影片逐幀升頻為何會令畫面閃爍:成因與處理方法
逐幀 AI 影片升頻即使令單張畫面清晰,也可能因各幀獨立重建而產生紋理閃爍、邊緣游移等時間不穩定。文中將成因分為隨機紋理重建、次像素移動下的邊緣量化、GOP 邊界脈動,以及色度與時間交互作用。作者建議以無損 PNG 序列比較靜態區域的逐幀差異,並考慮時間降噪、先用 2× 升頻及下採樣,以減少閃爍。
逐幀 AI 影片升頻即使令單張畫面清晰,也可能因各幀獨立重建而產生紋理閃爍、邊緣游移等時間不穩定。文中將成因分為隨機紋理重建、次像素移動下的邊緣量化、GOP 邊界脈動,以及色度與時間交互作用。作者建議以無損 PNG 序列比較靜態區域的逐幀差異,並考慮時間降噪、先用 2× 升頻及下採樣,以減少閃爍。
文章指出,AI 影片升頻至 4K 後畫面變差,問題往往在於預設不適合素材的劣化類型;升頻模型可能把壓縮瑕疵當成細節一併強化。文章比較 Natural HD、Ultra Crisp、True Texture、Cinema Vivid 和 Clear Reality 五種預設,並建議先檢查素材,按需要降噪及調整色彩、曝光,再升頻和輕度鋭化。
AI 影片升頻後畫質變差,往往是選錯預設,而非 4K 本身有問題。文章比較 Natural HD、Ultra Crisp、True Texture、Cinema Vivid 和 Clear Reality 五種預設,説明各自適用的畫面特質與取捨。升頻前如何處理來源,以及預設之間的配合,也會影響結果。
影片升頻後效果變差,往往是因為選用的模型預設不適合素材中的損傷,而非 4K 本身有問題。五種預設分別針對自然畫質、清晰邊緣、材質紋理、色彩對比及混合損傷作取捨。升頻前應先檢查主要損傷;若有方塊或蚊狀雜訊,應先降噪。
AI 影片升頻後畫面變差,原因是所選預設與素材的損傷類型不匹配,而非 4K 本身。文章比較 Natural HD、Ultra Crisp、True Texture、Cinema Vivid 和 Clear Reality 五種預設,説明它們各自適合的素材。建議先檢查畫面,必要時降噪並校正色彩與曝光,再按素材選擇預設升頻,最後輕度鋭化;360p 輸出至 4K 不會增加新的影像資訊。
文章比較影片放大 2 倍與 4 倍的效果,指出 4 倍會估算更多像素,可能造成皮膚光滑如玻璃、紋理流失等失真;以 540p 片段測試,放大至 1080p 的 2 倍版本保留紋理較佳。除打印、大幅輸出、缺乏細緻紋理的舊素材及後續會縮至 1080p 等情況外,2 倍通常較合適;降噪、放大、輕微鋭化的處理次序也很重要。
PhysLoop 以大語言模型作為物理判斷器,透過生成影片、檢測物理違規及回饋修正的閉環流程,提升 AI 影片的物理一致性。測試中,PCCS 由 0.45 升至 0.62,平均連貫時長由 4 秒增至 8 秒;5 秒影片的推理時間則由 1.8 秒增至 2.1 秒。
AI 影片升頻效果變差,往往是因為選錯預設,而非 4K 本身有問題。文章比較 Natural HD、Ultra Crisp、True Texture、Cinema Vivid 和 Clear Reality 五種預設,指出應按素材的模糊、壓縮瑕疵、雜訊及材質需求選擇;若有明顯方塊或蚊噪,應先降噪再升頻,以免升頻模型放大瑕疵。
MarkTechPost 按 Artificial Analysis 的盲測 Elo 排列 2026 年 AI 影片生成模型,並比較每秒 API 價格及權重授權狀態。
黃仁勳在婚外情醜聞曝光、董事會就他可能成為外國情報行動對象的疑慮展開調查後,於週四辭任 Nvidia 行政總裁,網上隨即湧現大量以他為主角的迷因。不少寫實影片迷因由生成式 AI 製作;其中一段把《The Matrix》的 Neo 換成黃仁勳、Morpheus 換成 Donald Trump,觀看次數超過 7.5 million。
CutVoke 以本地 faster-whisper 產生字幕草稿,不直接修改專案;人工或 Agent 校對確認後,字幕才會作為一個可撤銷批次提交。草稿會綁定來源簽名,片段或來源檔案有變更時便拒絕提交,避免舊時間戳寫入時間軸。任務和校對草稿存於與專案共用的 SQLite 資料庫,關閉應用程式後仍會保留;辨識結果仍需人工核對,尤其是人名、方言及音樂較多的音訊。
字幕檔案即使通過解析、沒有任何解析錯誤,仍可能因時間重疊、顯示時間過短或行長超限而難以閲讀。開源工具 subtitle-timing-kit 的檢查器會將重疊列為警告;示例中兩段字幕重疊 700 ms,第三段每秒顯示 101.7 個字符,並超出 42 字符的行長限制。工具將閲讀速度和行長設定為可調整的檢查門檻,並非無障礙認證。
