Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

最近 FLUX 生成擦边视频和网红图看起来很火啊。其实我有个比较成体系的网红图生成方案。主要是一些保证正式感的参数和流程，还有一些保证擦边内容质量的东西。之前的问题是已有的视频模型面部表情过于僵硬，海螺刚好解决了这个问题。看看要不要整理一下。

歸藏(guizang.ai)

168,155 subscribers

164,899 views • 2 years ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

10 Comments

歸藏(guizang.ai)2 years ago

刚刷到的，新号，这几天搞的，这就起量了

歸藏(guizang.ai)2 years ago

AI图片检测结果：

歸藏(guizang.ai)2 years ago

西乔老师这个也很厉害，这类流程商业价值都很大也相对复杂。

奇点2 years ago

国内的生图平台还是太敏感了，很多都不能生成，生成视频又走样。海螺勉强好点。

今天午餐吃甚麼？2 years ago

昨天看到黎明的新歌MＶ，馬上想起藏師傅他這個是全AＩ視頻，超級複雜繁瑣，平均兩三秒一個畫面，總抽卡數起碼是以千為單位的，還得搭配歌詞，想分鏡，修後期🤒

歸藏(guizang.ai)2 years ago

工作量太大了

August2 years ago

感觉以后不管生产内容的都是先生图，再用视频模型让图动起来的模式了。

通透马说2 years ago

晃头的动作很欧美

AI geesehoward2 years ago

要是图生视频能本地运行就好了，现在在线的本质还是抽卡，花钱抽卡抽到自己不想要的成本太高，也不符合经济学，利润不够成本

歸藏(guizang.ai)2 years ago

luma 有 Comfyui 插件，价格也不贵，可以接受了

Related Videos

可灵团队开源 UniVideo：一个模型搞定视频理解+生成+编辑你看到的这个，就是快手可灵团队与滑铁卢大学联合推出的统一视频模型 UniVideo，这个模型首次将视频理解、编辑和生成整合到了一个模型中。演示中它支持通过输入图片和 prompt 来生成视频，也可以输入视频和图片来修改视频，或者直接使用 prompt 来编辑视频。技术上这个模型最大的突破是：用千问 2.5 VL 做理解负责处理图像、视频和文本输入，用混元视频做生成，两个模型联动配合，让 AI 既能"看懂"又能"创作"。以前这些任务需要好几个模型分别处理，现在一个模型全搞定，而且不同能力之间还能相互增强。从实际效果来看动作比较小的视频质量是可以的, 不过也有典型的AI问题, 比如火焰效果需要优化, 以及会有一定程度的一致性问题, 比如这个头发的发丝效果. 但瑕不掩瑜, 这个模型的前景非常不错.

可灵团队开源 UniVideo：一个模型搞定视频理解+生成+编辑你看到的这个，就是快手可灵团队与滑铁卢大学联合推出的统一视频模型 UniVideo，这个模型首次将视频理解、编辑和生成整合到了一个模型中。演示中它支持通过输入图片和 prompt 来生成视频，也可以输入视频和图片来修改视频，或者直接使用 prompt 来编辑视频。技术上这个模型最大的突破是：用千问 2.5 VL 做理解负责处理图像、视频和文本输入，用混元视频做生成，两个模型联动配合，让 AI 既能"看懂"又能"创作"。以前这些任务需要好几个模型分别处理，现在一个模型全搞定，而且不同能力之间还能相互增强。从实际效果来看动作比较小的视频质量是可以的, 不过也有典型的AI问题, 比如火焰效果需要优化, 以及会有一定程度的一致性问题, 比如这个头发的发丝效果. 但瑕不掩瑜, 这个模型的前景非常不错.

