正在加载视频...

视频加载失败

返回首页

阿里刚刚开源了首尾帧生视频模型：Wan2.1-FLF2V-14B，支持生成5秒 720p高清视频 只需提供两张照片作为首帧和尾帧，即可自动生成一段高清视频。从效果看运动比较流畅，首尾帧过渡上相对平滑 其使用首帧和尾帧作为控制条件，通过CLIP语义特征和交叉注意力机制，将其注入到DiT的生成过程中来增强画面稳定性和内容一致性 #AI视频 #AI视频生成模型 #Wan21

aigclink's profile picture

AIGCLINK

29,710 subscribers

47,964 次观看 • 1 年前 •via X (Twitter)

艺术科学技术教育
LIVE

Anya Rossi• Live Now

Private livecam show

5 条评论

AIGCLINK 的头像
AIGCLINK1 年前

Github：

AIGCLINK 的头像
AIGCLINK1 年前

模型：

Starry🔎🎣 的头像
Starry🔎🎣1 年前

用上这个以后拍Av简单多了

AC Show 「Angelo的常识」 的头像
AC Show 「Angelo的常识」1 年前

请问生成政治相关的可以吗，还是有考虑敏感问题呢

UserInterface 的头像
UserInterface2 年前

Boost Your Brand with Bite-sized Stories: The Art of Short Form Video Advertising #video #marketing #advertising

相关视频

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

18,922 次观看 • 1 年前

Google 发布Veo 3.1 新版本在叙事理解、真实纹理捕捉和图像转视频能力上有显著提升 能够生成具有更真实视觉质感的视频，并增强了从图像生成视频的功能。 Veo 3.1 引入了多种强大功能： • 图像生成视频：通过多张参考图像创建完整的场景，并带有声音。 • 场景延展：可生成持续一分钟以上的视频片段，保持动作连贯、人物和背景一致。 • 首尾画面生成中间内容：输入首尾帧，Veo 会自动生成中间的视频，实现自然过渡。
1:30

Google 发布Veo 3.1 新版本在叙事理解、真实纹理捕捉和图像转视频能力上有显著提升 能够生成具有更真实视觉质感的视频，并增强了从图像生成视频的功能。 Veo 3.1 引入了多种强大功能： • 图像生成视频：通过多张参考图像创建完整的场景，并带有声音。 • 场景延展：可生成持续一分钟以上的视频片段，保持动作连贯、人物和背景一致。 • 首尾画面生成中间内容：输入首尾帧，Veo 会自动生成中间的视频，实现自然过渡。

小互

15,705 次观看 • 9 个月前

Codex + HyperFrames插件，真的把AI视频生成卷疯了 还在剪映里一帧一帧手动抠？醒醒，在Codex只需要敲一行字+插件，一句话就能生成任何视频，动效、转场、字幕、配音全自动，秒改秒出还支持批量 下面这个视频就是Codex生成的 自媒体人和内容创作者快来学Codex，效率直接拉高十倍
0:47

Codex + HyperFrames插件，真的把AI视频生成卷疯了 还在剪映里一帧一帧手动抠？醒醒，在Codex只需要敲一行字+插件，一句话就能生成任何视频，动效、转场、字幕、配音全自动，秒改秒出还支持批量 下面这个视频就是Codex生成的 自媒体人和内容创作者快来学Codex，效率直接拉高十倍

Smartpig

72,871 次观看 • 1 个月前

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

11,398 次观看 • 1 个月前

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 次观看 • 10 个月前

支持通过图片插值控制 Animatediff 生成视频的ComfyUI 插件和对应的工作流Steerable Motion升级到 1.3。 这个工作流玩好的话，可以制作很多神奇的效果。 增加了可控性，流畅度和高分辨率输出。这个流程跟我昨天发的那个视频的工作流类似。 主要设置项如下： 关键帧间隔：指定在您设置的每两个关键帧之间生成的帧数。 影响范围：确定 IP-适配器（IPA）的影响应用于哪些帧的范围。 影响强度：设定每一帧的最低和最高影响点。 图像忠实度：设定对原始输入图像保持忠实的程度。
0:23

