AI Engineer 上七家公司的前線實踐
真格基金整理了 AI Engineer 上七個團隊的一線實踐,內容涵蓋 Agent 協作、測試成本、遊戲與影片生成,以及機械人模型訓練。OpenClaw Foundation 每 100 次 CI 的成本由約 1000 美元降至約 200 美元;HeyGen 的 HyperFrame 截至 10 月底每日生成逾 50 萬條影片,每月達 1500 萬條。
真格基金整理了 AI Engineer 上七個團隊的一線實踐,內容涵蓋 Agent 協作、測試成本、遊戲與影片生成,以及機械人模型訓練。OpenClaw Foundation 每 100 次 CI 的成本由約 1000 美元降至約 200 美元;HeyGen 的 HyperFrame 截至 10 月底每日生成逾 50 萬條影片,每月達 1500 萬條。
多位影視、文學、學術與產業界嘉賓在清華大學交流 AI 如何講好中國故事,並指出 AI 可提供創作工具,但不能取代創作者的內容決策與判斷。虎鯨文娛推出的「鯨鋭AI」平台覆蓋劇本分鏡拆解、美術資產生成、多模型組合製作和後期調色增強,具備300餘項精控能力及百人實時協作能力。
生數科技正籌備港股上市,但《三星堆:未來往事》上映11天累計票房僅167.8萬元,未能成為Vidu進入影視生產的有力案例。文章指出,Vidu擅長根據參考圖進行可控生成,但AI影片生成業務面臨激烈價格競爭,生數公開的收入數據有限。公司同時佈局世界模型與機械人,相關業務能否形成商業化閉環並支撐上市估值,仍是文中提出的疑問。
文章提出基於 ComfyUI、本地 LLM Agent 和 Wan2.2-ReMixV3.0 的無人值守漫劇生成流水線,聲稱可用 8G 顯存消費級顯卡離線製作長劇集。流程涵蓋自動分鏡、角色特徵鎖定、批量渲染、本地配音及字幕合成,並支援渲染失敗重試 2 次。
文章提出以 Windows 和 8GB 顯存消費級顯卡運行 ComfyUI、Wan2.2-ReMixV3.0 和 IPAdapter,建立離線 AI 漫劇製作流程,針對角色漂移、鏡頭閃爍及長片段時序崩壞提供處理方案。方案附有角色特徵快取、批量分鏡調度及 FFmpeg 合成腳本,無須依賴雲端 API。
這套媒體工具可在瀏覽器分頁內執行轉換、修剪、降噪、字幕及人臉遮蔽,整個流程在本機處理,檔案不會離開裝置。FFmpeg 以 WebAssembly 執行,影片逐影格經 WebCodecs 處理;Whisper 等 AI 功能的模型首次下載並快取後,處理毋須網絡。
三星正測試 Galaxy AI Premium 付費訂閲服務,月費 4.99 美元,面向部分用戶開放早期體驗。服務提供更高 AI 功能使用額度及 AI 視頻生成、Bixby 跨應用自動化和每日簡報等專屬功能,正式上線時間尚未公佈。
Google 正為 Meta Quest 改造 YouTube 沉浸式介面,若升級落地,可為雙眼分視訓練提供更適合持續觀看影片的環境。Seven Sports 開發的 Amblyotube 透過模糊較強眼的畫面、突出較弱眼畫面中的人物,配合 YouTube 風格影片進行訓練。它是輔助視覺訓練工具,不可用作診斷、治療或治癒,也不能取代眼科專業人士的意見。
作者整理了將 HeyGen 輸出轉為 Telegram 影片頭像格式的方法,指出兩者在畫面比例、時長、編碼及音訊要求上不相容。Telegram 要求 MP4、H.264、800x800 像素、最長 10 秒、檔案不超過 2 MB,並須完全移除音訊。轉碼流程會先裁剪成正方形再縮放,並以 900k 位元率編碼;作者亦介紹了處理黑邊、HEVC 及檔案超限的做法。
鄭州與橫店的短劇產業正經歷真人短劇採購收縮與AI製作擴張,製作公司裁減人手、縮減開支並轉向AI,演員及幕後人員的工作機會和收入亦受影響。乘風破浪影業4月把約九成人力轉向AI製作,5月至8月每月產出5000至8000分鐘;但作品能否獲得流量及回本,仍取決於平台分發與投流。