karminski-牙医

14,277 views • 10 months ago

基于藏师傅 PPT Skill 的讲解视频生成 Skill，差不多搞定了！ Codex 配合远程控制不在家也可以一键产出视频内容可以用非常低的成本保证视频内容的可用性和表现力这里的视频是我随便找了一个徒步文案一次生成的。主要的内容用前端生成，只有配音和部分分镜使用音频和Seedance 2.0 模型

基于藏师傅 PPT Skill 的讲解视频生成 Skill，差不多搞定了！ Codex 配合远程控制不在家也可以一键产出视频内容可以用非常低的成本保证视频内容的可用性和表现力这里的视频是我随便找了一个徒步文案一次生成的。主要的内容用前端生成，只有配音和部分分镜使用音频和Seedance 2.0 模型

歸藏(guizang.ai)

21,925 views • 5 months ago

网友问答：怎么和她探索开放式关系。今天坐外面录制的那个保证音质的东西好像有问题了所以背景有杂音录到一半，我家猫猫捣乱导致剪接明显希望我的视频对这个朋友有帮助。同时我把视频也同步YouTube了。那边看起来更简单一些。这边生活内容太多。

Sensitive content

网友问答：怎么和她探索开放式关系。今天坐外面录制的那个保证音质的东西好像有问题了所以背景有杂音录到一半，我家猫猫捣乱导致剪接明显希望我的视频对这个朋友有帮助。同时我把视频也同步YouTube了。那边看起来更简单一些。这边生活内容太多。

一枝独秀SJ/苏静

17,341 views • 1 month ago

全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，对比了抖音上的书单视频，这个能还原 90%，还差一些细节。 1、给标题，要讲的书 2、ai 读情绪，写文案，人再改文案 3、生配音 4、生图和视频 5、组装视频 6、生成视频和剪映草稿里面唯一恶心的就是，生成速度太慢了！

全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，对比了抖音上的书单视频，这个能还原 90%，还差一些细节。 1、给标题，要讲的书 2、ai 读情绪，写文案，人再改文案 3、生配音 4、生图和视频 5、组装视频 6、生成视频和剪映草稿里面唯一恶心的就是，生成速度太慢了！

产品经理老王霸

125,812 views • 3 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

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

53,703 views • 3 months ago

Opus 5.5解题也是最强的，没有之一，不是说解题的结果，是解题的过程，同样的题目，Opus 5.5中档对比Astra中档，Opus 5.5的思路清晰太多了！消耗的额度也更少。左边是Opus 5.5生成的解题视频，右边是Astra的解题视频。为了做对比测试，我还特意让Claude自己参考自己的解题过程，写了个生成解题skill。这个解题视频生成的skill未来也会开源，旨在让暂时用不上Claude的朋友也能体验到近似的能力，目前还在做一些调优。

Opus 5.5解题也是最强的，没有之一，不是说解题的结果，是解题的过程，同样的题目，Opus 5.5中档对比Astra中档，Opus 5.5的思路清晰太多了！消耗的额度也更少。左边是Opus 5.5生成的解题视频，右边是Astra的解题视频。为了做对比测试，我还特意让Claude自己参考自己的解题过程，写了个生成解题skill。这个解题视频生成的skill未来也会开源，旨在让暂时用不上Claude的朋友也能体验到近似的能力，目前还在做一些调优。

WY

32,247 views • 1 month ago

ChatGPT 为什么能回答问题？整个过程可以简单理解成 4 步 1️⃣ 拆成 Token 你的文字会先被拆成一个个小片段，再转换成模型能计算的数字 2️⃣ 理解上下文模型会判断不同内容之间的关系比如你问“苹果的创始人是谁”，它会根据语境判断这里的“苹果”指 Apple，而不是水果 3️⃣ 一个词一个词往下生成 ChatGPT 并不是先想好整篇答案再发出来而是预测下一个 Token → 再预测下一个 → 不断重复所以你看到的流式输出，其实就是答案正在生成 4️⃣ 这些能力从训练中学来模型通过大量文本训练，学会了语言规律、知识关联和解决问题的常见模式但有一点非常重要： ChatGPT 的机制是生成“最合理的内容”，不是自动验证“这句话一定是真的” 所以它有时会非常自信地说错话，这就是我们常说的“幻觉”

