Bilibili、Douyin 和 RedNote 影片連結轉文字:4 種方案比較
作者比較把 Bilibili、Douyin、RedNote 和 YouTube 影片轉成帶時間戳文字的 4 種方案,包括下載後用 Whisper 轉錄、平台字幕、影片編輯器及連結 API。
作者比較把 Bilibili、Douyin、RedNote 和 YouTube 影片轉成帶時間戳文字的 4 種方案,包括下載後用 Whisper 轉錄、平台字幕、影片編輯器及連結 API。
Map Animation Studio 指南説明如何檢查並匯出完成的影片,並提醒用戶播放下載的檔案,不能只依賴編輯器預覽。文中的實際匯出設定為1280×720、30 fps、MP4;下載的影片長15秒,共450幀。
AI降低動畫製作門檻,讓個人創作者能製作連載動畫;UP主以AI製作的《Re:從零開始的異世界生活》同人短片因完成度高,引發日本業界對動畫化權及個人長篇動畫的討論。文章指出,日本動畫從製作委員會組建到播出及後續商業開發通常需約3年,實際製作約2年,畫面製作往往約200人參與;相較之下,AI及平台讓創作者可先推出作品、累積觀眾,並按觀眾反饋調整後續內容。
一名在職產品經理以 AI 萌寵影片經營副業,單條製作成本約 400-500 元,頭部帳號廣告報價達 8 萬元。她以「合租閨蜜貓」設定建立角色關係,每條影片需製作 3 天,收入主要來自廣告。文章建議先用業餘時間製作 10 條,驗證觀眾反應和變現可能,再考慮是否全職投入。
Club Spotlight Couple AI 為低光夜店影片生成設計空間注意力遮罩、音訊節奏調制及邊緣推理佇列,以維持雙人畫面中的身份區分。系統在最初 15 個去噪步驟抑制跨主體注意力,並按 128 BPM 節拍調整鏡頭及頻閃光效。平台採用 Kling V4.0 Low-Light Diffusion,並以低於 60 秒的完成時間為目標。
這套 AI 漫劇本地製作方案以顯存分層調度、雙向模型管理和 Agent 自動化,串連靜態分鏡、圖生影片、字幕與配音混流,將分鏡轉成動態成片。方案支援 8G 顯存設備,並可按需載入及卸載模型,以降低影片推理時的顯存壓力。稿件提供部署設定、批量生成 Python 腳本及 FFmpeg 指令。
2026 年,AI 影片生成工作流程平台以可控性為核心,串連劇本、分鏡、圖像生成、影片生成及多模態剪輯,支援長片連貫與商業化落地。文章提出以節點架構整合 LoRA 角色一致性、關鍵影格錨定、AI 配音與口型同步,並透過混合雲部署及快取控制成本。
可靈AI完成近198.02億元人民幣A輪融資,皇冠新材登陸深交所,最新市值為221.97億元人民幣。本週國內一級市場披露132宗融資事件,已披露金額的事件共55宗,總融資規模為379.59億元人民幣。人工智能領域融資最活躍,共35宗,已披露融資總規模約276.30億元人民幣。
這套 AI 漫劇本地音訊流程以離線 TTS 批量生成配音,透過角色音色映射、音訊預處理及 FFmpeg 混音與合成,實現從劇本到成片的自動化。方案支援 Agent 調度,適配 8G 顯存環境;TTS 與繪圖模型建議串行執行,以免顯存不足。
Pangram Labs 正式推出 AI 圖像檢測模型 Pangram Image 1.0,在其測試數據集上取得 99.96% 準確率。模型可透過熱力圖定位 AI 生成內容,在 256×256 分辨率下準確率為 96.4%;一同推出的 Pangram Image Flash 1.0 在 DF26 數據集上的準確率達 98.7%,領先第二名 29 個百分點。