AI劇《遇棠》第三季上線後,女主角柯眠棠被部分觀眾指與創作者叁柒相似,引發爭議,團隊其後宣佈將第三季正劇全部重做。叁柒否認使用自己的面部進行人臉融合,但承認第三季的劇情安排、彩蛋設計及個人回應存在問題;團隊亦計劃分開正劇與番外、調整宣傳審核流程,並由專業人員接手帳號營運。文章探討 AI 虛擬角色累積粉絲後,創作者的表達空間與觀眾對角色的情感期待如何產生衝突。
東南亞互動短劇逐步發展出真人偶像與 AI 原創兩條路線,分別以藝人粉絲關係和可供選擇的戀愛、懸疑劇情吸引觀眾。新加坡 DRAMAGO 已推出 14 部 AI 劇,其中 10 部具備互動玩法;公司披露,《斯特林的謊言》付費轉化率與觀看時長較真人短劇提升至少 3 倍。製作方亦在探索免費、付費及分享解鎖等模式,並藉助既有平台降低發行與投入門檻。
AlphaDrama 是一個端到端多智能體 SaaS 平台,可將小説或劇本自動製作成多集短劇影片。系統以 Mastra 編排專責 Agent,先用 Flux/SDXL 生成並鎖定關鍵影格,再由 Kling/Hailuo 生成 3-5 秒片段,以維持角色外觀和場景的一致性。
微軟提交一項 AI 專利申請,構想在直播及其他即時影片節目中近乎即時修改説話內容,並重繪説話者嘴部動作以配合新語音。系統可按預設規則或觀眾個人資料替換特定詞語,處理後影片延遲約 1 至 10 秒播放,亦涵蓋即時翻譯。專利申請編號為 US 2026/0341309 A1,於 2025 年 4 月 29 日提交;審查員於 2026 年 7 月 29 日駁回相關權利要求,微軟尚未透露是否會投入實際開發。
富士電視台計劃在 2027 年 10 月前,讓旗下所有自製日劇具備按作品需要使用生成式 AI 的製作能力,並非要求所有畫面都由 AI 生成。《救命病棟24時》第 1 集的爆炸場面使用 AI 生成虛構空拍景觀,製作仍會結合實景拍攝和傳統 VFX。電視台表示,部分特定影像製作工序的工作量較傳統方法減少最多 70% 至 80%,但這不代表整部劇集製作成本下降相同比例。
Nokka 核查網上「12 個 Claude 技能可免費取代影片團隊」的説法,查看全部 12 個儲存庫後指出,技能免費不等於影片製作零成本。實際支出仍可能包括 Agent 配額或 API、Remotion 授權、ElevenLabs 用量、GPU 和素材使用權;Suno 免費方案不允許商業用途。文章另指出,三個儲存庫沒有清楚列明授權。
東南亞互動短劇逐步發展出真人偶像與 AI 原創兩條路線,分別以藝人粉絲關係和可供選擇的戀愛、懸疑劇情吸引觀眾。新加坡 DRAMAGO 已推出 14 部 AI 劇,其中 10 部具備互動玩法;公司披露,《斯特林的謊言》付費轉化率與觀看時長較真人短劇提升至少 3 倍。製作方亦在探索免費、付費及分享解鎖等模式,並藉助既有平台降低發行與投入門檻。
作者主張不要迷信各種敍事,而要理解人性,並設法走出演算法編織的網。文章以美國兩黨爭鬥、投資者對房地產及金融產品的信仰破滅為例,指出利益與人性往往比表面説法更值得留意。短劇每萬次播放收益據稱降至8毛,平均製作成本為7毛7,反映低門檻行業的競爭與回報壓力。
虎鯨文娛在清華舉行「鯨鋭AI創作大賽」對談活動,聚焦AI時代創作者成長及精品內容創作。大賽總獎金池達1000萬元,共設265個獲獎名額,單項獎金最高200萬元,作品徵集至11月22日截止。虎鯨AI平台涵蓋劇本分鏡拆解、美術資產生成、多模型組合製作及後期調色增強,並具備300餘項精控能力和百人實時協作能力。
Video Translator 的開發者梳理影片翻譯工具在字幕、音訊處理、校對和匯出交付上的設計取捨。工具提供 SRT、VTT 與純文字逐字稿,並讓用戶選擇保留原音的字幕模式,或以合成語音取代原音軌的旁白模式;合成聲音不會複製原説話者的聲音。文章附有獨立於正式服務流程的 FFmpeg 本機練習,以測試影音檔檢查 MP4 串流與字幕輸出,並指出這不評估翻譯品質。
