Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

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👇

op7418's profile picture

歸藏(guizang.ai)

136,248 subscribers

36,598 Aufrufe • vor 8 Monaten •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

即梦在 Web 端上线他们的数字人 Omnihuman 1.5 版本。 今天来做个测试，同时教大家怎么用图像模型配合生成名人数字人视频。 1.5 的控制能力大幅提升，你可以定义视频中的人物表演和运动方式，直接改变了表演类 AI 视频的制作逻辑。 做了一个让乔布斯卖破拖鞋的演讲。 下面是测试和教程👇：
0:30

即梦在 Web 端上线他们的数字人 Omnihuman 1.5 版本。 今天来做个测试，同时教大家怎么用图像模型配合生成名人数字人视频。 1.5 的控制能力大幅提升，你可以定义视频中的人物表演和运动方式，直接改变了表演类 AI 视频的制作逻辑。 做了一个让乔布斯卖破拖鞋的演讲。 下面是测试和教程👇：

歸藏(guizang.ai)

39,562 Aufrufe • vor 11 Monaten

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 Aufrufe • vor 11 Monaten

可灵今天更新了 2.1 的首尾帧视频模型 提示词理解和遵循能力大幅提升，即使好不相关的图片也可以实现自然过渡 可以看我做的这个视频的效果，所有分镜都是一次生成没有抽卡，就是素材拼接没有剪辑 我还打磨了一套提示词和工作流帮你降低抽卡频率提高生成质量 模型测评和提示词在下面👇：
0:35

可灵今天更新了 2.1 的首尾帧视频模型 提示词理解和遵循能力大幅提升，即使好不相关的图片也可以实现自然过渡 可以看我做的这个视频的效果，所有分镜都是一次生成没有抽卡，就是素材拼接没有剪辑 我还打磨了一套提示词和工作流帮你降低抽卡频率提高生成质量 模型测评和提示词在下面👇：

歸藏(guizang.ai)

58,198 Aufrufe • vor 1 Jahr

《倒春寒》MV - 即梦 OmniHuman-1 测试作品 这玩意确实标志着视频生成的新阶段 从单一的画面运动变成了整体整体输出 你可以直接将一张图片变成，带语音、音乐和唇形同步、表情的视频 下面有过程和功能介绍👇
0:47

《倒春寒》MV - 即梦 OmniHuman-1 测试作品 这玩意确实标志着视频生成的新阶段 从单一的画面运动变成了整体整体输出 你可以直接将一张图片变成，带语音、音乐和唇形同步、表情的视频 下面有过程和功能介绍👇

歸藏(guizang.ai)

53,602 Aufrufe • vor 1 Jahr

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
2:06

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 Aufrufe • vor 3 Monaten

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 Aufrufe • vor 1 Jahr

Seedance 2.0 排队时间久，不支持真人 那Seedance 2.0以前的流程有没有更加高效的出视频方法？答案是有的：人物参考图→ 分镜图→ 反推视频提示词→ 批量一次性生成视频。 该方法可用于于偏简短和静态的AI视频，抽卡成功率还是比较高的。对打打斗和复杂的运镜，目前Seedance 2.0 仍然是最佳的选择。 详细提示词和教程，见下方视频👇👇👇
2:47

Seedance 2.0 排队时间久，不支持真人 那Seedance 2.0以前的流程有没有更加高效的出视频方法？答案是有的：人物参考图→ 分镜图→ 反推视频提示词→ 批量一次性生成视频。 该方法可用于于偏简短和静态的AI视频，抽卡成功率还是比较高的。对打打斗和复杂的运镜，目前Seedance 2.0 仍然是最佳的选择。 详细提示词和教程，见下方视频👇👇👇

探路AI

12,034 Aufrufe • vor 6 Monaten

测试了下 Grok 生成视频的能力，进步非常大 希望老马继续努力，以后 X 会员真的既可以撬动媒体杠杆，又可以撬动 AI 杠杆了 下面是用其生成的 nike 宣传片，一键直出，视觉效果和配乐都非常的不错，skill 用的是hyperframe, 提示词在评论区
0:40

测试了下 Grok 生成视频的能力，进步非常大 希望老马继续努力，以后 X 会员真的既可以撬动媒体杠杆，又可以撬动 AI 杠杆了 下面是用其生成的 nike 宣传片，一键直出，视觉效果和配乐都非常的不错，skill 用的是hyperframe, 提示词在评论区

Sac

10,894 Aufrufe • vor 2 Monaten

藏师傅的 Kimi K3 测评来了，这次确实非常牛逼！ 可以说是一个比较小的 DeepSeek 时刻 我直接拿它跟 Opus 4.8 做了对比测试。 从结果来看，互有胜负。 在复杂前端和复杂开发的情况下，我觉得它跟 Opus 4.8 差不多是相当的水平。 至于 Fable 5 和 5.6，我觉得还差一些，但已经是一个非常牛逼的成绩了。
0:59

藏师傅的 Kimi K3 测评来了，这次确实非常牛逼！ 可以说是一个比较小的 DeepSeek 时刻 我直接拿它跟 Opus 4.8 做了对比测试。 从结果来看，互有胜负。 在复杂前端和复杂开发的情况下，我觉得它跟 Opus 4.8 差不多是相当的水平。 至于 Fable 5 和 5.6，我觉得还差一些，但已经是一个非常牛逼的成绩了。

歸藏(guizang.ai)

109,022 Aufrufe • vor 1 Monat

兄弟们，这下可以实现TTS 生成文本转语音自由了。 测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。 做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。 整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。 感兴趣的同学可以自己去试试，地址放评论区。
1:19

兄弟们，这下可以实现TTS 生成文本转语音自由了。 测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。 做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。 整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。 感兴趣的同学可以自己去试试，地址放评论区。

Berryxia.AI

45,388 Aufrufe • vor 7 Monaten

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 Aufrufe • vor 1 Jahr

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 Aufrufe • vor 1 Jahr

腾讯杀疯了！ 开源了参数最多、性能最强的文生视频大模型。 我已经测试了一段时间。 混元视频生成模型整体效果非常厉害，在美学表现、稳定性、运动幅度的品质上都是一流的。 下面有详细介绍：
0:29

腾讯杀疯了！ 开源了参数最多、性能最强的文生视频大模型。 我已经测试了一段时间。 混元视频生成模型整体效果非常厉害，在美学表现、稳定性、运动幅度的品质上都是一流的。 下面有详细介绍：

歸藏(guizang.ai)

146,364 Aufrufe • vor 1 Jahr

兄弟们，这个数字人工具感觉不错 我刚安装好，正在体验 一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。 这个一个安装包，然后下载模型即可，很容易上手 可以生成带有数字人的视频，并且保持嘴型和声音是同步的。 支持语音合成和声音克隆 支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。 可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。
0:20

兄弟们，这个数字人工具感觉不错 我刚安装好，正在体验 一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。 这个一个安装包，然后下载模型即可，很容易上手 可以生成带有数字人的视频，并且保持嘴型和声音是同步的。 支持语音合成和声音克隆 支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。 可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。

小互

41,028 Aufrufe • vor 1 Jahr

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 Aufrufe • vor 8 Monaten