Загрузка видео...

Не удалось загрузить видео

На главную

阿里的这个项目牛P啊 OmniTalker：只用一段“参考视频”就能学会视频里人物说话 并保持唇形同步和表情 也就是你给它一段视频它可以同时提取视频中人物的说话风格和面部表情。 比如你给它一段罗翔的视频），它就能学会“罗翔是怎么说话、什么表情”，然后你随便给它什么文字，它就用这种风格去说话。 不用你训练模型、调参数，也不用配音演员，全自动！

xiaohu's profile picture

小互

119,506 subscribers

244,871 просмотров • 1 год назад •via X (Twitter)

Наука и технологии
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 7

Фото профиля 小互
小互1 год назад

过去做这种说话视频，需要 好几个步骤拼起来，容易： 出错（声音和表情不同步） 风格不一致（说得像机器人） 慢（处理流程长） OmniTalker 的创新点在于： 它把这一切都整合到一个大模型里，一次性完成，听起来更自然，嘴型和语气完全匹配，还能“模仿风格”。

Фото профиля 小互
小互1 год назад

可生成较长的视频内容，同时保持语气、节奏、动作风格的一致性。 还支持情绪控制和5 帧/秒（FPS）的实时生成。 详细介绍：

Фото профиля 小互
小互1 год назад

这个很让人感触啊↓

Фото профиля 沉稳的小华
沉稳的小华1 год назад

这个和剪映的 自定义数字人+文案+克隆声音一样

Фото профиля 沉稳的小华
沉稳的小华1 год назад

知道有用AI生成音乐，并可以把声音替换自己克隆的声音的AI工具吗？感谢~

Фото профиля バシロウ
バシロウ1 год назад

以後做視頻不用錄了，直接給它文案就好

Фото профиля Solar Heavy
Solar Heavy2 лет назад

who do these vocals remind you of?

Похожие видео

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 просмотров • 1 год назад

兄弟们，这个厉害了！！！ PersonaTalk：字节跳动开发出可精准给视频进行AI配音的模型 能保持口型同步、说话风格完美匹配 只需输入音频和参考视频，即可生成同步的视觉配音 不仅让嘴唇动作与音频完美匹配，还能保留说话者的个性特点，比如说话的速度、语调和表情。 还能同步说话者的风格，比如轻松、严肃或激动的语气，让配音更生动。 不仅如此，还能实现视频翻译，将视频说话者的语音翻译成其他语言。
1:30

兄弟们，这个厉害了！！！ PersonaTalk：字节跳动开发出可精准给视频进行AI配音的模型 能保持口型同步、说话风格完美匹配 只需输入音频和参考视频，即可生成同步的视觉配音 不仅让嘴唇动作与音频完美匹配，还能保留说话者的个性特点，比如说话的速度、语调和表情。 还能同步说话者的风格，比如轻松、严肃或激动的语气，让配音更生动。 不仅如此，还能实现视频翻译，将视频说话者的语音翻译成其他语言。

小互

162,422 просмотров • 1 год назад

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 просмотров • 2 месяцев назад

比演员还会演 ？ Gaga AI：一个影视级AI视频生成模型突然就来了 感觉这是上过电影学院的AI... 😂 全球首个专注于「人物对话」的影视级音画同出模型 一张图+一段提示词即可，就能实现： - 电影级“演技”，能展现极致表情和情感演绎 - 音画同出一步到位 - 支持双人场景演绎 - 支持全球多语种 Gaga AI不是对口型，不是数字人，而是专注于「演绎」，输入一段提示词，它会分析这是什么场景，这应该是什么语气，表情是什么样的 简单来说，他和演员拿到剧本思考过程是一样的，总之就是戏精上身！
0:39

