持續整治「AI魔改」影片:10月清理逾1.1萬條違規影片
部分重點網絡視聽平台公佈10月「AI魔改」影片專項治理情況,共清理違規影片11000餘條、處置違規帳號30餘個。治理重點包括清理基於四大名著、歷史題材、革命題材及英模人物等經典影視作品進行「AI魔改」的違規影片,並同步清理各類邪典動畫。
部分重點網絡視聽平台公佈10月「AI魔改」影片專項治理情況,共清理違規影片11000餘條、處置違規帳號30餘個。治理重點包括清理基於四大名著、歷史題材、革命題材及英模人物等經典影視作品進行「AI魔改」的違規影片,並同步清理各類邪典動畫。
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。
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。
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%。
阿里雲百煉 CLI 的 `bl vision describe` 可讀取本地圖片及影片,按提示詞輸出自訂欄位的結構化清單,預設使用 qwen3-vl-plus,並以 API Key 鑑權,無需依賴控制台。
2026年中國廣播電視精品創作大會將於11月4日在京開幕,蘇超AI創作大賽亦已啟動。大會設1場開幕式暨主論壇、9場平行論壇及6場文藝沙龍。大賽設四大創作賽道,優質獲獎作品將納入聯賽官方數碼資產庫。
文章按素材和鏡頭需求,講解如何為 30 秒產品廣告選擇 AI 影片模型,並提出以真實產品照片生成短片再剪輯的製作方案。
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。
AI-KSK 的 H3 工作流指南分析 9 個 JSON 檔,當中 8 個是三類生成預設,另 1 個是獨立影片後處理圖。檔案合計有 316 個節點和 422 條明確連線,文章梳理 OpenVDN、SelfLift、Sigma two-pass 的配置與後處理路徑。
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。
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。
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。
Super Lewis 提供 Node.js 流程,以 Muse Image 生成角色設定圖,再把頭像和三視圖作為參考圖交給 Muse Video,製作同一人物的 10 秒直向影片。
文章以 Alphabet 第三季度財報分析 AI 投資尚未形成穩定盈利循環,並將回報難題歸於價值分配、服務商利潤和基建資本回收。Alphabet 第三季度收入同比增長25%至1275.8億美元,但淨利潤同比下降約25%、自由現金流為負90.7億美元,2026年全年資本開支預計達1950億至2050億美元。
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。
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。
AI-KSK 靜態檢視兩份 H3 工作流 JSON,指出檔名中的步數不能代表實際排程配置,也不能證明提速。武術流程的排程輸入為 20 步,TaoMate 啟用主分支配置為 3 步;兩份檔案合計有 396 條明確連線。文章沒有執行工作流,因此速度、輸出尺寸及音訊效果均未經驗證。
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。
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。
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。
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。
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。
作者解析三份 H3 主體替換工作流 JSON,説明混合 RGB/深度參考、音訊路由及 Face Refine 的節點連接。Face Refine、「Silent」及 Standard 檔案分別含 112、38 及 81 個節點;「Silent」工作流仍把 VHS loader 的音訊接到影片輸出,不能僅憑名稱判定輸出無聲。
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。
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。
作者實測開源工具 Openspline,示範以人像照片和音訊即時生成同步説話頭像影片,並將影片接入語音 Agent。工具提供 LiveKit、OpenAI Realtime、Gemini Live、ElevenLabs Agents 及 Pipecat 連接器;自建部署需要 Linux 或 WSL2 和 NVIDIA GPU。
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。
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。
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。
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。
阿里雲百煉 CLI 的 `bl video ref` 命令可把參考圖或參考影片加入生成請求,為 AI 影片角色一致性提供可重現的流程。命令支援重複傳入 `--image` 和 `--ref-video`,並可按位置配對參考素材與配音;本地圖片會上傳至四十八小時後自毀的臨時儲存。
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。
Callirra 上的 MiniMax H3 960P 檔位每輸出秒收 3 credits,與標準 1080P 同價,但最長支援 15 秒,比 1080P 的 10 秒多 50%。
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。
阿里數字人服務支援以文案、錄音、照片或 PPT 製作數字人口播影片,提供克隆形象、照片形象及 PPT 講解三種方式。服務可選模板、背景、字幕與方言,按分鐘計費,價格 0.5 元起。
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。
範小勤主演的短劇《財星下凡・團寵小少爺》已上線,劇集全程使用 AI 配音,部分內容由 AI 製作。團隊花72小時拍完60集,單集拍攝時間不到40分鐘。團隊稱總投入180萬,全集打包售價59.9元,需3萬人付費才能回本,尚未計入平台分成及推廣費用。
作者自建 LiveKit 影片會議時發現,配置為 8 vCPU、32 GB RAM、10 Mbps 固定公網頻寬的伺服器,加入第三名開啟鏡頭的 1080p 參與者後便出現畫面凍結。
Leon 設計的遠端 MCP 伺服器以預簽名 URL 和非同步流程處理大型音訊及影片檔案,避免檔案資料進入模型上下文窗口。流程依次取得上載 URL、直接上載至雲端儲存、提交任務、查詢處理狀態,最後取得已處理檔案的下載 URL。
作者提出 7 項檢查及 30 分鐘測試流程,評估 AI 工具把室內渲染圖轉成影片後,設計保真度和交付規格是否合用。流程以三張自有渲染圖、相同設定各生成一次,評分設計保真度,並按生成次數計算每條可用成片的成本。