跳到正文
11月2日週一
  1. DEV Community57

    AI 影片生成前的逐鏡頭預檢清單

    文章提出一套 AI 影片生成前的逐鏡頭檢查清單,涵蓋場景、主體、動作、鏡頭運動與構圖,以及固定風格詞。每個鏡頭應使用明確的場景和當下動作,重複角色描述以維持一致,並在生成前補齊空缺。

  2. DEV Community56

    在瀏覽器執行 ffmpeg、Whisper 與背景移除:實作經驗

    Denny Kot 分享在純靜態網頁執行 ffmpeg.wasm、Whisper、ONNX 分割模型及 Tesseract 的經驗,指出這些引擎無需後端也能運作。他建議按需載入引擎、分開呈現模型下載與處理進度,並以縮小影像、分段處理音訊及 Web Worker 控制記憶體和保持介面流暢。多執行緒 WASM 所需的 COOP/COEP 標頭會影響第三方嵌入,因此可按速度需求採用單執行緒版本。

  3. 虎嗅64

    鄭州與橫店之間:AI轉型下短劇工廠的成本算術

    鄭州與橫店的短劇產業正經歷真人短劇訂單收縮、AI製作擴張,生產成本與工作機會隨之轉移。AI製作把部分工作從片場移至電腦前,但算力支出和投流成本仍影響作品能否回本;DataEye統計,2026年上半年抖音新增AI劇、漫劇22.19萬部,按其設定的5000萬播放量盈虧平衡基線,達標作品佔1.3%。

  4. 阿里雲開發者社區 AI51

    開源 AI 影片工具 OpenMontage 的演進:從難用到可控,改變了甚麼

    OpenMontage 的演進重點並非變得好用,而是透過分鏡審批、預算管控和全流程回放,讓 AI 影片製作由難以掌握變得可管理。截至 2026-11-01,GitHub 星標為 74,127;預設單次生成預算上限為 10 美元,單筆超過 0.5 美元須經人工批准。文章亦指出,項目仍沒有 tag release,獨立測試有 9 項失敗、4 項錯誤,並缺少 API key 儲存指引。

  5. 虎嗅58

    AI 漫劇造得出爆款,能否成為好生意?

    AI 漫劇市場迅速擴張,但低爆款率、內容同質化和投流成本上升,令大量作品難以轉化為穩定盈利。2026年上半年,抖音新增22.19萬部AI劇漫劇,播放量破億的只有1055部,破億率為0.48%;約九成AI短劇公司處於虧損,萬播收益降至5至10元。

  6. 創業邦54

    沐曦數智向可靈AI投資1億元,持股0.08%

    沐曦旗下沐曦數智參與可靈AI本輪增資,合計出資1億元,持股0.08%。快手於10月30日宣佈本輪增資完成交割,實際到帳約198億元;目前沒有公開資料確認沐曦與可靈存在採購合作。文章亦梳理沐曦在先進封裝、高速互連、影片生成、醫療及機器人等方向的投資。

  7. DEV Community40

    為何我的 Hit the Road Dude AI 影片感覺不對?用 ffmpeg silencedetect 測量「State?」停頓

    Hit the Road Dude 的 AI 影片笑點取決於「State?」前後的停頓;停頓太短、缺失或位置不對,都會令笑點失效。文章提供 beat_check.py,利用 ffmpeg 的 silencedetect 找出靜音片段,列出説話與停頓時間,並標示缺少停頓的影片。該腳本只在合成片段上測試,並未用於真實生成結果。

  8. DEV Community64

    如何把 5 分鐘演講轉成供 LLM 使用的 7 張清晰畫面:每個場景挑選一張

    Nookforge Studio 作者提出一套影片智能抽幀方法,按場景挑選清晰畫面,避免固定間隔取樣產生重複或處於轉場中的影格。方法先以低解像度灰階掃描偵測場景切換,再按清晰度和局部動態挑選影格,並比較縮圖以去除重複畫面;在 4:44 演講案例中,固定每 10 秒取樣得 28 張畫面,方法則選出 7 張,對應 7 張投影片且所有要點均已顯示。

  9. DEV Community55

    10Eros Beta5 在 H3 中的雙階段精修與 SelfLift 音訊條件控制比較

    這篇教學比較兩個採用相同 Beta5 基礎模型的 H3 工作流:一個以啟用的圖像參考進行雙階段影音精修,另一個把裁剪來源音訊注入影音 latent,再以 SelfLift 採樣。第一份流程有 66 個節點、第二份有 32 個,並配置三個影片儲存分支;第二份輸出影片時直接接入裁剪後的原始音訊。作者只核對靜態配置,未執行生成,也未測試畫質、同步或基準表現。

  10. Unite.AI52

    Klap 與 Submagic 比較:哪款更適合將影片剪成短片?

