Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

美团开源LongCat-Video-Avatar 1.5 应该是目前最佳的开源虚拟人模型，音频驱动生成视频。 项目地址： 模型：

Gorden_Sun's profile picture

Gorden Sun

65,892 subscribers

11,831 görüntüleme • 3 ay önce •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

LiveAvatar：阿里夸克开源的实时虚拟人模型 能实时生成虚拟人视频（需要5个H800），能生成无限长度的视频且画质不降低。 模型： 项目地址：
0:16

LiveAvatar：阿里夸克开源的实时虚拟人模型 能实时生成虚拟人视频（需要5个H800），能生成无限长度的视频且画质不降低。 模型： 项目地址：

Gorden Sun

21,686 görüntüleme • 9 ay önce

跟着实践哥的文章，轻轻松松就搞出来一个视频。 准备快速批量起号，后宫佳丽三千，任君挑选。 最后附上文章中使用的几个开源项目 1、实践哥自己开发的快速口播视频skill，目前已经 (298个star)： 2、本地小模型 克隆自己的声音做配音，目前已经(50.2K star) : 3、本地小模型 输入是人脸视频加音频，输出是一条口型对上的视频，目前已经（6.4K star）
0:15

跟着实践哥的文章，轻轻松松就搞出来一个视频。 准备快速批量起号，后宫佳丽三千，任君挑选。 最后附上文章中使用的几个开源项目 1、实践哥自己开发的快速口播视频skill，目前已经 (298个star)： 2、本地小模型 克隆自己的声音做配音，目前已经(50.2K star) : 3、本地小模型 输入是人脸视频加音频，输出是一条口型对上的视频，目前已经（6.4K star）

AI少年

44,199 görüntüleme • 1 ay önce

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：
0:11

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：

Gorden Sun

27,125 görüntüleme • 6 ay önce

登顶AI视频制作第一的Happy Horse 1.0 声称是Happy Horse 团队开源的15B开源模型，官网直达
0:10

登顶AI视频制作第一的Happy Horse 1.0 声称是Happy Horse 团队开源的15B开源模型，官网直达

老张来了

64,686 görüntüleme • 5 ay önce

MiniMax H3 正式开源发布 目前最强开源视频生成模型！ 分辨率最高支持 2K、时长最长 15 秒生成. H3-Base-FL2VA 模型支持 文生视频 (Text to video ),图生视频(Image to video),首尾帧(First-and-last-frame-to-video generation) H3-Base-Ref2VA 模式支持视频编辑. 最高支持9张参考图，15秒参考视频，15秒参考音频 输入！ Example 1920 x 1088 本地直接运行生成 显卡5090 运行MiniMax H3 模型最低要求 显存 6G 内存32G qwen3vl fp4+ minimax ref2va_pruned_int8 更多详细 例子说明， 整合包下载 请关注我
0:10

MiniMax H3 正式开源发布 目前最强开源视频生成模型！ 分辨率最高支持 2K、时长最长 15 秒生成. H3-Base-FL2VA 模型支持 文生视频 (Text to video ),图生视频(Image to video),首尾帧(First-and-last-frame-to-video generation) H3-Base-Ref2VA 模式支持视频编辑. 最高支持9张参考图，15秒参考视频，15秒参考音频 输入！ Example 1920 x 1088 本地直接运行生成 显卡5090 运行MiniMax H3 模型最低要求 显存 6G 内存32G qwen3vl fp4+ minimax ref2va_pruned_int8 更多详细 例子说明， 整合包下载 请关注我

小娜学AI

16,209 görüntüleme • 1 ay önce

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型 全模态，一个模型通吃图+音+姿势+文本输入 任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的 人脸保持、物理合理性、表现力及口型同步看起来效果都还可以 原生长镜头生成，最长可生成10秒连续视频 目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成
0:13

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型 全模态，一个模型通吃图+音+姿势+文本输入 任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的 人脸保持、物理合理性、表现力及口型同步看起来效果都还可以 原生长镜头生成，最长可生成10秒连续视频 目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

AIGCLINK

22,827 görüntüleme • 5 ay önce

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。 给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。 除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。 还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。
0:15

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。 给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。 除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。 还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。

阿西_出海

20,133 görüntüleme • 2 ay önce

字节的音频驱动肖像视频生成模型：Loopy，效果看起来非常赞 人物表情动作很到位，叹气、情绪、眉毛眼睛的动作看起来非常自然，可以用于比如虚拟主播、视频聊天、游戏角色等 特点： 1、无需手动指定运动模板：支持根据音频自动生成自然流畅的运动 2、效果逼真： 生成的视频非常自然、生动，接近真实场景 同类项目，比如有Emo、VASA-1、Hedra、HeyGen Expressive Photos等 项目：
0:15

字节的音频驱动肖像视频生成模型：Loopy，效果看起来非常赞 人物表情动作很到位，叹气、情绪、眉毛眼睛的动作看起来非常自然，可以用于比如虚拟主播、视频聊天、游戏角色等 特点： 1、无需手动指定运动模板：支持根据音频自动生成自然流畅的运动 2、效果逼真： 生成的视频非常自然、生动，接近真实场景 同类项目，比如有Emo、VASA-1、Hedra、HeyGen Expressive Photos等 项目：