支持通过图片插值控制 Animatediff 生成视频的ComfyUI 插件和对应的工作流Steerable Motion升级到 1.3。 这个工作流玩好的话，可以制作很多神奇的效果。 增加了可控性，流畅度和高分辨率输出。这个流程跟我昨天发的那个视频的工作流类似。 主要设置项如下： 关键帧间隔：指定在您设置的每两个关键帧之间生成的帧数。 影响范围：确定 IP-适配器（IPA）的影响应用于哪些帧的范围。 影响强度：设定每一帧的最低和最高影响点。 图像忠实度：设定对原始输入图像保持忠实的程度。

歸藏(guizang.ai)

13,763 次观看 • 2 年前

生成AI视频就像抽盲盒？用一条视频讲清楚 如何通过 动作分镜图 来提高AI视频的可控性
2:11

生成AI视频就像抽盲盒？用一条视频讲清楚 如何通过 动作分镜图 来提高AI视频的可控性

探路AI

18,161 次观看 • 2 个月前

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

50,254 次观看 • 1 年前

港大和字节的这个广告视频生成模型很赞，Goku+，可以生成20秒以上的广告宣传片、生成口播/走播视频，目前没代码 效果看上去画面稳定，没有明显的闪烁或抖动，人物及面部自然、动作流畅 支持室内/户外、 产品特写、人物互动场景等，适合电商、品牌营销等商业广告 Goku+是Goku的优化版，主打广告生成 Goku是一个基于流的视频生成基础模型，支持风景、人物、动物、动作多种场景，支持写实风、动画风 #AI视频 #AI广告制作 #Goku #视频生成 #广告视频生成
1:10

港大和字节的这个广告视频生成模型很赞，Goku+，可以生成20秒以上的广告宣传片、生成口播/走播视频，目前没代码 效果看上去画面稳定，没有明显的闪烁或抖动，人物及面部自然、动作流畅 支持室内/户外、 产品特写、人物互动场景等，适合电商、品牌营销等商业广告 Goku+是Goku的优化版，主打广告生成 Goku是一个基于流的视频生成基础模型，支持风景、人物、动物、动作多种场景，支持写实风、动画风 #AI视频 #AI广告制作 #Goku #视频生成 #广告视频生成

AIGCLINK

16,374 次观看 • 1 年前

来自阿里巴巴的EMO: 情感肖像活灵活现 - 在简单条件下通过音频到视频的扩散模型生成充满表情的肖像视频 摘要 我们提出了 EMO，一个能够根据单张参考图片和声音（如说话或唱歌）生成充满表情的肖像视频的框架。这种方法不仅能够捕捉到丰富的面部表情和多样的头部姿势，还能根据声音的长度自由调整视频的持续时间。 方法 我们的框架分为两大部分。首先是“帧编码”阶段，通过 ReferenceNet 从参考图片和运动帧中提取特征。接着在“扩散过程”阶段，预训练的音频编码器开始处理声音数据。我们通过将面部区域掩模与多帧噪声结合，精准控制面部图像的生成。此外，我们利用 Backbone Network 进行去噪处理，并在其中运用了两种注意力机制：参考注意力和音频注意力，分别用于保持角色身份的一致性和调整角色动作的自然性。时间模块的加入，更是让我们能够灵活控制动作的速度。 项目地址：
4:10

来自阿里巴巴的EMO: 情感肖像活灵活现 - 在简单条件下通过音频到视频的扩散模型生成充满表情的肖像视频 摘要 我们提出了 EMO，一个能够根据单张参考图片和声音（如说话或唱歌）生成充满表情的肖像视频的框架。这种方法不仅能够捕捉到丰富的面部表情和多样的头部姿势，还能根据声音的长度自由调整视频的持续时间。 方法 我们的框架分为两大部分。首先是“帧编码”阶段，通过 ReferenceNet 从参考图片和运动帧中提取特征。接着在“扩散过程”阶段，预训练的音频编码器开始处理声音数据。我们通过将面部区域掩模与多帧噪声结合，精准控制面部图像的生成。此外，我们利用 Backbone Network 进行去噪处理，并在其中运用了两种注意力机制：参考注意力和音频注意力，分别用于保持角色身份的一致性和调整角色动作的自然性。时间模块的加入，更是让我们能够灵活控制动作的速度。 项目地址：

宝玉

97,890 次观看 • 2 年前

一款AI一键批量生成短视频及自动发布工具：MoneyPrinterPlus 支持自动混剪，自动发布到抖音、快手、小红书、视频号等平台 支持本地语音模型 chatTTS、fasterwhisper、GPTSoVITS以及Azure、阿里云、腾讯云； 支持 Stable diffusion 、comfyUI 直接AI生图 特点： 1、AI 视频批量混剪: 可以将多个视频片段进行混剪，生成大量不重复的短视频 2、AI 视频生成器: 可以根据关键词生成视频文案，并自动配音和背景音乐 3、批量视频自动上传: 可以将生成的视频自动发布到抖音、快手、小红书、视频号等平台 github： #AI短视频 #MoneyPrinterPlus
0:22

