H3 Character Swap 1.5 如何在 ComfyUI 渲染前檢查遮罩
這篇教學梳理 ComfyUI 的 H3 Character Swap 1.5 工作流程,以 SAM 追蹤選定人物、裁切編輯區域,再由 H3 生成替換內容並放回影片畫面。作者根據包含 47 個節點和 68 條連線的工作流程,説明替換提示詞與 SAM 目標描述各自負責不同工作,並建議先檢查追蹤、裁切及遮罩預覽。經修改的 VDN8 組合尚未完成 GPU 相容性驗證,本文亦沒有新的 GPU 實測結果。
這篇教學梳理 ComfyUI 的 H3 Character Swap 1.5 工作流程,以 SAM 追蹤選定人物、裁切編輯區域,再由 H3 生成替換內容並放回影片畫面。作者根據包含 47 個節點和 68 條連線的工作流程,説明替換提示詞與 SAM 目標描述各自負責不同工作,並建議先檢查追蹤、裁切及遮罩預覽。經修改的 VDN8 組合尚未完成 GPU 相容性驗證,本文亦沒有新的 GPU 實測結果。
研究發現,影片世界模型的潛在預測誤差會受外觀和運動影響,不能可靠地衡量物理意外。V-JEPA2 能呈現事件是否可能的有限資訊,但錯誤動作和外觀變化都會引發預測誤差。模擬測試中,不可能事件的誤差可低於可能事件,固定閾值也會把許多可能事件錯判為不可能。
張朝陽表示,國內長影片平台經營承壓不能簡單歸因於短劇,還與用戶付費習慣、平台競爭及內容製作成本有關。短劇和長劇滿足不同需求,並非簡單的替代關係;他本人不看短劇,但搜狐視頻設有短劇頻道,提供可免費觀看、需觀看部分不可跳過廣告的短劇。
作者打造的 Booya 是支援 macOS、Windows 和 Linux 的免費開源本機優先螢幕錄影工具,具備遊標自動縮放及以 Whisper 離線生成字幕的功能。錄影時,它會將遊標、點擊、按鍵和捲動記錄在影片旁的檔案,支援匯出 MP4、WebM 或 GIF,最高 4K;本機 Gemma 亦可按逐字稿建議標題、章節及摘要。v0.7.0 可供下載,雲端供應商和上傳功能預設關閉。
作者分享在 RTX4060 8G 上部署 Wan2.2 文生影片 ComfyUI 工作流的實測方案,涵蓋顯存調校及批次 API 任務處理。方案採用 FP8 量化、模型分片載入及 gpu_offload,並提供 832×480、20~30 幀的工作流設定。另附批次提交、超時重試及 MP4 下載腳本,並整理 OOM、閃爍和編碼問題的排查方法。
【103】男女頻短劇編劇 Skill 以輸出格式和敍事結構約束大語言模型,並透過自動化腳本把劇本轉為分鏡資料,串連 AI 漫劇製作流程。方案可在本地離線部署,支援 8G 顯存,並對接 ComfyUI 批量渲染、TTS 配音及 FFmpeg 合成。
本地 Qwen-2.5-7B-Instruct 量化模型配合男頻、女頻兩套編劇 Skill 提示詞模板,生成短劇劇本並轉換為結構化分鏡 JSON,對接 AI 漫劇渲染流程。配套 Python 腳本涵蓋格式校驗、劇本清洗、角色抽取及本地 TTS 配音,流程離線運行,適配 8G 顯卡。
作者比較 8 款 Tiny Desk AI「Outstanding」生成工具,指出它們分為把人物換入真實演出片段,以及另行生成 Tiny Desk 風格場景兩類。
製作 Dime Dime Baby AI 影片可選免費 CapCut 模板,或用一張人物或寵物照片透過 AI 生成新影片;完整英文及西班牙文指南見 https://dimedimebabyapp.com/dime-dime-baby-ai-tutorial。
《萬妖圖錄傳》全系列累計播放超60億,作者自述第一季有200萬收藏、收入2萬元,十二季合計不到100萬元。文章指出,播放量不等於版權收入,實際收益還取決於授權合同、平台分賬規則及有效觀看時長等因素。文章比較番茄、紅果、閲文、掌閲及中文在線等案例,指出掌握流量出口可帶來定價權,但維持用戶與流量入口亦有成本。
中國首部全 AI 生成長片《Sanxingdui: Future Past》票房預計只收回約 4% 的製作成本;文章認為,失利主因是把適合短片的技術放進院線長片及付費發行模式。
雙輸入上載表單應清楚標示圖片與影片各自的用途,並在標籤旁顯示預覽,讓用戶確認選取的主體和動作。對參考影片,表單應顯示所選片段的起止位置,並讓用戶提交前播放;選取中、上載中和就緒狀態亦應分開標示。出現錯誤時,應保留另一項輸入的預覽,方便用戶修正問題。
張朝陽表示,短劇與長劇滿足不同用戶需求,短劇不會完全侵蝕長劇市場,長影片平台的經營壓力不能簡單歸因於短劇。國內平台未能形成同等程度的用戶付費習慣,加上平台競爭激烈、內容製作成本高,令經營壓力較大。搜狐視頻設有短劇頻道,並正嘗試結合不同內容形態與社交互動。