AIGCLINK

27,425 görüntüleme • 2 yıl önce

我去，美团把数字人视频生成模型开源了。外面数字人 Agent 一天卖 50 万，美团直接做了个 LongCat-Video-Avatar 塞进同一个仓库里开源了。 给一张人脸图加一段音频，数字人张嘴念稿，嘴唇、眼神、表情全自动对上。 它不是那种玩具开源，是实打实对标 Sora、Veo3、Kling 那种商业模型。 13.6B 参数，文生视频、图生视频、视频续写，一个模型全干完，720p 30 帧，长视频一口气跑几分钟不崩画质。而且你敢信？推理还比同级快了 10 倍。 坦率的讲，我看到技术报告的时候是有点懵的。因为 benchmark 上它一个 Dense 架构的 13.6B 模型，追着人家 28B 的 MoE 打。更让我愣住的是数字人那块。 你想想看，这事以前怎么搞。 要么自己录真人，要么掏钱买方案，几百块一条起步。现在一个开源模型，丢段文案给 TTS 一念，画面它自己出。而且 1.5 版做了蒸馏，推理从几十步压到 8 步，快了 15 倍。还加了 INT8 量化省显存。 说实话，这种东西别只收藏。 想试的，先跑 一下我下面的文章教程，参考就能部署。 GitHub 搜 meituan-longcat / LongCat-Video，权重在 HuggingFace 上直接下。
0:19

我去，美团把数字人视频生成模型开源了。外面数字人 Agent 一天卖 50 万，美团直接做了个 LongCat-Video-Avatar 塞进同一个仓库里开源了。 给一张人脸图加一段音频，数字人张嘴念稿，嘴唇、眼神、表情全自动对上。 它不是那种玩具开源，是实打实对标 Sora、Veo3、Kling 那种商业模型。 13.6B 参数，文生视频、图生视频、视频续写，一个模型全干完，720p 30 帧，长视频一口气跑几分钟不崩画质。而且你敢信？推理还比同级快了 10 倍。 坦率的讲，我看到技术报告的时候是有点懵的。因为 benchmark 上它一个 Dense 架构的 13.6B 模型，追着人家 28B 的 MoE 打。更让我愣住的是数字人那块。 你想想看，这事以前怎么搞。 要么自己录真人，要么掏钱买方案，几百块一条起步。现在一个开源模型，丢段文案给 TTS 一念，画面它自己出。而且 1.5 版做了蒸馏，推理从几十步压到 8 步，快了 15 倍。还加了 INT8 量化省显存。 说实话，这种东西别只收藏。 想试的，先跑 一下我下面的文章教程，参考就能部署。 GitHub 搜 meituan-longcat / LongCat-Video，权重在 HuggingFace 上直接下。

产品经理老王霸

173,462 görüntüleme • 2 ay önce

发现一个超牛逼的开源项目，让你的AI直接掌握各大网站的设计风格，例如 Apple、Claude、Stripe等等，才开源三天就拿到了17K star。 我用MiniMax (official) 的 M2.7 模型，要求参考 Spotify 的设计语言来生成一个落地页，好家伙，还真像模像样的。 项目地址：
0:14

发现一个超牛逼的开源项目，让你的AI直接掌握各大网站的设计风格，例如 Apple、Claude、Stripe等等，才开源三天就拿到了17K star。 我用MiniMax (official) 的 M2.7 模型，要求参考 Spotify 的设计语言来生成一个落地页，好家伙，还真像模像样的。 项目地址：

超级个体 Austin

85,151 görüntüleme • 5 ay önce

听说短剧公司都在搞Minimax H3 本地版 这是视频生成的 Deepseek 时刻 音视频同出，中国的蒜真的不一样 这蒜力，拿来做口播，要起飞 口播的几个流派： 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型 接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。
0:15

听说短剧公司都在搞Minimax H3 本地版 这是视频生成的 Deepseek 时刻 音视频同出，中国的蒜真的不一样 这蒜力，拿来做口播，要起飞 口播的几个流派： 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型 接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。

实践哥MinLi

39,108 görüntüleme • 1 ay önce

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。 项目简介： 它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。 这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。 与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。 项目地址：
0:14

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。 项目简介： 它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。 这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。 与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。 项目地址：

歸藏(guizang.ai)

31,198 görüntüleme • 2 yıl önce

🤣来了朋友们！！！现在可以用 AuraSR 在 ComfyUI 中放大视频了！ AuraSR in ComfyUI 插件已上线！优化了模型加载和自动配置文件，可以同时 4x 高清放大图像和视频 AuraSR：基于 GigaGAN 的 4x 开源超分模型，速度快，对细节较好的放大效果好！ 项目地址（已含工作流）：
0:11