Motaz Hefny 指出,AI 影片提示詞若未明確分配鏡頭、主體動作、環境、光學效果及時長,容易出現鏡頭漂移、手部變形和麪孔跨影格變化。他建議每個鏡頭只保留一項主要動作,並明確加入面部一致、手部形態穩定及影格平滑等限制,取代泛泛的質素形容詞。不同引擎亦需調整寫法,例如 Kling v1.5/v2.0 應在主提示詞正面陳述限制,Runway Gen-3/4 則每個鏡頭最多使用一個鏡頭動詞。
文章以 AI 影片實操講解景別與拍攝角度,説明如何按鏡頭的敍事目的選擇畫面距離和觀看視角。景別由遠景、大全景、全景、中景、近景至特寫;平視、俯拍和仰拍則可改變角色氣場及畫面的力量關係。
Blackmagic Design 發佈 DaVinci Resolve 21.2,新增對觸控 MacBook Pro 的原生支援,可用手指操作時間線、素材、特效、字幕及畫面縮放。搭載 M5 Pro 和 M5 Max 的設備,特效渲染速度最高提升 5 倍。DaVinci Resolve 21.2 可免費下載;DaVinci Resolve Studio 售價為 239.99 美元。
指南示範如何以程式碼製作機械零件的爆炸視圖動畫,並配合旁白輸出為 9:16 解説短片。動畫以零件沿軸移動的距離控制拆解,並用命名提示點同步零件標註和鏡頭移動。文章示範以 SVG 逐格渲染,再用 @resvg/resvg-js 和 ffmpeg 合成影片,並列出輸出檢查項目。
這篇 2026 年 11 月 7 日 AI 每日摘要彙整七則消息,包括 Google DeepMind 公佈 AI 模型在專家指導下發現舊版 1024-bit RSA 的兩項弱點、Gemini Omni 1.2 Flash 正式推出,以及 Agility Robotics 登陸 Nasdaq。
文章示範如何用 Python 和 ffmpeg 按逐字稿中的單字時間戳剪輯影片,並把保留片段的音訊與畫面同步重組。流程會將切點對齊最近影格,並按相鄰詞語是否刪除決定停頓是否保留;在 37.3 秒訪談片段上,剪後長度為 18.0 秒。與 filter graph 重編碼相比,-c copy 拼接受 keyframe 位置限制,測試中第二次拼接後音訊約落後畫面 1 秒。
LinkDigest 新增影片時間戳標註格式,單次 API 呼叫可為每段影片輸出 JSON,批次處理則匯出為每行一段影片的 JSONL。輸出涵蓋語音、影格描述、畫面文字、章節和關鍵要點,coverage 會標示已讀取及未讀取的部分;上載影片每 10 分鐘收取 11 credits,每小時影片共 66 credits,按 credits 購買方式摺合 $0.92 至 $1.32。
作者與 Claude Code 合作,為 bestaiweb.ai 的 Mona、Dan、Max 和 Alan 四個 AI 角色加入遊標追蹤、點擊反應及捲動揮手效果。瀏覽器根據遊標位置從影片選取方向相符的影格;點擊播放角色短片,捲動則控制告別揮手。作者共生成33段影片並採用20段,影片生成費用合計$20.79,估算主動工作時間約9.6小時。
Mastra 推出 Ring signals,讓智能體在對話執行緒中接收 Ring 門鈴事件通知,並可為不同事件設定優先次序。預設每個事件會附上快照;將 visibleToModel: true 設於 tools.clip,並使用支援影片輸入的模型,智能體便可查看影片片段。
想讓自己的貓跳 Suave Cat Dance,可用提示詞生成影片,或選用固定舞蹈效果;CapCut 模板只會套用原有小貓。AI Dance Trend 使用 Seedance 2.0,輸出 10 秒直向 720p MP4,單段收費 USD 9.90,毋須撰寫提示詞。手動剪貼只能製作靜態搞笑效果,不能呈現真正舞動。