ChatGPT 为什么能回答问题？整个过程可以简单理解成 4 步 1️⃣ 拆成 Token 你的文字会先被拆成一个个小片段，再转换成模型能计算的数字 2️⃣ 理解上下文模型会判断不同内容之间的关系比如你问“苹果的创始人是谁”，它会根据语境判断这里的“苹果”指 Apple，而不是水果 3️⃣ 一个词一个词往下生成 ChatGPT 并不是先想好整篇答案再发出来而是预测下一个 Token → 再预测下一个 → 不断重复所以你看到的流式输出，其实就是答案正在生成 4️⃣ 这些能力从训练中学来模型通过大量文本训练，学会了语言规律、知识关联和解决问题的常见模式但有一点非常重要： ChatGPT 的机制是生成“最合理的内容”，不是自动验证“这句话一定是真的” 所以它有时会非常自信地说错话，这就是我们常说的“幻觉”

Nana

14,083 views • 2 months ago

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

歸藏(guizang.ai)

48,993 views • 2 years ago

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！

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 views • 5 months ago

怎样将保存一个完整的网站到本地？直接使用页面另存为会有非常多的问题，主要是静态资源的问题，比如图片不显示等等。原帖是一个非常火的讨论：方案一：找到一个开源库 SingleFile：提供各种浏览器插件以及 CLI 工具可以很方便的完成站点的一键保存。有 14.9K 个 star。方案二：原帖中的一段 Gist 代码，我看了一下处理：使用FileReader 读取，external css 转换成 inline，并且修改地址到 absolute，图片转换成 base64 images。这两个方案都是值得收藏看看。大家如果有更好的方案也可以分享一下。

怎样将保存一个完整的网站到本地？直接使用页面另存为会有非常多的问题，主要是静态资源的问题，比如图片不显示等等。原帖是一个非常火的讨论：方案一：找到一个开源库 SingleFile：提供各种浏览器插件以及 CLI 工具可以很方便的完成站点的一键保存。有 14.9K 个 star。方案二：原帖中的一段 Gist 代码，我看了一下处理：使用FileReader 读取，external css 转换成 inline，并且修改地址到 absolute，图片转换成 base64 images。这两个方案都是值得收藏看看。大家如果有更好的方案也可以分享一下。

Viking

132,637 views • 2 years ago

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。

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 views • 1 year ago

在上个月，我分享了一个 Demo，很多人都来问我如何实现，我这里简单说下从前期生图到视频生成以及开发交付落地整个流程，希望能帮到你。主要用到的工具是即梦（图片生成）和可灵（视频生成）生成后的的视频可以通过配置图层混合来进行交付

在上个月，我分享了一个 Demo，很多人都来问我如何实现，我这里简单说下从前期生图到视频生成以及开发交付落地整个流程，希望能帮到你。主要用到的工具是即梦（图片生成）和可灵（视频生成）生成后的的视频可以通过配置图层混合来进行交付

Paidax

37,642 views • 1 year ago

看起来 FLUX 3 要发布了。昨天黑森林工作室短暂地上线了一下预告。说是支持图像、视频、音频和动作生成，是一个全模态的生成模型。其中，单条视频支持一次生成 20 秒。按他们正常的逻辑来说，这一般会是开源的。如果真的开源，那整个生态估计又要爽一波了。

看起来 FLUX 3 要发布了。昨天黑森林工作室短暂地上线了一下预告。说是支持图像、视频、音频和动作生成，是一个全模态的生成模型。其中，单条视频支持一次生成 20 秒。按他们正常的逻辑来说，这一般会是开源的。如果真的开源，那整个生态估计又要爽一波了。

歸藏(guizang.ai)

20,401 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.