AI Rap Video 開發者分享,製作按用量計費的生成式影片工具,關鍵在提交前清楚交代費用、檔案保留時間、失敗處理及照片許可要求。Seedance 2 Fast 以 12 秒、480p、無影片參考為基準,收費為 45 credits;選項改變時,報價亦會更新。用戶必須確認照片中的成年人已同意參與,公眾人物及未成年人照片則不獲準使用。
AI短劇《持械入宋》上線後逐步走紅,製作方稱截至11月7日全網累計播放量突破120億;團隊隨後把月產量由最多20部降至個位數,轉而投入劇本、人物和細節打磨。文章指出,AI降低製作成本並未降低觀眾對故事的要求;紅果「果燃計劃」已投資立項近20部AI劇,並將增加知識科普、公益等方向的投入。
Adobe 與 Google 擴大 AI 合作,將 Google 的圖像及影片模型整合至 Adobe 創作軟件,並把 Adobe 工具延伸至 Google 產品。
文章説明如何把一段時間內的系列影片剪成回顧影片,建議挑選能獨立成立的短片段,按故事而非日期排序,並依音樂節拍剪輯及預先設定片長。underway 亦會從系列影片製作每週 60 至 90 秒的回顧影片,並在每月有至少四集時製作少於兩分鐘的影片;每個片段均標示來源集數和日期。
成都 40 歲從業者白非空辭去家居 3D 設計工作,投入 4000 多元並用一個半月獨立製作 96 集 AI 短劇《重生螳螂,覺醒無限吞噬進化》,全網播放量突破 6 億。他現正籌備第二季,並表示第一季部分 AI 生成鏡頭特效的呈現效果令他驚喜。亦有網民稱實際製作成本較高,有人表示一集就要花費數千元。
Pika-H3 透過傳遞上一段推理的 latent 隱狀態及角色參考特徵,配合首尾幀續寫,延續人物、光影與構圖,改善 AI 漫劇短片拼接後的連貫性。文章提供 ComfyUI 操作與參數建議,建議拆成 10‑15 秒小段接力續寫,再用 FFmpeg 平滑拼接;另附工作流、提示詞模板及調度腳本。
被指未經授權使用87版《紅樓夢》17位演員面部特徵與表演神韻的AI短劇,即使改編的是已超出著作權保護期的原著,仍可能侵犯肖像權。《紅樓夢》原著情節改編一般不構成侵權,但模仿或擅改電視劇經典橋段可能侵犯原作著作權,商業用途亦可能觸及不正當競爭。AI微調後只要演員仍可識別,且使用超出必要範圍,仍可能侵犯肖像權;評論呼籲有關部門依法規制相關亂象。
LiveFaceSwap 開發者將瀏覽器工作室的處理後影片接入 OBS,並發現要讓其他應用程式直接選用該畫面作為攝影機,還需作業系統整合。桌面版以 Electron 承載工作室,透過橋接程式將畫面交給 Windows Media Foundation 攝影機來源;原生版本目前以未簽署預覽版提供,支援 Windows 11 22H2 或以上版本的 x64 裝置。
PhysLoop 以大語言模型引導影片生成、篩選及修正,協助影片生成模型生成符合物理規律的影片並自我改進。研究團隊公開了涵蓋室內及室外場景的 100K 段影片、生成工具,以及 PhysLoop-Gen 和 PhysLoop-Repair 兩個評測數據集。研究亦以 Physics-IQ Verified benchmark 評估影片的物理表現。
WorldDraft 評測基準用來衡量影片模型在程式碼構建 4D 世界後,能否保留世界運動並呈現指定視覺效果。基準包含 432 個測試案例,涵蓋 48 個可執行的 4D 世界類別;對 12 個代表性模型的評估發現,來源線索衝突可引發高達 64% 的來源洩漏。研究提出 WorldDraft-Primer,一種視覺提示策略,可提升凍結影片渲染器在兩項目標上的表現。
Sprokl 的建立者正為電商賣家打造 AI 影片廣告產品,聚焦生成影片之外,讓反覆製作廣告的工作流程更易處理。文中指出,團隊要製作不同廣告版本、投放並分析成效,再根據有效素材製作新版本;Sprokl 初步面向 Shopify 店主、獨立網店及小型營銷代理商。
作者提供 AI 漫劇動態影片本地生成的全流程實作,涵蓋圖生影片、片段剪輯、批量生產及故障處理。內容比較 AI 圖生影片與 FFmpeg 運鏡,並建議重要劇情鏡頭使用 AI 微動、過渡鏡頭使用 FFmpeg 運鏡。作者建議 8G 顯存按每段 16‑24 幀控制,任務串行執行,並提供 ComfyUI API 批量腳本及 FFmpeg 處理指令。
海聯金匯表示,聯動優勢業務團隊曾試做 AI 漫劇,製作少量作品並投放媒體,但投入資源及相應產出均很少。相關嘗試對公司經營業績基本沒有影響,亦不構成未來重點業務方向;公司會在發展主業的基礎上,審慎關注創新業務機會。