Gemini Omni 1.2 Flash 已在 Gemini API 和 Gemini for business 正式提供,支援最長 15 秒影片生成,並加入多輪對話編輯及更強的參考素材跟隨能力。相較 Gemini Omni 1.1,影片時長上限由 10 秒增至 15 秒,720p 影片價格下調 30% 至每秒 $0.07。
推薦理由:相較 Gemini Omni 1.1,更新將影片時長上限由 10 秒提高至 15 秒、價格下調 30%,並加入多輪編輯,具體呈現生成時長、成本與修改流程的變化。
國家廣播電視總局針對 AI 微短劇低俗化、同質化等問題,部署新一輪微短劇專項治理,聚焦內容創作及傳播推廣兩方面,治理期由 11 月 1 日至 12 月底。治理涵蓋低俗不良內容、未按要求備案審核的特殊題材、「盜臉」「偷聲」、宣推低俗、改名反覆播出及推薦同質化等問題。今年以來,相關專項治理已下架違規微短劇 7.5 萬部,處置違規帳號 1500 餘個。
教學示範 Claude Code 用 Kinetic Title Drop 把文字需求轉成在本機渲染的 6 秒、1920×1080 動態文字 MP4。流程包括填寫並驗證 brief.json、檢查版面與對比度、擷取四個畫面,再渲染 MP4;技能不會呼叫 AI 模型,也不需 API key。使用前需在 PATH 安裝 FFmpeg;首次渲染會下載無頭 Chrome。
要為狗狗或貓咪重現「第一次去高級咖啡店」短片熱潮,可選擇實拍、CapCut 範本、MakeViral 或 Fancy Cafe AI。CapCut 範本免費使用;MakeViral 的範本需 228 credits,100 credits 起價 $9.99;Fancy Cafe AI 的 10 秒 480p 影片售價 $3.99,15 秒 720p 影片售價 $9.99。
火烈鳥泳圈 AI 熱潮影片可用 CapCut 範本製作,亦可透過 Turnly 將一張照片生成短片。Turnly 會生成 10 秒、最高 1080p 的影片;單支 720p 影片售價 $4.99,無需訂閲,單次製作亦無需註冊。生成影片不含熱潮原有音樂,發布時可自行加入相關音訊。
AwesomeVideo 提供託管式字幕 MCP + REST API,讓可呼叫工具的 Agent 透過三次工具呼叫,毋須先建立帳戶便可為示例影片加上字幕。輸出包括已燒錄字幕的 MP4,以及 SRT、VTT 和 JSON 文字稿。字幕定價為每段音訊每分鐘 5 credits,加入翻譯則另加 2 credits。
文章示範如何用 ffmpeg 比較相鄰影格的變化,按鏡頭切分並將影片裁切為 9:16。約 60 行 Python 程式把影格縮至 64×36 灰階、以每秒 4 幀取樣,再按變化中心及 ffmpeg 場景分數計算各鏡頭的裁切位置;7.5 秒示例輸出三段 606×1080 裁切,與 osFoundry 桌面應用結果逐像素相同。
廣汽人形機械人預計於 2029 年形成萬台產能。中國移動智能網正式發布,英偉達提出 AI 內存全棧協同設計方案;OpenAI 推出 GPT-6 Cyber,其網絡安全評級為「關鍵」級,Google 推出 Gemini Omni 1.2 Flash 影片生成模型。
知乎 COO 張榮樂指出,AI 降低影像製作門檻,但短劇及 AI 短劇要持續增長,核心仍是持續輸出人物鮮明、情緒扎實、概念獨特的好故事。2026年第三季度,鹽言故事版權合作總量按年增長891%,AI劇單部最高播放量超過12億。