比演员还会演 ？ Gaga AI：一个影视级AI视频生成模型突然就来了 感觉这是上过电影学院的AI... 😂 全球首个专注于「人物对话」的影视级音画同出模型 一张图+一段提示词即可，就能实现： - 电影级“演技”，能展现极致表情和情感演绎 - 音画同出一步到位 - 支持双人场景演绎 - 支持全球多语种 Gaga AI不是对口型，不是数字人，而是专注于「演绎」，输入一段提示词，它会分析这是什么场景，这应该是什么语气，表情是什么样的 简单来说，他和演员拿到剧本思考过程是一样的，总之就是戏精上身！

小互

83,118 просмотров • 1 год назад

一款长视频会议纪要、访谈节目精剪、课程速览的AI神器：whisperVideo 除了把语音转文字，它能自动判断说话人，把说话内容对应上画面里的人脸，生成带说话人ID的字幕与可视化面板 就是说把“谁、在什么时间、说了什么”全自动对齐并可视化，对做访谈、电影/纪录片剪辑，或会议纪要回顾等比较实用 对长视频友好，专门用于长视频的，支持小时级素材，自动分场景、分段落处理 视频中同一个说话人可以正确识别，身份一致性保持的比较好 文本转录用的WhisperX，说话人分离用Pyannote，用SAM3做视频中人脸检测与分割 TalkNet做主动说话人检测，然后视觉嵌入 最后把转录的文本、说话人身份、时间戳以及视频画面信息全部整合起来，生成带有说话人ID的字幕和面板视图 #视频转录 #whisperVideo
2:23

一款长视频会议纪要、访谈节目精剪、课程速览的AI神器：whisperVideo 除了把语音转文字，它能自动判断说话人，把说话内容对应上画面里的人脸，生成带说话人ID的字幕与可视化面板 就是说把“谁、在什么时间、说了什么”全自动对齐并可视化，对做访谈、电影/纪录片剪辑，或会议纪要回顾等比较实用 对长视频友好，专门用于长视频的，支持小时级素材，自动分场景、分段落处理 视频中同一个说话人可以正确识别，身份一致性保持的比较好 文本转录用的WhisperX，说话人分离用Pyannote，用SAM3做视频中人脸检测与分割 TalkNet做主动说话人检测，然后视觉嵌入 最后把转录的文本、说话人身份、时间戳以及视频画面信息全部整合起来，生成带有说话人ID的字幕和面板视图 #视频转录 #whisperVideo

AIGCLINK

26,326 просмотров • 8 месяцев назад

这两天老是刷到用ChatCut插件接入codex就能一键出视频的帖子，我自己也体验了一下，耗时30多分钟就能出一个视频，我只给了它几段素材，甚至连视频主题都没有给它，它就帮我剪辑了一个这样的视频，关键是配音还不消耗积分，就这以后视频剪辑还用啥剪映，剪辑和编导都得下岗了😂
1:01

这两天老是刷到用ChatCut插件接入codex就能一键出视频的帖子，我自己也体验了一下，耗时30多分钟就能出一个视频，我只给了它几段素材，甚至连视频主题都没有给它，它就帮我剪辑了一个这样的视频，关键是配音还不消耗积分，就这以后视频剪辑还用啥剪映，剪辑和编导都得下岗了😂

科技俊 | Tech Jun

55,626 просмотров • 2 месяцев назад

有人在之前推文里问像这样的数字人是怎么做的，推荐 HeyGen 这款数字人产品。它可以选择不同的数字人，套用不同的模板，生成各种演说类的视频 口型准确，效果还是很逼真的，如果你不会的话，也可以找我。 🔗 #AIgirl #aitools
0:20

有人在之前推文里问像这样的数字人是怎么做的，推荐 HeyGen 这款数字人产品。它可以选择不同的数字人，套用不同的模板，生成各种演说类的视频 口型准确，效果还是很逼真的，如果你不会的话，也可以找我。 🔗 #AIgirl #aitools