🤣来了朋友们！！！现在可以用 AuraSR 在 ComfyUI 中放大视频了！ AuraSR in ComfyUI 插件已上线！优化了模型加载和自动配置文件，可以同时 4x 高清放大图像和视频 AuraSR：基于 GigaGAN 的 4x 开源超分模型，速度快，对细节较好的放大效果好！ 项目地址（已含工作流）：

-Zho-

10,328 görüntüleme • 2 yıl önce

我的视频复刻Skill在Sol模型的加持下，现在非常牛逼，只要你觉得某个视频是Remotion或者Hyperframes做的，都能复刻。 评论区还有视频样例和开源地址
0:20

我的视频复刻Skill在Sol模型的加持下，现在非常牛逼，只要你觉得某个视频是Remotion或者Hyperframes做的，都能复刻。 评论区还有视频样例和开源地址

雪踏乌云

24,036 görüntüleme • 2 ay önce

我来说一个GTP 6 Astra结合Blender的正确用法。 目前让GPT 6直接建3D模型还是太勉强了，尤其设计人物造型的时候。 明明生成3D模型有更好的方法，就是用图片生成3D的AI模型来直接生成（请来个模型商赞助我，后续出个详细教程），生成的是一个整体模型，但是细节和品质都很高。 生成一个glb模型后，再让GPT把这个模型拆分成组件，加上骨骼，然后就能做动画了。 请看效果视频。
0:12

我来说一个GTP 6 Astra结合Blender的正确用法。 目前让GPT 6直接建3D模型还是太勉强了，尤其设计人物造型的时候。 明明生成3D模型有更好的方法，就是用图片生成3D的AI模型来直接生成（请来个模型商赞助我，后续出个详细教程），生成的是一个整体模型，但是细节和品质都很高。 生成一个glb模型后，再让GPT把这个模型拆分成组件，加上骨骼，然后就能做动画了。 请看效果视频。

Gorden Sun

51,578 görüntüleme • 11 gün önce

最近中文推里，Rachel🥥 的数字人skill 太火了 如果你也想使用这个Skill, 算了一遍成本才发现，从声音克隆、配音到人物视频生成，每一层都在收费。10 秒视频要花 $1 左右。 本着独立开发者精神，能省则省的思路。 我就在想有没有本机部署模型的平替方案？ 今天花了 4 个小时，总算找到了。 声音部分：改成本地运行 Qwen3-TTS 模型，用一段自己的录音生成后续口播 wav文件。 视频目前仍然使用 HeyGen： 但我已经找到代替方案 LongCat-Video-Avatar 1.5 模型（待测试）。 我发现在调用 HeyGen 花$0.6 后，生成的口播视频，缺少字幕，这就成了半成品。 无意中发现好友 Jasper Wei 的 JPW-Live-Cut 给了我新的启发。我复用了他的 Remotion 字幕思路，单独做了一条本地字幕流水线，让它支持任意长度的普通口播视频。 现在整条流程已经变成： 本人参考声音 → 本地 Qwen3-TTS 生成口播 → 本地 ASR 检查 → HeyGen 生成人物视频 → Remotion 自动添加字幕 → 人工确认最终成片 下一步很明确：用LongCat-Video-Avatar 1.5 替代 HeyGen 的方案，把人物视频生成这笔费用也压下来。 让花费$0 也能做数字人。 成品效果见视频。
0:12

最近中文推里，Rachel🥥 的数字人skill 太火了 如果你也想使用这个Skill, 算了一遍成本才发现，从声音克隆、配音到人物视频生成，每一层都在收费。10 秒视频要花 $1 左右。 本着独立开发者精神，能省则省的思路。 我就在想有没有本机部署模型的平替方案？ 今天花了 4 个小时，总算找到了。 声音部分：改成本地运行 Qwen3-TTS 模型，用一段自己的录音生成后续口播 wav文件。 视频目前仍然使用 HeyGen： 但我已经找到代替方案 LongCat-Video-Avatar 1.5 模型（待测试）。 我发现在调用 HeyGen 花$0.6 后，生成的口播视频，缺少字幕，这就成了半成品。 无意中发现好友 Jasper Wei 的 JPW-Live-Cut 给了我新的启发。我复用了他的 Remotion 字幕思路，单独做了一条本地字幕流水线，让它支持任意长度的普通口播视频。 现在整条流程已经变成： 本人参考声音 → 本地 Qwen3-TTS 生成口播 → 本地 ASR 检查 → HeyGen 生成人物视频 → Remotion 自动添加字幕 → 人工确认最终成片 下一步很明确：用LongCat-Video-Avatar 1.5 替代 HeyGen 的方案，把人物视频生成这笔费用也压下来。 让花费$0 也能做数字人。 成品效果见视频。

左海有个洲

19,480 görüntüleme • 1 ay önce

开源一个数据可视化的库！ 部分效果如下 👇 代码/提示词全开源， 即拿即用！ 项目地址：
0:14

开源一个数据可视化的库！ 部分效果如下 👇 代码/提示词全开源， 即拿即用！ 项目地址：

木子不写代码

11,683 görüntüleme • 5 ay önce