    比較結論是,Klap 較適合定期把長錄音剪成短片,Submagic 則較適合重視字幕、B-roll 和視覺修飾的創作者。Klap Basic 月付 $29、年付摺合每月 $14,包含每月 100 clips;Submagic Starter 每位成員月付 $19、年付摺合每月 $12,提供 45 credits,列作 15 videos,影片上限為 2 分鐘。

  11. HuggingFace Daily Papers(社區熱門論文)41

    VidDub:面向替換語音的兩步影片配音替換感知蒸餾

    VidDub 是一款兩步擴散影片配音模型,採用替換感知跨音訊監督,避免來源嘴部動作與替換語音目標衝突,並兼顧唇形同步和視覺保真度。在三個訓練種子中,遮蔽衝突的來源嘴部重建令 cross-audio Sync-C 提升 0.833;最終模型以 2 NFE 在四項基準測試中展現唇形同步、視覺品質、身份保留及視覺語音識別表現。

  12. HuggingFace Daily Papers(社區熱門論文)36

    Disen-Forcing:解耦自回歸影片擴散中的語義錨定與動態

    Disen-Forcing 是一種用於自回歸影片擴散模型的蒸餾方法,透過解耦注意力頭的專門分工,改善長時段影片生成的長程一致性與動態表現。研究指出,只有一部分注意力頭負責長程一致性,沿用 frame sink 讓所有注意力頭接觸固定的初始影格,可能令模型在蒸餾時偏向低動態模式。長時段影片生成基準測試顯示,Disen-Forcing 能同時改善一致性與動態表現。

  13. HuggingFace Daily Papers(社區熱門論文)43

    MoviEdit:輕鬆編輯長篇多鏡頭影片

    MoviEdit 是一個端到端長篇多鏡頭影片編輯框架,透過級聯式雙向自回歸建模,在跨場景轉換時維持影片連貫性。研究團隊建立自動資料生成流程,產出 87K 組無需人工標註的配對編輯影片,並推出 MoviEdit-Bench 作系統化評估。實驗顯示,MoviEdit 大幅超越現有開源模型,在文字引導及圖片引導編輯方面的表現媲美業界前沿模型。

  14. HuggingFace Daily Papers(社區熱門論文)43

    TaoMate-HD:漸進式解像度自回歸音影片生成

    TaoMate-HD 是一款自回歸串流模型,透過漸進式去噪及歷史延續,分段生成高解像度音影片內容。相較使用相同模型和硬件直接生成高解像度內容,速度提升 1.6 倍;階段並行部署則較序列式漸進生成再提升 1.9 倍。延續訓練令字符錯誤率較基準降低 11.18 個百分點,模型亦支援生成長達一小時的音影片內容。

  15. DEV Community53

    毋須安裝笨重桌面軟件的瀏覽器 AI 影片:圖生影片與文字生影片比較

    這篇實用指南比較毋須安裝桌面軟件的瀏覽器 AI 影片流程,説明如何按現有素材選擇圖生影片或文字生影片。已有靜態圖像時從圖生影片開始,只有文字構想時則選文字生影片;每次生成只改一項變數,發佈前檢查主體一致性、動作、文字及品牌色彩。APIXO 提供圖生影片、文字生影片和相關圖像工具的瀏覽器工作空間,試用連結為 apixo.ai。

  16. DEV Community56

    Qwen Image 2.1 與 H3 兩套工作流指南:由產品合成圖銜接至主視覺影片

    AI-KSK 的指南拆解 Qwen Image 2.1 與 H3 兩套 JSON 工作流,説明先處理產品靜態圖,再手動將確認可用的圖片交給影片工作流。兩個檔案分別包含 32 個節點的圖像調和工作流,以及 40 個節點的 H3 主視覺工作流,並無自動交接連結。文章核對啟用路徑、模型與 LoRA、尺寸及音訊設定,但沒有提供新推理、基準測試或產品保真度測試結果。