Cellier

132,176 просмотров • 3 лет назад

一键复刻 TikTok 电商爆款视频的AI：CreatOK 你给一张商品图 + 一句话， 直接就是一条完整带货视频：人物、场景、配音全都有。 刷到一个爆款也不用研究了， 丢进去，它会帮你拆结构，再做一版同思路内容。 不是给灵感， 是直接把能卖的内容做出来。 而且它已经接入 OpenClaw 🦞 你可以让小龙虾帮你拆爆款， 再把 CreatOK 接进 OpenClaw 里用。 装上 CreatOK 的 skills 之后： 自动分析 TikTok 爆款 生成短视频内容 输出结构 + Hook + 脚本 整个过程就跟聊天一样 你丢一个链接，说一句你想要什么，它就开始干活
0:32

一键复刻 TikTok 电商爆款视频的AI：CreatOK 你给一张商品图 + 一句话， 直接就是一条完整带货视频：人物、场景、配音全都有。 刷到一个爆款也不用研究了， 丢进去，它会帮你拆结构，再做一版同思路内容。 不是给灵感， 是直接把能卖的内容做出来。 而且它已经接入 OpenClaw 🦞 你可以让小龙虾帮你拆爆款， 再把 CreatOK 接进 OpenClaw 里用。 装上 CreatOK 的 skills 之后： 自动分析 TikTok 爆款 生成短视频内容 输出结构 + Hook + 脚本 整个过程就跟聊天一样 你丢一个链接，说一句你想要什么，它就开始干活

开发者Hailey

36,347 просмотров • 6 месяцев назад

学AI半年还在纠结用哪个工具，你不是不会，是在用准备逃避开始 一个零基础就能用的方法，四步闭环 ① 工具准备 下两个免费 APP，Workbody 和 Coder Work，现在有羊毛薅，每天送积分，足够你用 不用配环境，拿来就用。别一上来就纠结 Claude Code、Codex，那些以后再说 ② 建档案 打开以后直接告诉 AI：你是谁、干嘛的、优点、缺点、目标、卡点 把它当几十万的咨询顾问，把你的底牌摊给它，让它记住你。然后说：以后我需要你给建议、给方法、帮我朝目标走 ③ 喂内容 网上看到好东西，不要点收藏 收藏有个屁用，点完就是心理安慰 好文章直接复制给 AI，好视频好音频把链接扔给它。然后说：这个内容我觉得好，好在哪我想了想，你帮我看看，根据我的情况怎么用 它会告诉你哪些现在就能用，一二三列出来，照做。哪些以后能用，整理成知识块存起来，到时候拿出来 ④ 每天复盘 用完跟 AI 说：我是这么用的，结果是这样，你给我复盘，告诉我下面怎么改进 一天两天三天四天五天，你就和别人完全不一样了 然后你会发现，那个不会用的 Claude Code，你问它，它就告诉你怎么用。Codex 不会用，它也告诉你怎么用 一定是先用出来 很多人学东西学傻了，一定要先学会了再用 打球的方法是什么？先上场。不是在网上看十年教学视频，看了十年还不会打球 先上场，边学边用，甚至你都不需要懂，干就完了
3:39

学AI半年还在纠结用哪个工具，你不是不会，是在用准备逃避开始 一个零基础就能用的方法，四步闭环 ① 工具准备 下两个免费 APP，Workbody 和 Coder Work，现在有羊毛薅，每天送积分，足够你用 不用配环境，拿来就用。别一上来就纠结 Claude Code、Codex，那些以后再说 ② 建档案 打开以后直接告诉 AI：你是谁、干嘛的、优点、缺点、目标、卡点 把它当几十万的咨询顾问，把你的底牌摊给它，让它记住你。然后说：以后我需要你给建议、给方法、帮我朝目标走 ③ 喂内容 网上看到好东西，不要点收藏 收藏有个屁用，点完就是心理安慰 好文章直接复制给 AI，好视频好音频把链接扔给它。然后说：这个内容我觉得好，好在哪我想了想，你帮我看看，根据我的情况怎么用 它会告诉你哪些现在就能用，一二三列出来，照做。哪些以后能用，整理成知识块存起来，到时候拿出来 ④ 每天复盘 用完跟 AI 说：我是这么用的，结果是这样，你给我复盘，告诉我下面怎么改进 一天两天三天四天五天，你就和别人完全不一样了 然后你会发现，那个不会用的 Claude Code，你问它，它就告诉你怎么用。Codex 不会用，它也告诉你怎么用 一定是先用出来 很多人学东西学傻了，一定要先学会了再用 打球的方法是什么？先上场。不是在网上看十年教学视频，看了十年还不会打球 先上场，边学边用，甚至你都不需要懂，干就完了

