用 OpenAI ImageGen、ComfyUI/WAN 和 ACE-Step 在 AMD RX 7900 XTX 上制作 AI 音乐视频
创作者用 OpenAI ImageGen 生成原始图像、ComfyUI + WAN 生成视频、ACE-Step 制作音乐,并用 RIFE / FlowFrames 补帧、FFmpeg 完成最终合成,做出一支名为 Dancing in the Dark 的完整音乐视频。所有视频生成、音乐制作与渲染均在 AMD RX 7900 XTX 上本地完成。
创作者用 OpenAI ImageGen 生成原始图像、ComfyUI + WAN 生成视频、ACE-Step 制作音乐,并用 RIFE / FlowFrames 补帧、FFmpeg 完成最终合成,做出一支名为 Dancing in the Dark 的完整音乐视频。所有视频生成、音乐制作与渲染均在 AMD RX 7900 XTX 上本地完成。
小川奈美发布 AI 短片第 4 弹「晨间时光篇」,使用 ComfyUI 搭配 Wan2.2 14B 模型生成,分辨率 1024x576px、73 帧,由 3 秒 × 6 个镜头组成共 18 秒。制作环境为 Windows 11 Home、AMD Ryzen 7 7700 处理器、NVIDIA GeForce RTX 5060 Ti(8 GB)显卡与 32GB 内存。
作者在 RX 7800 XT(16 GB,ROCm)加 64 GB 内存的本地环境完成一支 3 分 26 秒音乐视频。
Krea 3 的 Ultra 模式于 10 月 22 日被合并进 ComfyUI 模板,作者通过 ComfyUI API 实测了该模型的编辑能力。Krea 3 支持原生 2K 编辑、只重绘改动区域的区域编辑、最多 8 张参考图合成、HEX 色值指定与版式文字保持;Ultra 固定输出 2K,单张耗时数分钟。
创作者水輝分享用 GPT、Grok、Meta AI、Gemini 生成原创角色介绍海报的经历,细化的分步指令多次未达预期,最终靠自行调整做成海报风成品。其日常生成环境为 RTX 3060 Laptop GPU(6GB VRAM)、32GB 内存,目前使用 ChatGPT 与 Grok 搭建的 ComfyUI 工作流,并希望有工具能自动生成适配本地环境的高画质视频工作流。
LTX 制作技术总监 Mohamed Oumoumad 与 Comfy 的 Doug Hogan 直播讲解 LTX 为 ComfyUI 搭建的专业 VFX 工作流,面向真实后期管线,涉及 16-bit EXR、ACES 色彩和交付分辨率输出。
Pictory 3 的 AI 视频智能体可把主题、受众、用途和时长等需求转成脚本、场景与预览,用户确认后再生成成片。营销场景中,HubSpot 的 Data Agent 与 Prospecting Agent 负责客户调研和购买信号监测,Salesforce Agentforce 生成营销简报与受众分群,Sprinklr 智能体监测 30 多个渠道并设审批与熔断机制。
Pictory 发布 Pictory 3,新增 AI 视频智能体:用户描述视频需求并回答五个设置问题后,智能体生成脚本、场景和预览,再通过对话或编辑器修改后生成成片。视频可从想法、脚本、网页、文档、PowerPoint 或录音起步,文档与 URL 合计每次最多 5 个来源。新用户将随推送进入 Pictory 3,旧项目仍保留在 Projects 中且不会自动转换。
用 Google AI Studio 测试视频生成时,应制作带剪辑决策的三镜头连续序列,而非只看单条精彩片段。测试需统一拍摄简报、限定每镜头尝试次数(如三次)并预设费用上限,检查角色身份、道具位置与空间方向在剪辑点两侧是否一致。审片修改应只重生成受影响镜头,并以可接受成本交付可剪辑序列作为采用标准。
越来越超现实了 👀 #Kling4 #KlingAI