Google DeepMind 於 11 月 5 日推出 Gemini Omni 1.2 Flash,並首次將 Omni 系列全面向開發者開放(GA)。新模型支援原生生成 15 秒影片(上一代為 10 秒)、多輪對話式編輯及更強的參考圖遵循能力;價格較 Omni 1.1 下調 30%,720p 每秒 0.07 美元,生成 15 秒約 1.04 美元。
推薦理由:文章把原生片長、多輪編輯及參考圖遵循能力,與按秒定價及降幅一併呈現,可見模型如何降低生成成本並支援反覆修改。
國家廣播電視總局部署新一輪微短劇低俗化、同質化專項治理,治理期由11月1日至12月底,為期兩個月。治理聚焦內容創作和傳播推廣,涵蓋兒童類不良內容、軟色情擦邊、AI 微短劇盜臉偷聲、改名重播及首頁推薦同質化等問題。當局表示,今年以來已下架違規微短劇7.5萬部、處置違規帳號1500餘個。
國家廣播電視總局部署新一輪微短劇低俗化、同質化專項治理,為期兩個月,自11月1日至12月底。治理聚焦低俗不良內容、未按要求備案審核的特殊題材、「盜臉」「偷聲」及同質化推薦等問題;今年以來,相關專項治理已下架違規微短劇7.5萬部,處置違規帳號1500餘個。
Timeline Studio 的 Anna 版本推出 ChatCut 對話剪輯,讓用戶透過瀏覽器以自然語言要求 AI 編輯時間線或生成影片和音樂。雲端模型負責理解需求、規劃及生成,瀏覽器負責管理工程、預覽、校驗和合成;生成的影片先存為素材,用戶檢視後才可選擇插入時間線。
iQIYI 團隊使用 NadouPro 重構失傳近 90 年的 1938 年電影《Visiting Shanghai after Sixty Years》,而非修復留存的原片。
ChatCut 是 Timeline Studio 開源項目 Anna 版本中的對話式影片剪輯工作區,透過雲端模型理解要求,並由瀏覽器驗證及執行剪輯,無須安裝桌面剪輯軟件或自行設定模型推理環境。每輪對話最多進行 16 次模型呼叫,剪輯預覽須符合初始項目狀態才可套用。一次文字生成影片測試產生了可播放的 832x480 影片,長約 5.184 秒。
Hanako H. 以 Python 重建 osFoundry 桌面影片編輯器 Suggest clips 的逐字稿片段篩選方法,按固定長度滑動窗口內的詞數挑選候選片段。
2026年10月,國家廣電總局印發《廣播電視和網絡視聽「十五五」規劃》,提出到2030年廣電視聽行業人工智能滲透率達95%及以上、新型終端應用超1.5億。規劃涵蓋內容生產、網絡傳輸、服務供給及安全監管,這個滲透率並非指AI生成內容佔比達95%。總局同日重申「扶持真人微短劇、規範AI微短劇」原則。
作者示範以 Python 和 ffmpeg 根據逐詞時間碼剪輯影片,並將刪除的詞語轉成剪接區間。示例使用一段 37.3 秒的 NASA 太空人 Christina Koch 訪談,刪除第 30 至 81 詞及第 111 至 118 詞,並透過濾鏡圖同時處理影片和音訊。
Pangram 推出 Pangram Image 1.0 和 Pangram Image Flash 1.0,更新 AI 圖片及影片偵測能力。Image 1.0 在 1,200 張合成圖片的測試中準確率達 99.96%;Flash 1.0 在 DF26 得分 98.7%,比次佳偵測器高 29 個百分點。
國家廣電總局《廣播電視和網絡視聽「十五五」規劃》提出,到 2030 年廣電視聽行業人工智能滲透率達 95% 及以上,新型終端應用數量突破 1.5 億。規劃要求匯聚視聽語料、建設及協同調度智算基礎設施,並打造行業垂類大模型與智能體,推進人工智能在內容、網絡、服務、安全和監管等環節的應用;這項滲透率目標並非指觀眾看到的內容有 95% 以上由 AI 生成。