熊三金Cole

10,901 просмотров • 2 месяцев назад

ElevenLabs 发布其对话语音助手： Conversational AI 2.0 相较于上一代有了巨大飞跃 亮点功能： 说话不尴尬了：它能听懂你什么时候停顿、什么时候在思考，不会中途打断你说话。 多语言切换很顺滑：你说中文，它说中文；你说西班牙语，它也能自动切换。 回答更“懂行”：它可以从你公司的知识库里直接找资料来回答你，不胡说。 批量打电话不求人：几百几千个客户，系统可以一次性给他们打电话发通知。 一个模型管两种互动方式：不用分开发文字和语音版本，省人力。
1:37

ElevenLabs 发布其对话语音助手： Conversational AI 2.0 相较于上一代有了巨大飞跃 亮点功能： 说话不尴尬了：它能听懂你什么时候停顿、什么时候在思考，不会中途打断你说话。 多语言切换很顺滑：你说中文，它说中文；你说西班牙语，它也能自动切换。 回答更“懂行”：它可以从你公司的知识库里直接找资料来回答你，不胡说。 批量打电话不求人：几百几千个客户，系统可以一次性给他们打电话发通知。 一个模型管两种互动方式：不用分开发文字和语音版本，省人力。

小互

31,674 просмотров • 1 год назад

可能是最适合小白的视频产品，没有之一。 不用会提示词，也不用懂剪辑。 你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！ 画面、音乐、转场、包装； 不满意？直接对话改风格、重做、无限迭代，直到满意。 更厉害的是，它已经原生接进 OpenClaw， 终于有一个 AI，能让我的小龙虾自己去做视频了， 飞书、Discord、Telegram 里都能直接调用生成视频， 现有工作流里就能完成，完全不用切工具。 这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent； 面向人类端，它理解你的意图，你说想法，它出成片； 面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。 三周前，它还是一个人的想法， 现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。 发展速度，已经说明一切。 一句话总结： 做视频，从复杂技能变成一句话就能调用的能力。
0:52

可能是最适合小白的视频产品，没有之一。 不用会提示词，也不用懂剪辑。 你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！ 画面、音乐、转场、包装； 不满意？直接对话改风格、重做、无限迭代，直到满意。 更厉害的是，它已经原生接进 OpenClaw， 终于有一个 AI，能让我的小龙虾自己去做视频了， 飞书、Discord、Telegram 里都能直接调用生成视频， 现有工作流里就能完成，完全不用切工具。 这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent； 面向人类端，它理解你的意图，你说想法，它出成片； 面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。 三周前，它还是一个人的想法， 现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。 发展速度，已经说明一切。 一句话总结： 做视频，从复杂技能变成一句话就能调用的能力。

开发者Hailey

16,651 просмотров • 6 месяцев назад

Hedra Studio 推出Character-3 AI 数字人视频生成模型 可以同时处理多种输入类型（图像、文本、音频），并将它们融合成高质量的视频。 上传一张人物照片，输入一段文本或音频，Character-3 就能生成一个会说话、唱歌甚至表演的虚拟角色视频。 支持全身动作和情感控制，大范围动态场景... 可以生成具有高度表现力的虚拟人物，比如可以用于讲故事、制作动画或营销内容。
0:27