《持械入宋》主創團隊否認大額投流及收入超過1000萬的傳聞,並稱算力成本確實為100萬元,實際收入尚未計算,暫不便透露。該劇8月21日在紅果上線,已更新十季、近1000集,平台收藏量超過1100萬,全網播放量超過66億。團隊由早期追求產能轉為花更多時間閲讀原著和打磨內容,並提醒製作AI短劇需要投入學習及算力成本,作品也不一定盈利。
這套方案以 GGUF 量化模型和顯存分層調度,讓 8G 顯存的 Windows 電腦可本地執行 AI 漫劇製作流程。劇本解析 Agent 自動拆分鏡頭並生成提示詞,配合 IP-Adapter 固定角色參考圖,再以 FFmpeg 合成字幕和影片。整套流程可離線運行,無需持續支付 API 調用費用。
阿里雲推出 MiniMax-H3 一鍵部署方案,以彈性 GPU 計算、量化技術和自動化監控,降低全模態影片生成模型的部署與運維成本。模型部署需 12GB 顯存起步,24GB 以上體驗較佳;實際費用按資源規格、版本及配置而異。方案適合需要數據隔離、深度定製或批量處理的團隊。
文章分享一套在 RTX3060 8G 本地運行 ComfyUI 製作 AI 漫劇動態影片的實戰方案,涵蓋隔離部署、顯示記憶體優化、批次渲染與自動成片。流程以 IPAdapter、ControlNet 維持角色一致性,畫布設為 576×1024、每段 14 幀,再用 Python API 調度分鏡並以 FFmpeg 拼接、混流。
阿里雲百煉模型廣場的 150+ 直供模型,可按任務類型選擇,並透過對比測試找出合適模型。文本對話與 Agent 工具調用可選 Qwen,數學、程式碼及複雜推理可選 DeepSeek,影片生成可選 wan,長文本與中文創作可選 GLM。百煉新用戶有 100 萬免費 tokens,可用於測試選型。
文章逐項解説 Seedance 2.5 的片長、解析度、音訊、網頁搜尋、輸出格式及末幀回傳控制如何影響影片製作。影片支援 1–30 秒及 480P、720P、1080P,標準路線每輸出秒按解析度收取 5、12、21 credits;30 秒 720P 共 360 credits。末幀回傳可將一鏡結尾畫面交給下一鏡頭使用;影片參考素材的輸入秒數亦會計費,而音訊參考用於控制節奏,不保證唇形同步。
Magic Hour 比較 Magic Hour、fal Kling 3.0 Pro 和 Runway 的起止影格 API 請求結構及結果查詢方式。比較由 AI 根據引用文件撰寫,沒有實際生成影片或測試耗時;示例是使用 ltx-2.5、720p 的 5 秒 Magic Hour 請求。文章提醒各模型的解析度支援不同,並建議在交付尺寸下檢查影片最後可用影格與結束影像是否相符。
這篇比較按已有錄音選擇對嘴 API 的路線:現有影片可評估 Magic Hour Lip Sync,靜態人像可評估 Magic Hour AI Talking Photo,多位説話者的影片則可評估 Sync Labs。各路線的輸入欄位和説話者、片段控制各有不同,應先核對所選模型支援的選項。內容比較的是文件所述輸入方式,沒有提供渲染測試或準確度分數。
MPEG-Diffusion 以混合解析度生成影片,只處理 30% 的全解析度 tokens,並透過雙解析度注意力、混合解析度解碼器及自行選定高解析度區域,加快去噪而不損失畫質。在 Wan2.1 14B 上,去噪速度提升 4.8 倍;在 1.3B 上提升 3.8 倍。用戶研究中,評測者在超過 90% 的比較中偏好 MPEG-Diffusion,並認為其質素接近全解析度生成。
PhysOPSD 以可執行程式碼作為特權物理上下文,透過在策略自蒸餾提升影片生成模型的物理合理性。PhysOPSD-Engine 將真實物理情境轉換為可驗證的模擬程式,並結合雙層物理特權與受控變化。實驗顯示,使用 3K 樣本,PhysOPSD 在多種模型骨幹上勝過 SFT 和 RL 基線,同時保留一般影片生成品質。