有创作者基于 MiniMax H3 的 Ref2VA 能力,配合后台运行的 Wan2GP 搭建自定义前端,用于生成长视频。作者表示可借此指导动作并保持角色一致性,全部在 5060ti 16GB 上完成。下一步计划分析其他视频的风格与动作,再用新角色和场景自动复现。
字节跳动近两个月在AI视频工具上密集落子,已形成包含即梦、小云雀、漫剧创作工具、Dramagic 和剪映 Hub 的产品矩阵,分别对应影视级创作、短剧批量生产、漫剧、海外漫剧与剪辑场景。
作者在本地 ComfyUI 上用 MiniMax H3 的 Ref2VA 模型制作了 10 分钟喜剧短剧、7 类竖屏短视频和 60 个镜头的猫角色视频,每镜头约 2 分钟,换成 768p 的 8 步 LoRA 后约 3.5 分钟。
推荐理由:作者用本地 ComfyUI 跑 MiniMax H3 做多镜头角色视频,逐条给出崩手、眨眼、多肢的成因与改法,可迁移到自己的出片流程。
一句甜甜的提示词。💜 #Kling4
用户在 ComfyUI 运行从 Civitai 下载的 Z-Image WAN 2.2 图生视频工作流(WAN2.2_Img2video_auto.json)时持续报「Bundle Auto-Loader failed」。
火山引擎启动 Seedance 2.5 4K 模型第一批企业用户试用,与作品绑定、定向供应给全球 20 家工作室和导演,探索高端影视需求。该模型主打人物表演更细腻自然、参考生成和编辑一致性更精细,是 Seedance 2.5 这一代中的最强模型。一家已试用模型的电影工作室称,可先用 480P 生成样片,满意后再用 4K 重新生成;在用的 20 部作品中最早下个月有卫视 S 级 IP 播出。
推荐理由:Seedance 2.5 4K 以定向试用方式进入 20 部影视作品,可观察高端影视对生成模型的实际采用节奏。
可灵(Kling)官方账号发布带 #KlingAI #Kling4 标签的简短预告,未披露具体能力与上线时间。引用内容显示 Kling 4.0 已在 OpenArt 上线,支持首尾帧与中间帧引导、最多 10 张参考图、文生或帧生视频及视频编辑,Pro 与 Wonder 套餐在 11 月 20 日前享 50% 折扣。
来点戏剧性!#Kling4 #KlingAI Kling 4.0 现已登陆 Picsart,Picsart x @Kling_ai 4.0 微短剧挑战赛正式开启!🎭🏆 5万美元奖金,五位获胜者,每人1万美元。来点戏剧性,让我们感受到它! 参与入口 👉 https://tinyurl.com/dbfztpdm
RealMe 提出一套以高分辨率视频扩散模型为核心的统一框架,可将稀疏、低分辨率的多视角采集增强为 2K、4D 一致的视频,用于体积视频重建。模型将辅助数据编码为 latent 并配合布局感知位置嵌入,把分解式时空注意力适配到多视角采集布局,同时在 latent 空间引入频率损失缩小生成视频与真实采集的差距。
一位用户在 HP Omen 16 笔记本(RTX 5090 24GB 显存)上对比 LTX 2.5 与 Wan2.2 生成 5 秒视频:LTX 2.5 仅需 0.54 分钟,Wan2.2 耗时 45 分钟。其发现 Wan2.2 运行时 GPU 仅占用 14GB 显存,其余转至 32GB 内存(实际用到 28GB),两套配置均为开箱默认设置。
可灵官方宣布 Kling 4.0 已在 OiiOii 平台上线。据 OiiOii 的说明,该版本支持最长 30 秒视频生成,主打电影级画质、精准运动与稳定场景,11 月 30 日前使用可享 25% 折扣。
Kling 4.0 已在 OnSolo 上线,支持单次生成 30 秒原生视频,快速动作与大运镜中保持运动稳定。该版本提供立体声与更精准的对口型,支持 21:9 宽画幅,单次任务最多可堆叠 15 个参考和 10 个关键帧。
推荐理由:Kling 4.0 上线 OnSolo,给出单次 30 秒原生视频、21:9 画幅与多参考图堆叠等参数,便于创作者对照现有流程评估。