RTSP over TCP、ONVIF Profile T 與合適的 I-frame 間隔,是設計低延遲邊緣影片管線的關鍵。Profile T 支援 H.265、雙向音訊及標準化 JSON 分析事件;將 I-frame 間隔設為與影格率相同,或最多為兩倍,有助影片即時顯示。使用開源 VMS 時,應停用可能令串流凍結或音畫不同步的專有 Smart Codecs。
Anthropic 開始向 Team 和 Enterprise 方案推出 Claude Meetings beta,讓 Claude 加入影片通話並整理討論內容。
Newcomer 與 Bessemer Venture Partners 公佈首份 AI 100,列出 100 家非上市 AI 公司,Anthropic 排名第一、OpenAI 第二。大型模型研究公司只佔榜單 9%,卻佔合計估值 55%;100 家公司的合計估值約為 $3.5 trillion。排名考慮收入、估值和市場份額等量化因素,也納入人才與文化等較難量化的因素。
作者以 Seedance 2.5 720P 有參考圖每秒成本,比較即夢與 LibTV 雙十一個人連續訂閲方案,指出即夢包月各級及包季超級、高級會員較便宜,包年則各有高低。文章指出,兩家宣稱的 0.16元/s 採用以首月積分計算的極限算法;包季標準及基礎版則是 LibTV 較便宜。估算按雙十一活動價折算積分,未計贈送影片數,實際購買價格可能略有不同。
百度在百度世界2026主論壇發佈文心閃電深度思考模型及文心一鏡微表情大模型,並同步上線百度智能雲千帆平台,向企業客戶及合作夥伴開放 API 服務。
JVT(Just Video Transformer)以簡潔的大型 patch DiT 式 Transformer 直接進行像素空間影片擴散,無需預訓練自動編碼器或 U-Net 跳接,生成品質媲美潛在擴散基線。JVT 亦支援相機條件控制的 RGB-視差聯合生成,相較只生成 RGB 的基線改善相機跟隨,並可在推理時毋須額外重建模型,產生明確的場景幾何。
研究團隊公開 Llama-V-JEPA-LM 開放影片語言模型,將凍結的 V-JEPA 2.1 世界模型編碼器與 Qwen3 / Llama(1B–8B)結合,並以反事實監督進行單階段訓練。
AvatarSay 開發者構建文字生成虛構角色的説話角色工具,並對多款可免費試用或一次性付費的瀏覽器工具進行並排測試。AvatarSay 一次性付費點數包由 $9.90 起且永不過期;測試中的 3 秒影片需時 3 分 32 秒,6 秒影片則需時 12 分 23 秒。工具不接受照片上載,並將免費片段文字上限設為 75 個字符。
AtomCut 創作者 Shayan 比較 AtomCut 與 HyperFrames,將前者定位為可由 AI Agent 經 MCP 操控的瀏覽器動態設計工作室,後者則是把 HTML 頁面轉成 MP4 的框架。
Recraft Studio 現已提供 MiniMax H3 Image、H3 Image Highspeed、H3 Highspeed 及 H3 Lite,涵蓋圖像生成與編輯,以及影片生成。
文章提供一套以普通 8G 顯存筆記本和 ComfyUI 本地製作 AI 漫劇的入門流程,涵蓋由分鏡劇本、固定角色人設到影片輸出。流程包括以 IPAdapter + FaceID 固定角色形象、批量生成分鏡圖、用 Wan2.2 5B FP8 製作微動態,再配音、加字幕及剪輯。文中亦列出 8G 顯存優化建議及影片參數,包括 16 幀、720×1280、CFG=6 和採樣步數 20。
影片中的已燒錄浮水印會取代原有像素,應標記遮蓋區域及出現時間,再修復被遮蓋內容,而非裁剪畫面。CapCut Watermark Remover 可在瀏覽器本機處理影片、音訊及推理;首次使用須下載模型權重。免費版一次處理一段影片,上限為 50 MB、30 秒,輸出短邊上限為 720 pixels。
AI短劇產量激增、平台分賬下跌且投流成本高,文章據此認為做 AI 短劇未必比送外賣划算。文章引述數據指,2026年上半年抖音原生新上線 AI 短劇超過22.19萬部,每萬次播放收益已跌至約5元;投流買量約佔成本的80%到90%,算力支出約佔10%。
Robin Beraud-Sudreau 製作 Hermes 技能 short-video-script,讓 Agent 根據主題、平台及希望觀眾採取的行動撰寫短影片腳本。
阿里雲雙十一期間,HappyHorse 提供按量計費 8 折優惠,新開通阿里雲百煉的帳號可領取有效期 90 天的免費體驗額度。優惠只適用於指定地域的按量計費,Token Plan Credits 不能抵扣 HappyHorse 費用。文章亦實測 T2V、I2V、R2V、V2V,指出 R2V 多參考圖模式有助維持連續鏡頭中的角色與場景一致,但服務設有生成時長、並發及成本限制。