Hedra Studio 推出Character-3 AI 数字人视频生成模型 可以同时处理多种输入类型（图像、文本、音频），并将它们融合成高质量的视频。 上传一张人物照片，输入一段文本或音频，Character-3 就能生成一个会说话、唱歌甚至表演的虚拟角色视频。 支持全身动作和情感控制，大范围动态场景... 可以生成具有高度表现力的虚拟人物，比如可以用于讲故事、制作动画或营销内容。

小互

21,028 просмотров • 1 год назад

卧槽，Hypit 这次确实有点意思。 把它接进 Codex，丢一条参考视频过去，再说一句“帮我 Clone”，它就能把原片拆成可编辑的视频工程。 人物能换、服装能换、色卡能换。 原片的构图、镜头节奏、字幕、转场和画面层级，会尽量保留下来。 我这次用 Codex 跑了 Hypit，复刻了两条短视频。 一个是「豆包帮我清理桌面」的场景创意 yanhua，一个是 @陶阿狗君 的旅行变装。 它先把视频拆成一个可编辑的 workflow。 谁在说话、哪一段用什么图、字幕怎么排、画面怎么动，都变成工程里的零件。 流程很简单： 1、给 Codex 装上 Hypit Skill npx skills add hypit-ai/hypit -g 2、配好视频模型 API 我这里用即梦 CLI 调 Seedance，先确认模型能正常出片。 3、把参考视频和人物图交给 Codex 告诉它保留原片构图和分镜节奏，把人物换成参考图角色，再生成新的色卡和服装。 4、先确认图片，再生成动态镜头 图片、视频和声音可以分阶段处理。图片不满意先改，确认后再调视频模型出片。 我觉得 Hypit 最有意思的地方，是它把视频制作从一次性「抽卡」，变成可以持续修改的项目。 你能一边预览成片，一边看对应素材和源码。想换人、改字、调镜头节奏，都有地方下手。 工具是开源的，模型和 API 费用各自另算。 想用 AI Agent 做视频 Clone 的，可以自己装了试试，效果因模型和参考片差异会比较大。 官方仓库（开源）：
1:52

卧槽，Hypit 这次确实有点意思。 把它接进 Codex，丢一条参考视频过去，再说一句“帮我 Clone”，它就能把原片拆成可编辑的视频工程。 人物能换、服装能换、色卡能换。 原片的构图、镜头节奏、字幕、转场和画面层级，会尽量保留下来。 我这次用 Codex 跑了 Hypit，复刻了两条短视频。 一个是「豆包帮我清理桌面」的场景创意 yanhua，一个是 @陶阿狗君 的旅行变装。 它先把视频拆成一个可编辑的 workflow。 谁在说话、哪一段用什么图、字幕怎么排、画面怎么动，都变成工程里的零件。 流程很简单： 1、给 Codex 装上 Hypit Skill npx skills add hypit-ai/hypit -g 2、配好视频模型 API 我这里用即梦 CLI 调 Seedance，先确认模型能正常出片。 3、把参考视频和人物图交给 Codex 告诉它保留原片构图和分镜节奏，把人物换成参考图角色，再生成新的色卡和服装。 4、先确认图片，再生成动态镜头 图片、视频和声音可以分阶段处理。图片不满意先改，确认后再调视频模型出片。 我觉得 Hypit 最有意思的地方，是它把视频制作从一次性「抽卡」，变成可以持续修改的项目。 你能一边预览成片，一边看对应素材和源码。想换人、改字、调镜头节奏，都有地方下手。 工具是开源的，模型和 API 费用各自另算。 想用 AI Agent 做视频 Clone 的，可以自己装了试试，效果因模型和参考片差异会比较大。 官方仓库（开源）：