一款AI一键批量生成短视频及自动发布工具：MoneyPrinterPlus 支持自动混剪，自动发布到抖音、快手、小红书、视频号等平台 支持本地语音模型 chatTTS、fasterwhisper、GPTSoVITS以及Azure、阿里云、腾讯云； 支持 Stable diffusion 、comfyUI 直接AI生图 特点： 1、AI 视频批量混剪: 可以将多个视频片段进行混剪，生成大量不重复的短视频 2、AI 视频生成器: 可以根据关键词生成视频文案，并自动配音和背景音乐 3、批量视频自动上传: 可以将生成的视频自动发布到抖音、快手、小红书、视频号等平台 github： #AI短视频 #MoneyPrinterPlus

AIGCLINK

47,311 次观看 • 1 年前

Story-Adapter：完全开源的一款不错的长故事转换为动漫可视化AI工具，对于做虾仁之类的简易动漫的短剧从业者来说是自动化神器，生成图的一致性最好 基于提示词生成的分镜图片一致性较好，是目前大多数方案里最好的，生成100帧图片只有极少数的几张一致性有点问题，大多数都保持很好的一致性，对于小说自动化生成动漫非常有价值，短剧视频自动化生成的变现神器 视频内容： 1、采用了特有的非训练的方式来实现了高一致性的图像生成，通过将提示词、之前迭代的所有reference image输入迭代、全局注意力等来实现高一致性（参考论文细节描述） 2、story-adapter本地化部署说明，模型本地化、本地化运行方式 3、AI日报 #ai生成动漫 #长故事可视化 #storyadapter
17:52

Story-Adapter：完全开源的一款不错的长故事转换为动漫可视化AI工具，对于做虾仁之类的简易动漫的短剧从业者来说是自动化神器，生成图的一致性最好 基于提示词生成的分镜图片一致性较好，是目前大多数方案里最好的，生成100帧图片只有极少数的几张一致性有点问题，大多数都保持很好的一致性，对于小说自动化生成动漫非常有价值，短剧视频自动化生成的变现神器 视频内容： 1、采用了特有的非训练的方式来实现了高一致性的图像生成，通过将提示词、之前迭代的所有reference image输入迭代、全局注意力等来实现高一致性（参考论文细节描述） 2、story-adapter本地化部署说明，模型本地化、本地化运行方式 3、AI日报 #ai生成动漫 #长故事可视化 #storyadapter

AIGCLINK

35,456 次观看 • 1 年前

ControlNet 作者“敏神”再放大招：全新开源项目 FramePack，一套高效的视频生成框架。 13B 模型也能轻装上阵：生成 1 分钟、30fps 视频，显存最低仅 6GB；在 RTX 4090 上最高可达 1.5 秒/帧。 GitHub： 核心思路是“下一帧预测”的逐帧生成架构：从单张图片出发，也能延展出长达 1 分钟的连续动作与稳定叙事。 无论是人物舞蹈、动作演绎，还是场景推进与变化，都更容易实现可控生成。 同时已提供 Windows 一键安装包与可视化界面，上手快、操作直观。
1:00

ControlNet 作者“敏神”再放大招：全新开源项目 FramePack，一套高效的视频生成框架。 13B 模型也能轻装上阵：生成 1 分钟、30fps 视频，显存最低仅 6GB；在 RTX 4090 上最高可达 1.5 秒/帧。 GitHub： 核心思路是“下一帧预测”的逐帧生成架构：从单张图片出发，也能延展出长达 1 分钟的连续动作与稳定叙事。 无论是人物舞蹈、动作演绎，还是场景推进与变化，都更容易实现可控生成。 同时已提供 Windows 一键安装包与可视化界面，上手快、操作直观。