11月1日週日
  1. DEV Community56

    MiniMax H3 Action Director 工作流拆解:一張圖、三種模式與九組 LoRA 預設

    MiniMax H3 Action Director 匯出檔包含 95 個節點、160 條連線,設有三種輸入路徑及九組 LoRA 預設。九組預設是在同一工作流內計算 LoRA 係數的方案,並非九個獨立工作流;文章亦拆解各路徑提示詞、權重、步數、時長及可選精修路徑的已儲存設定。內容沒有提供實際生成結果或相容性測試。

  2. Hacker News 熱門(buzzing.cc 中文翻譯)62

    HackerTube 上線,以 Hacker News 推薦影片建立 YouTube 式介面

    Karpathy 建成並上線 HackerTube,將 Hacker News 留言推薦的 YouTube 影片整理成 YouTube 式介面。網站篩選約 40K 則留言,收錄 6,454 部在 2007-2026 年間獲推薦的影片,涵蓋 150 個主題。網站無需用戶帳戶,提供自訂 ForYou 推薦、鍵盤快捷鍵及資料匯出,狀態儲存在瀏覽器本地工作階段。

  3. DEV Community55

    MiniMax H3 六種風格預設如何區分戲劇與動作場景

    MiniMax H3 的六種風格預設按戲劇或動作場面調度及影像處理方式區分,會影響人物走位、鏡頭安排和場景呈現。戲劇預設適用於對白和情緒,動作預設面向接觸、追逐和衝擊;realistic 變體沿用相同場面調度,並加入寫實處理。在 Callirra 的 multimode API 路徑中,預設透過 minimax_h3_style_preset 欄位設定,未知值會被拒絕。

  4. DEV Community41

    Sora、Kling 與 Runway:2026 年哪款 AI 影片模型表現最佳?

    Sora、Kling 和 Runway Gen-4 在 AI 影片生成方面各有優勢:Sora 寫實度最高,Kling 生成最快且價格較低,Runway 則提供最多創作控制。生成 5 秒影片,Kling 需 30–90 秒、Runway 需 1–3 分鐘、Sora 需 2–8 分鐘;三者最長影片分別為 10 秒、16 秒和 60 秒。文章建議按寫實度、速度、價格及後期製作需求選擇。

  5. 阿里雲開發者社區 AI54

    阿里雲百煉 CLI 的 `bl video edit` 支援按指定屬性編輯影片,附輸出規格與合規自查清單

    阿里雲百煉 CLI 的 `bl video edit` 可對 2-10 秒本地 MP4/MOV 影片作屬性級編輯,保留原片運鏡與節奏,並以 API Key 鑑權。實測中,風格遷移會連帶改變未指定屬性;對象替換指令中的「其餘全部保持不變」則在三幀測試中未見未指定屬性漂移。輸出統一為 24fps、120 幀、5.000s;AI 生成角標在風格遷移回片中不可見,文章建議編輯後抽幀自查角標。

  6. DEV Community51

    HackerTube 與 YouTube 推薦比較:社羣策展訊號還是個人化匹配?

    HackerTube 以 Hacker News 留言中用戶推薦的影片建立共享目錄,與 YouTube 根據個人觀看歷史及其他訊號提供推薦的方式形成對照。創作者稱,資料來自 39,834 則 Hacker News 留言,收錄 6,454 部影片、涵蓋 150 個主題,時間跨度為 2007 至 2026 年;作者未審核數據集,也未與 YouTube 進行受控比較。

  7. 雷鋒網65

    Pika 發佈 Pika H3 Flex,開放適配器權重及推理程式碼,以六步去噪生成影片與音訊

    Pika 發佈以 MiniMax H3 為基礎的衍生模型 Pika H3 Flex,開放適配器權重及推理程式碼,透過六步去噪聯合生成畫面與聲音。模型提供兩套 LoRA 適配器,原生支援 480P、768P 輸出,可生成約 5 至 15 秒影片及同步立體聲音訊。Pika API 另提供 1080P、2K、4K 影片增強,以及將同步音訊拆分為對白、配樂、音效、擬音和環境聲五類獨立音軌的功能。