行者AI视频

159,417 просмотров • 17 дней назад

看着这段视频，我除了脏话🤬 其它的什么都不想说了… 太丢人了……无与伦比的丢人啊……
0:57

看着这段视频，我除了脏话🤬 其它的什么都不想说了… 太丢人了……无与伦比的丢人啊……

Jixian Wang

682,965 просмотров • 3 лет назад

怎么用 MiniMax H3 做多人对话短剧，难点在哪、怎么解决，一个视频讲清楚。 H3 做长视频两个坑：段一多人就换脸，段和段接不上。 这条用 MiniMax Design 把坑填平，过程看视频👇。 H3 开源之后火到什么程度不用我说，有能力的同学显卡一张接一张往机器里插，我自己也在 4090 上跑了一段时间。但更多人卡在部署那一步，显存、环境、提示词格式，每一关都能把人劝退。 官方出了个 MiniMax Design，把 H3 装进了一个 agent 里。不用部署，不用学提示词格式，你说要什么，它自己出图、生视频、剪辑，Mac 和 Windows 都能安装。 我拿它做了一条 2 分 05 秒、4 个角色、12 段一镜到底的短剧，从头到尾没换过脸。全过程我录了一遍，就在这条视频里： 🔹 剧本和 22 张连续状态图我在外面先做好，每一段的首帧和尾帧都是这 22 张里的图，上一段的尾帧就是下一段的首帧。人物不换脸就靠这个，只用文字描述，写得再细，下一段还是另一个人。 🔹 拖进 Design 的画布，每段挂一张首帧、一张尾帧，写好台词和动作。第一段出来，三个人就是图上的三个人，台词一字不差，对白是它自己生成的，没有配音。剩下十一段分三批，它自己排队跑。 🔹 多人镜头先在 3D 导演台摆站位和机位。把病房平面图丢给它，它自己搭房间、把人放进去，四个人谁站哪、相机放哪，转一圈看站位，不对的选中人物按键转过来，不用重跑。 🔹 12 段进视频剪辑，拼接、字卡、字幕、片名。11 条接缝用了六种接法，哪种情况用哪种，视频后半段一条一条过。 成片在下一条👇
4:08

怎么用 MiniMax H3 做多人对话短剧，难点在哪、怎么解决，一个视频讲清楚。 H3 做长视频两个坑：段一多人就换脸，段和段接不上。 这条用 MiniMax Design 把坑填平，过程看视频👇。 H3 开源之后火到什么程度不用我说，有能力的同学显卡一张接一张往机器里插，我自己也在 4090 上跑了一段时间。但更多人卡在部署那一步，显存、环境、提示词格式，每一关都能把人劝退。 官方出了个 MiniMax Design，把 H3 装进了一个 agent 里。不用部署，不用学提示词格式，你说要什么，它自己出图、生视频、剪辑，Mac 和 Windows 都能安装。 我拿它做了一条 2 分 05 秒、4 个角色、12 段一镜到底的短剧，从头到尾没换过脸。全过程我录了一遍，就在这条视频里： 🔹 剧本和 22 张连续状态图我在外面先做好，每一段的首帧和尾帧都是这 22 张里的图，上一段的尾帧就是下一段的首帧。人物不换脸就靠这个，只用文字描述，写得再细，下一段还是另一个人。 🔹 拖进 Design 的画布，每段挂一张首帧、一张尾帧，写好台词和动作。第一段出来，三个人就是图上的三个人，台词一字不差，对白是它自己生成的，没有配音。剩下十一段分三批，它自己排队跑。 🔹 多人镜头先在 3D 导演台摆站位和机位。把病房平面图丢给它，它自己搭房间、把人放进去，四个人谁站哪、相机放哪，转一圈看站位，不对的选中人物按键转过来，不用重跑。 🔹 12 段进视频剪辑，拼接、字卡、字幕、片名。11 条接缝用了六种接法，哪种情况用哪种，视频后半段一条一条过。 成片在下一条👇