Aether AI Studio v4.1.1 是本地優先 AI 工作空間,整合多供應商聊天、自主編碼智能體,以及圖片和影片生成。智能體可讀取及編輯檔案、執行指令並驗證工作,編輯前可顯示差異並等待用戶確認。用戶可透過 Ollama 或 LM Studio 本地執行模型,亦可切換至 OpenAI、Anthropic 或 Gemini。
Zeno Tu 在 aiMakeVideo 把 TikTok 趨勢片段重製成 AI 影片模板,用戶上傳照片即可生成自己入鏡的版本。製作流程先按時間碼拆解參考片,再以深度影片、移除人物的空場景圖及提示詞重建鏡頭;Tiny Desk 模板的剪接點與參考片相差不超過三幀。直接在深度影片上繪製張口區域,約 30% 的張口會變成黑塊;柔化灰區後約 15%,未修改深度圖則為 0%。
The Biological Computing 推出 Mischief 1 影片生成模型,稱其方法源自對活神經元計算方式的研究。模型以 Wan 2.2 為基礎,加入不足原模型 0.1% 的軟件層;TBC 宣稱它比 Wan 2.2 單獨運行至少快 5 倍,計算成本低 80%。報道指出,Wan 2.2 已可透過知識蒸餾等方法加速,而文中沒有足以判斷這套神經元方法效果的科研論文。
作者打造了一款迷因影片生成器,用兩張照片製作 15 秒影片,並保留原聲。成品可選 16:9 或 9:16,480p 收費 $5.99,720p 收費 $7.99;一次付款,無須帳戶或訂閲。失敗或因審核未能生成會自動退款,成品不理想則可免費重試一次。
AI-KSK 的教程拆解了 MiniMax H3 RefMod 在 ComfyUI 中建立及重用角色、動作、聲音和場景參考的六個工作流。前四個工作流建立參考資產,後兩個分別透過 MiniMaxH3RefModApply 和 MiniMaxH3RefModTextEncode 路徑生成影音,並比較兩者的接線、提示詞及素材配置。
X 上的影片貼文可轉化為電子通訊內容:先用 Voqusa 的 X (Twitter) 轉錄工具擷取公開貼文文字,再核對數字、整理語句並保留講者原意。素材可整理成精選合集、深度專題或每週主題分析;引用時應註明講者、連結原貼文,並先取得許可再轉載較長內容。
這份教學説明如何取得公開 TikTok 影片的逐字稿,分析開場吸引點的結構,再改寫成原創內容。可用逐字稿標記吸引點類型、整理常見模式,並將文字用於字幕、腳本大綱和搜尋筆記;重用時應借鑑結構而非照抄句子。
Bama Bound studio 採用參考影片流程,把用戶上載的一張人物相片轉成跟隨預設場景與動作的短片,而非單純換臉或只靠提示詞生成。Seedance 2.0 會生成 8 秒、直向 9:16 影片,並配上新生成的戶外歡呼聲;用戶只可選擇 480p 或 720p。場景、橫額文字、動作、片長和聲音均已預設,沒有提示詞輸入或 1080p 選項。
紅果短劇日活達1.68億、人均單日觀看125分鐘,秦朔據此提出中國互聯網進入「字節時間」,李亮則質疑數據口徑及「捧殺」風險。文章分析,免費廣告、連播推薦與分賬機制降低觀看門檻,也令注意力分配牽動短劇生產並加劇內容同質化。文中亦討論監管治理、老年用戶保護及AI短劇對羣演工作的影響。
快手旗下北京可靈完成約198.0184億元外部融資交割,快手稱此為全球影片大模型公司最大額融資紀錄。交割後,阿里、騰訊旗下上海啟善及百度分別持有1.38%、0.56%及0.28%股權。達康蘭五及BFI MIDCO未繳清的認購款已取消,兩者退出本輪投資。
推薦理由:文章對照融資上限、此前已確定投資額與最終交割金額,並交代投資者認購調整及退出安排,呈現本輪融資的落地細節。
Rumpelstiltskin Dance AI 以固定踮腳舞動作模板,將 1–2 張成人照片製作成附聲音的迷因舞蹈短片,並透過 Cloudflare Workers 和 TryAllAPI 串接 Seedance。用戶可選擇加入第二位舞者;網站提供 720p 影片,500 credits 售價 $8.88,並支援 Stripe 訪客結帳。
trychuttamalle.app 在 Cloudflare Workers 上推出單張授權成人肖像生成直向舞蹈影片的產品,並以 Stripe 點數付款,生成失敗時退還點數。用戶可取得約 15 秒、9:16、720p 的 MP4;系統會在建立生成任務前鎖定點數,成功後交付影片,失敗則退款。
Alors on Danse AI 在 Cloudflare Workers 上推出雙人短片工具,讓用戶上載兩張照片,生成白色影棚迷你鍵盤舞蹈短片。影片約 15s,提供 480p/720p MP4 及原創 AI 電子音樂,並透過 TryAllAPI 呼叫 Seedance。產品以固定模板簡化生成流程,並以 Stripe 點數付款、Cloudflare D1 記錄訂單和任務。
