成1-10分钟的稳定长视频，支持真人及动漫角色 采用全局音频感知的方式，它能听懂理解音频中的情感和语义，使得生成的动画更自然逼真 #肖像动画 #Sonic #EMO #AI肖像动画
1:02

腾讯出的一个音频驱动的肖像动画工具：Sonic，适合长视频生成，它在口型同步、表情和头部运动方面效果很好 比Jimeng、EMO等眼部表情更丰富、嘴部运动更自然 可以生成1-10分钟的稳定长视频，支持真人及动漫角色 采用全局音频感知的方式，它能听懂理解音频中的情感和语义，使得生成的动画更自然逼真 #肖像动画 #Sonic #EMO #AI肖像动画

AIGCLINK

22,632 görüntüleme • 1 yıl önce

兄弟们，这个有点牛P 字节跳动发布全新的视频生成基础模型Goku 可直接生成数字人视频 - 支持文本到视频（T2V）：可生成 20 秒以上 流畅、连贯的视频。 - 支持多种风格：写实、3D 动画、剪纸、赛博朋克等。 -广告优化版（Goku+）：可直接生成真人广告、产品展示、人物交互的数字人视频。 - 真实人物 & 手部优化：面部表情自然，手势精准。 - 电影级动态镜头：支持慢动作、特写、追踪拍摄等。 - 高分辨率 & 智能光影：画质清晰，色彩自然，光影真实。
2:19

兄弟们，这个有点牛P 字节跳动发布全新的视频生成基础模型Goku 可直接生成数字人视频 - 支持文本到视频（T2V）：可生成 20 秒以上 流畅、连贯的视频。 - 支持多种风格：写实、3D 动画、剪纸、赛博朋克等。 -广告优化版（Goku+）：可直接生成真人广告、产品展示、人物交互的数字人视频。 - 真实人物 & 手部优化：面部表情自然，手势精准。 - 电影级动态镜头：支持慢动作、特写、追踪拍摄等。 - 高分辨率 & 智能光影：画质清晰，色彩自然，光影真实。

小互

156,408 görüntüleme • 1 yıl önce