huangserva

63,397 просмотров • 26 дней назад

说实话，这个数字人项目被严重低估了。 外面还在20美元/月买 HeyGen数字人会员，美团已经把整套数字人口播方案开源出来了。叫 InfiniteTalk，一张图一段话，口型、头、身体全同步，不限时长。老王拿照片试了一下，完全可用。 它表面是个数字人对口型工具，实际干的事比这多得多。底层用Wan视频模型负责出画面，再挂个音频分析引擎，把你说的每句话拆成嘴型、表情、身体该怎么动的指令，最后靠一种只刷新关键帧的策略，保人脸不崩背景不乱。 整条视频从上到下跟着音频走，不光嘴在动，肩膀、眉毛、眼神全跟着语音节奏变。那种只给你换张嘴的方案。 有两种用法。 1、拍张照片配段话扔进去，出来就是一条完整的说话视频，单人口播、唱歌都行。 2、塞段现成视频加段新音频进去，它能给原视频换配音，人物嘴型和身体动作全跟着新音频重新对齐。 硬件要求，英伟达cuda，显存至少24G，mac无法使用，内存32G以上，硬盘200G以上（权重就100G以上） 安装方法，不复杂， 让AI帮你建个新 Python 环境，跑一遍依赖清单，从 HuggingFace 拽三个模型包就齐了。从下载到出第一条视频，半小时够了。 PS：仓库在 GitHub，而且是Apache-2.0 协议，商用很友好。效果看这个视频，开源的东西做到这个程度，以前真不敢想。
0:40

说实话，这个数字人项目被严重低估了。 外面还在20美元/月买 HeyGen数字人会员，美团已经把整套数字人口播方案开源出来了。叫 InfiniteTalk，一张图一段话，口型、头、身体全同步，不限时长。老王拿照片试了一下，完全可用。 它表面是个数字人对口型工具，实际干的事比这多得多。底层用Wan视频模型负责出画面，再挂个音频分析引擎，把你说的每句话拆成嘴型、表情、身体该怎么动的指令，最后靠一种只刷新关键帧的策略，保人脸不崩背景不乱。 整条视频从上到下跟着音频走，不光嘴在动，肩膀、眉毛、眼神全跟着语音节奏变。那种只给你换张嘴的方案。 有两种用法。 1、拍张照片配段话扔进去，出来就是一条完整的说话视频，单人口播、唱歌都行。 2、塞段现成视频加段新音频进去，它能给原视频换配音，人物嘴型和身体动作全跟着新音频重新对齐。 硬件要求，英伟达cuda，显存至少24G，mac无法使用，内存32G以上，硬盘200G以上（权重就100G以上） 安装方法，不复杂， 让AI帮你建个新 Python 环境，跑一遍依赖清单，从 HuggingFace 拽三个模型包就齐了。从下载到出第一条视频，半小时够了。 PS：仓库在 GitHub，而且是Apache-2.0 协议，商用很友好。效果看这个视频，开源的东西做到这个程度，以前真不敢想。

产品经理老王霸

90,306 просмотров • 3 месяцев назад

想做视频但不会剪辑的人，终于有救了 过去 10 年，“剪辑”是视频创作最大的门槛 各种剪辑工具：剪映、PR、AE 学不会？找人做，200 一条起步 学得会？花 3 个月，做一条要 2 小时 “剪辑门槛”，拦住了 90% 想做视频的人 但是现在，这道门槛正在消失 我最近测了一个叫 Medeo 的工具，它让我重新理解了一件事👇 做视频，真的不一定要学剪辑了 用 Medeo：你只需要会说话 步骤 1：把文案丢进 Medeo（1 分钟） "帮我做一个 1 分钟的读书分享视频，风格温暖有书卷气" 步骤 2：AI 自动生成初稿（5 分钟） 它会自动搞定： 配套画面（根据文案智能匹配） 配音（自动选合适音色） 背景音乐（氛围匹配） 字幕（自动生成） 步骤 3：对话式修改（5分钟） 像和朋友聊天一样改视频： "配音换成温柔女声" "第二段节奏快一点" "整体色调偏暖，像下午的咖啡厅" 并且，不止是动漫，还有绘本、广告、各类动画、新闻等风格的视频，都可以用Medeo来完成。 只要你会说话、会表达，就能做视频，你甚至可以利用它进行赚钱。
0:30