Raindance AI 以 Cloudflare Workers 建立按時間軸選取片段的翻拍產品,並透過 TryAllAPI 呼叫 Seedance 生成影片。用戶可選擇單人或雙人、換頭或全身替換,並挑選 3–10s 片段;產品價格由 $5.99 起。Worker 會明確傳送片段時長,並以 Stripe 點數處理付款及失敗退款。
Burningbridgesvideoai.com 將 1–2 張成人照片製作成直向 AI 派對掃描影片,固定呈現水晶吊燈、銀杯及遮眼尋人的場景。產品部署於 Cloudflare Workers,透過 TryAllAPI 呼叫 Seedance 生成影片。單次購買無須建立帳戶,720p 影片售價由 $8.88 起。
Marat Muslimov 説明 Shotcat 如何在瀏覽器中從螢幕錄影推斷點擊位置,先用像素變化辨識畫面反應及滑動,再由視覺模型定位控制項。影片留在瀏覽器,模型每次只收到點擊前後兩張 768 px JPEG;按測試時價格,每次點擊約耗 2.4k tokens,10 次約 $0.02。
這篇教學示範如何建立影片 AI 配音工具,以 STT 擷取對白、機器翻譯轉換文字,再用 ElevenLabs 的 TTS 和語音克隆生成配音。工具可把新音軌與原影片合併;文章亦説明調整語音設定、處理音畫同步及長文本限制的方法。
Kanto Labs 示範如何以約 20 行 Python,透過 Apify 的 Video Frame Extractor 擷取帶時間戳記的影片關鍵影格,再傳送至 OpenAI 或 Claude 視覺模型分析。指南建議採用 8–20 張、闊約 1024 px 的影格,剪輯影片按場景切換抽取,單鏡頭影片則按固定間隔抽取;毋須安裝 ffmpeg 或 OpenCV。
文章整理以 Premiere scripting(ExtendScript)建立批次影片剪輯流程的實作經驗。建議用 JSON 編輯計劃分開分析與時間軸操作,讓各工作可從中斷處恢復,並把匯出排入 Adobe Media Encoder;Premiere scripting API 以每秒 254,016,000,000 ticks 計時。匯出前應先驗證工作內容,並保留人工審核步驟。
作者實測 VEED.io 的影片生成、剪輯及 AI 配音,發現剪輯清理和西班牙語配音表現突出,但 AI 口播影片偏離瑜伽主題。30 秒 AI 口播影片消耗 240 credits,輸出為 720p,且短於指定長度;靜音移除則在約五秒內把 72 秒片段縮至 58.7 秒。西班牙語配音的聲線與作者本人相似,唇形同步自然,但翻譯將女性説話者錯用陽性語法,字幕也需要校正。
Wave Forcing 協同設計生成、訓練與執行,實現外觀一致、動作自然的連續長影片生成。於 Wan2.1-T2V-1.3B 上,5-step WF 的整體質素與 Rolling Forcing 相若。
StreamDuo 將可訓練的解説員與凍結的研究智能體配對,由研究智能體查閲遊戲維基,協助解説員評論未見過的遊戲。模型在 Baldur's Gate 3 上訓練,並在十款未見遊戲上測試;相較以相同數據訓練的 Proact-VL,實體召回率由 0.082 升至 0.116,來源遊戲資訊洩漏率由 9.9% 降至 1.0%。
Figma 宣佈 Figma Weave 的創意工作流程可與 Figma frames 連接,並透過節點流程處理和重用圖像或影片製作步驟。用戶可從同一起點建立分支、比較不同 AI 模型的生成結果,並以編輯節點調整圖像或影片。工作流程亦可封裝為 Weave tools,讓團隊成員直接執行;Weave tools 的社羣發布現已開放。
The Biological Computing Co. 推出 TBC Mischief 1,這款基於 Wan 2.2 的圖像轉影片模型稱在相同品質下速度約快五倍。模型可透過 fal 和 OpenRouter 使用,定價為每秒影片 $0.005。公司尚未發布獨立測試以佐證速度數據。
多個 Bama Bound AI 影片工具的價格比較顯示,單次購買一段影片,專門網站的價格約為 $8–$10。bamabound.app 的 480p 和 720p 影片分別收費 $7.99 和 $9.99;bamaboundai.com 的 720p 單段影片為 $7.90。部分訂閲工具列出的每段價格以最佳年度訂閲費率計算,單次購買可能較貴。
快手於10月30日晚間公告,旗下影片生成大模型可靈AI本輪增資已完成交割,所有投資人均已支付認購款。投資人支付的增資款總額約為人民幣198億元,摺合超過29億美元。
TBC 推出基於 Wan 2.2 的 TBC Mischief 圖像轉影片模型,並於 10 月 30 日透過 fal.ai 上線。TBC 稱其生成速度是底層模型的 5 倍、成本降低 80%,輸出品質亦有提升;公告沒有提供獨立基準或足夠測試細節。模型可免費使用至 11 月 2 日,公告價格為每秒生成影片 $0.02。