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 • 10 months ago

发个帖，让那些不相信通过codex能实现长视频自动生成的网友看一下我的工作流是怎么工作的，我的本地H3生成视频的质量和时是怎么把控的。 1、我早上在codex里下的指令，已运行了一个多小时，全部完成还十几分钟。 2、我通过UU打开远端工作机的comfyui 界面，看正在后台跑的生视频流程。 3、分享一条我的参考生视频提示词，这次是20秒的，确保在8步下不崩不破音。 4、分享一条生成的最新视频，上面有未锁定服装导致的穿帮。 5、分享一条我的人物角色资产。 prompt 视频提示词如下：

发个帖，让那些不相信通过codex能实现长视频自动生成的网友看一下我的工作流是怎么工作的，我的本地H3生成视频的质量和时是怎么把控的。 1、我早上在codex里下的指令，已运行了一个多小时，全部完成还十几分钟。 2、我通过UU打开远端工作机的comfyui 界面，看正在后台跑的生视频流程。 3、分享一条我的参考生视频提示词，这次是20秒的，确保在8步下不崩不破音。 4、分享一条生成的最新视频，上面有未锁定服装导致的穿帮。 5、分享一条我的人物角色资产。 prompt 视频提示词如下：

PixelAIGC

17,638 views • 1 month ago

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

Ashlyn He

12,640 views • 3 months 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！

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 • 2 months ago

这种宣传大片制作成本怎么着也要5万人民币吧我给海南封关做了一个宣传视频，几乎0成本不要写剧本，不要写脚本，不要生成参考图我就说了一句话描述我的需求，10分钟就可以生成一个高级感的视频视频脚本、场景图片、旁白、背景音乐都是由Medeo完成。只需要一句提示词：制作一个30秒左右的中国海南封关的宣传视频，讲解封关的具体过程以及封关对中国乃至世界的重要性。我发现Medeo与传统的AI视频工具（Sora、Veo3等）的最大的优点是：只需要通过对话的方式，描述你的需求，系统会自动根据你的需求进行脚本编写、分镜图片生成、声音和背景音乐的生成和组装。而且生成的小片段可以独立修改，不用再调整和重新生成整个视频，这个做局部视频编辑就很方便了。同时支持全品类内容生成：比如真人电影、广告制作、动漫短剧、MV或歌曲、科普解说、产品宣传、PPT风格视频等等，这些在官网都可以看见案例。详细制作和生成过程可以看评论区视频对于刚开始玩的兄弟们，建议不要生成太长的视频生成一个5-10秒的视频感受下，因为长的视频比较消耗积分。工具地址：

这种宣传大片制作成本怎么着也要5万人民币吧我给海南封关做了一个宣传视频，几乎0成本不要写剧本，不要写脚本，不要生成参考图我就说了一句话描述我的需求，10分钟就可以生成一个高级感的视频视频脚本、场景图片、旁白、背景音乐都是由Medeo完成。只需要一句提示词：制作一个30秒左右的中国海南封关的宣传视频，讲解封关的具体过程以及封关对中国乃至世界的重要性。我发现Medeo与传统的AI视频工具（Sora、Veo3等）的最大的优点是：只需要通过对话的方式，描述你的需求，系统会自动根据你的需求进行脚本编写、分镜图片生成、声音和背景音乐的生成和组装。而且生成的小片段可以独立修改，不用再调整和重新生成整个视频，这个做局部视频编辑就很方便了。同时支持全品类内容生成：比如真人电影、广告制作、动漫短剧、MV或歌曲、科普解说、产品宣传、PPT风格视频等等，这些在官网都可以看见案例。详细制作和生成过程可以看评论区视频对于刚开始玩的兄弟们，建议不要生成太长的视频生成一个5-10秒的视频感受下，因为长的视频比较消耗积分。工具地址：

松果先森

54,067 views • 10 months ago