想做视频但不会剪辑的人，终于有救了 过去 10 年，“剪辑”是视频创作最大的门槛 各种剪辑工具：剪映、PR、AE 学不会？找人做，200 一条起步 学得会？花 3 个月，做一条要 2 小时 “剪辑门槛”，拦住了 90% 想做视频的人 但是现在，这道门槛正在消失 我最近测了一个叫 Medeo 的工具，它让我重新理解了一件事👇 做视频，真的不一定要学剪辑了 用 Medeo：你只需要会说话 步骤 1：把文案丢进 Medeo（1 分钟） "帮我做一个 1 分钟的读书分享视频，风格温暖有书卷气" 步骤 2：AI 自动生成初稿（5 分钟） 它会自动搞定： 配套画面（根据文案智能匹配） 配音（自动选合适音色） 背景音乐（氛围匹配） 字幕（自动生成） 步骤 3：对话式修改（5分钟） 像和朋友聊天一样改视频： "配音换成温柔女声" "第二段节奏快一点" "整体色调偏暖，像下午的咖啡厅" 并且，不止是动漫，还有绘本、广告、各类动画、新闻等风格的视频，都可以用Medeo来完成。 只要你会说话、会表达，就能做视频，你甚至可以利用它进行赚钱。

余温

56,690 просмотров • 9 месяцев назад

太离谱了，我真的就一句话，AI 给我做的黏土风视频，这类视频可以直接去卖“少儿AI教学”了吧。。。 起因是看到老外那闷声发财的赛道： 无人出镜解说频道。不露脸不出镜，全靠解说视频吃广告分成，做得好的一个月几万刀。 我就尝试用 Higgsfield 试了一下，给它一个提示： 「为什么 AI 上下文一长就变笨，用小孩喜欢的黏土风演示给我」。 然后它自己去查资料，写解说稿、配音、生成画面、配字幕，几分钟后直接甩给我一条成片。我中间啥也没干，连剪辑软件都没打开。 以前做这种无人出镜的解说视频，需要：设计、写稿、配音、找素材、剪辑、上字幕，一条视频搞一天很正常。 所以老外那边那些不露脸的解说频道，一直是个闷声赚钱的赛道，门槛全在工作量上。 现在这个门槛又被AI冲没了：脚本、配音、画面、字幕，我直接用 Higgsfield 的 Explainer 内置的，你只需要出选题。 风格啥的随便挑，黏土、动画、涂鸦、剪纸都有，配音想要什么语言就什么语言，已经到了人人都能上桌的地步了。
0:30

太离谱了，我真的就一句话，AI 给我做的黏土风视频，这类视频可以直接去卖“少儿AI教学”了吧。。。 起因是看到老外那闷声发财的赛道： 无人出镜解说频道。不露脸不出镜，全靠解说视频吃广告分成，做得好的一个月几万刀。 我就尝试用 Higgsfield 试了一下，给它一个提示： 「为什么 AI 上下文一长就变笨，用小孩喜欢的黏土风演示给我」。 然后它自己去查资料，写解说稿、配音、生成画面、配字幕，几分钟后直接甩给我一条成片。我中间啥也没干，连剪辑软件都没打开。 以前做这种无人出镜的解说视频，需要：设计、写稿、配音、找素材、剪辑、上字幕，一条视频搞一天很正常。 所以老外那边那些不露脸的解说频道，一直是个闷声赚钱的赛道，门槛全在工作量上。 现在这个门槛又被AI冲没了：脚本、配音、画面、字幕，我直接用 Higgsfield 的 Explainer 内置的，你只需要出选题。 风格啥的随便挑，黏土、动画、涂鸦、剪纸都有，配音想要什么语言就什么语言，已经到了人人都能上桌的地步了。

余温

22,517 просмотров • 2 месяцев назад