ComfyUI 現已原生支援 InfiniteTalk 單人及雙人口型同步循環,文章亦介紹 LTX-2 蒸餾版對嘴工作流。首段為 81 frames、25 fps(約 3.24 seconds),每輪延伸 72 frames(約 2.8 seconds),並以 `ceil((audio_ms - 3240) / 2880)` 計算循環次數。
LTX Director Node 把文字轉影片、圖像轉影片、數碼人、多圖及首尾幀五套 LTX2.3 工作流改為單一時間軸,讓用戶按時間加入圖像、文字和音訊。音訊只有在自訂音訊開關啟用時才會參與生成;作者把每次生成 20-25 秒列為舒適範圍,並指出三階段渲染的第二、三階段音訊輸入仍需完善。作者比較 HiDream-O1 與 2511,認為 2511 在編輯表現上較佳。
作者分享一套 133 節點的 LTX2.3 工作流,透過 for-loop 將 6 張圖片和一首歌曲製作成約 1 分鐘的音樂影片。流程按每鏡 10 秒切分音訊,逐段讀取圖片索引與提示詞,並以四輪渲染完成生成、2 倍潛在空間放大、字幕及浮水印移除,再進行最終放大。作者指出,分段拼接可能令人物一致性略降,四輪渲染亦較繁重;生成超過約 1 分鐘的影片仍需等待。
兩種以 LTX 2.3 為基礎的影片後期流程,分別用於重繪浮水印、字幕及亂碼文字,以及向外擴展畫面以調整比例。作者估計清理流程成功率約九成,但高動態畫面效果不佳,建議片段約十秒,超過 15 秒效果會迅速下降。本集沒有提供流程 JSON 或流程連結。
AI-KSK 分享 LTX 2.3 文字污染移除 1.0 工作流,利用乾淨的參考畫面重繪遮罩區域,移除影片中的文字,而非以馬賽克或模糊處理遮蓋。流程要求提供沒有文字的首幀作參考,並使用全片固定遮罩;如首幀本身有文字,須先重繪首幀。作者稱,對 LTX 2.3 自行生成的亂碼文字,成功率為 100%,但這不代表一般浮水印移除效果;固定遮罩不適合移動或動畫浮水印。
這套雙照片上傳方案將 AI 影片應用的兩個輸入位置建模為獨立狀態,讓驗證、替換和提交都圍繞固定的兩個檔案處理。流程先檢查 JPG、PNG、WebP 格式及 10 MB 上限,再建立預覽,並在替換、元件卸載或上傳完成時釋放 object URL;伺服器也須重做檢查。
Andrej Karpathy 使用 Claude 的 Opus 5.5 模型,在一個週末打造影片策展平台 HackerTube。Claude 從 Hacker News 20 年來的 43 million 條評論中篩選並整理出 6,454 部影片,平台會持續推薦這些影片;Karpathy 稱,HackerTube 的觀看體驗明顯勝過 YouTube 自身的推薦功能。
TianDun(天遁)讓創作者和賣家只需提供一張清晰肖像照及一段短稿,便可製作會説話的虛擬形象影片、產品短片和 AI 直播主持人。直播功能包括自動配音、虛擬貨架、產品推介及彈幕回覆,並支援推送至 Douyin、Kuaishou、WeChat Channels、Bilibili、Xiaohongshu 和 RTMP。瀏覽服務免費,任務失敗會退還點數。
作者以 Pageree 的 52 秒解説影片示範製作流程,使用 HTML 和 CSS 編排場景、以時間軸腳本控制動畫,再由無頭 Chrome 產生畫面並以 ffmpeg 合成音訊。使用者需填寫提示詞中的五項資料、確認分鏡並檢視靜態畫面;場景時長按旁白的實際長度調整,最後輸出 MP4 和 .srt 字幕檔。
A股雖在反彈週期中展現韌性,但國家隊全天未出手,指數難以大幅反轉。後市反彈高度不宜過度樂觀,整體仍處下行趨勢;科技股表現脆弱,AI短劇是行情主線,機械人板塊則是反彈週期的次主線。情緒一致時應控制倉位,避免追高。