Joruno

52,423 次观看 • 1 个月前

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

35,076 次观看 • 1 年前

硅基智能将其DUIX（Dialogue User Interface System）开源了 DUIX是2D 真人级、AIGC 实时渲染数字人模型！ 开发者可自行接入多方大模型、语音识别（ASR）、语音合成（TTS）能力实现数字人实时交互 可在Android和iOS多终端一键部署，DUIX还提供了 14 个数字人模板 支持低成本快速部署在 iOS、安卓或者大屏上，在平板、车载系统上也能流畅运行 支持 50 帧/秒的流畅画面，视频生成效率超过 1:0.5、满足直播等一些对实时性要求很高的场景 能精准的模拟动作、说话的唇形、微表情 应用场景：AI伴侣、直播带货、数字人短视频生成、批量数字人口播视频内容生成，抖音/视频号等平台的营销推广、品牌IP、内容制作等 github： #数字人 #AI数字人 #DUIX
1:03

硅基智能将其DUIX（Dialogue User Interface System）开源了 DUIX是2D 真人级、AIGC 实时渲染数字人模型！ 开发者可自行接入多方大模型、语音识别（ASR）、语音合成（TTS）能力实现数字人实时交互 可在Android和iOS多终端一键部署，DUIX还提供了 14 个数字人模板 支持低成本快速部署在 iOS、安卓或者大屏上，在平板、车载系统上也能流畅运行 支持 50 帧/秒的流畅画面，视频生成效率超过 1:0.5、满足直播等一些对实时性要求很高的场景 能精准的模拟动作、说话的唇形、微表情 应用场景：AI伴侣、直播带货、数字人短视频生成、批量数字人口播视频内容生成，抖音/视频号等平台的营销推广、品牌IP、内容制作等 github： #数字人 #AI数字人 #DUIX

AIGCLINK

60,900 次观看 • 2 年前

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)

34,294 次观看 • 1 年前

腾讯最新开源的这款AI动画工具：ToonComposer，保真度还不错，对创作意图的还原度比较高 输入动画关键帧，系统自动生成完整的动画帧序列，这就可以节省约70% 的人工工作量 它可以精确的控制草图关键帧，可以在时间轴上任意位置标记关键帧，调整关键帧的位置和内容 还支持智能填充和区域控制，ToonComposer能根据上下文或提示自动填充草图留空区域 #AI动漫 #AI动画 #ToonComposer
1:02

腾讯最新开源的这款AI动画工具：ToonComposer，保真度还不错，对创作意图的还原度比较高 输入动画关键帧，系统自动生成完整的动画帧序列，这就可以节省约70% 的人工工作量 它可以精确的控制草图关键帧，可以在时间轴上任意位置标记关键帧，调整关键帧的位置和内容 还支持智能填充和区域控制，ToonComposer能根据上下文或提示自动填充草图留空区域 #AI动漫 #AI动画 #ToonComposer

AIGCLINK

16,973 次观看 • 11 个月前

LivePortrait：只需一张静态肖像图像就能生成动态视频 能够精确控制眼睛的注视方向和嘴唇的开合动作。 还可以处理多个人物肖像的无缝拼接，将不同的人物特征合并到一个视频中，确保在多个动态人物之间过渡平滑，不会产生突兀的边界效果。 对比实验显示，LivePortrait生成的动画质量优于现有的非扩散模型和扩散模型方法。 在RTX 4090 GPU上，LivePortrait的生成速度达到了每帧12.8毫秒，显著高于现有的扩散模型方法。 详细介绍： 项目地址：
0:47

LivePortrait：只需一张静态肖像图像就能生成动态视频 能够精确控制眼睛的注视方向和嘴唇的开合动作。 还可以处理多个人物肖像的无缝拼接，将不同的人物特征合并到一个视频中，确保在多个动态人物之间过渡平滑，不会产生突兀的边界效果。 对比实验显示，LivePortrait生成的动画质量优于现有的非扩散模型和扩散模型方法。 在RTX 4090 GPU上，LivePortrait的生成速度达到了每帧12.8毫秒，显著高于现有的扩散模型方法。 详细介绍： 项目地址：

小互

59,841 次观看 • 2 年前

一款还不错的视频自动化配音工具：MMAudio，音画同步性还可以 支持视频、文本、视频+文本输入 有同步模块，保持音频和视频动作对齐 支持44.1kHz高采样率 #音频生成 #MMAudio #AI配音
0:49

一款还不错的视频自动化配音工具：MMAudio，音画同步性还可以 支持视频、文本、视频+文本输入 有同步模块，保持音频和视频动作对齐 支持44.1kHz高采样率 #音频生成 #MMAudio #AI配音

AIGCLINK

17,316 次观看 • 1 年前