一位用户在 ComfyUI 中搭建了从 YuE2 生成歌曲、Z-Image Turbo 出角色图、Qwen-Image-Edit 2511 做关键帧,到 Wan2.2-S2V 对口型、Wan2.2-I2V 两阶段渲染、FILM 补帧至 48fps 的完整视频生成流程。但生成结果中手部和多人场景常出现三只手臂等失真,他正寻求更真实的工具与开源模型建议。
可灵宣布 Kling 4.0 已在 Adobe Firefly 中上线,用户可通过 Adobe 提供的链接直接试用。该版本以 Kling 4.0 名称接入 Firefly,官方未披露更多功能细节。
推荐理由:可灵 4.0 接入 Adobe Firefly,创作者可了解该版本在 Adobe 工作流中的可用入口。
ulearn 于 10 月 15 日推出 AI 漫画制作平台 Drawspire,可从下描稿和文字说明生成漫画分镜,并检测画面是否过度相似于既有作品,月费 0 至 5,980 日元共 4 档。
用户在单张 3090 上对比 FastH3 Omni 与 Ref2VA + 8steps Turbo:四组镜头均为原生 768×1344、24fps,提示词、种子及身份与服装参考一致,背景全部由文本提示生成。Omni 平均每次渲染 8 分 26 秒,Turbo + VSA 为 8 分 01 秒,均覆盖 158 帧生成、每段展示前六秒。该用户认为 Turbo + VSA 画质更好且略快。
有人为 MiniMax-H3 的 Ref2VA(参考图生成视频与音频)任务发布 8 步和 4 步 PTD 加速 LoRA。
研究者提出免训练稀疏分配方法 ALLOT,将每层与每个去噪步的组合视为单元,通过单元探测与轨迹校准估计其对最终视频误差的贡献,并在实测延迟预算下联合优化各单元密度。
一位创作者分享持续制作 AI 视频的真实体验:每月在 AI 工具上花费数万日元,单条视频制作耗时 6〜8 小时,且付费生成也常出现动作不符、角色崩坏、背景变化等失败,失败生成同样计费。画面精美已难形成差异化,YouTube 规则与判断还可能影响变现。
中国广电原创出品的 AI 微短剧《永不失联的通讯班》在全国有线电视平台及“中国广电”App 首发上线,纪念中国工农红军长征胜利90周年。剧集聚焦1935年6月红军翻越夹金山,讲述现代通信工程师林岳穿越加入红军通讯班、守护无线电生命线的故事。作品借助 AI 完成场景复原与画面渲染,压缩置景和后期周期、降低制作成本。
研究提出 Future Chunk Prediction(FCP),一种与 teacher forcing 去噪联合优化的辅助目标,在看不到中间视觉上下文的情况下预测时间上相隔的视频块。
社区微调模型 MiniMax H3 Singularity 的 V2 INT8 检查点于 10 月 21 日上传至 WarmBloodAban/Minimax-h3_Singularity 仓库,文件为 Minimax-h3_Singularity_ref2va_v2_int8.safetensors,大小 31.7 GB。
Stable Diffusion Art 发布教程,介绍如何在 ComfyUI 中用 MiniMax H3 的 Add Guide 节点把多张关键帧图、视频片段和音频锁定到 24fps 时间轴的具体帧位,一次生成带立体声对白、音效与配乐的视频。
推荐理由:教程给出多关键帧锁定与音画续接的具体节点设置,并修正了官方模板的时间戳截断问题。
在 LA Tech Week 2026 上,可灵与 Oxen AI 和 Obsidian Studio 一同探讨 AI 视频如何融入企业内容生产——从镜头创作到最终交付。 观看精彩片段,了解 Kling 4.0 如何支持复杂的制作需求。
小智博客发布教程,介绍在 ComfyUI 中用 MiniMax H3 做文生视频,内容涵盖环境准备、硬件与软件要求,以及从 ModelScope 或 Hugging Face 获取 MiniMax H3 模型文件,并给出安装升级 huggingface 相关依赖的步骤。
Luma的Ray 3.2与Seedance 2.5分别侧重帧级控制与同步音频生成,用户可按项目需求选择。Ray 3.2支持HDR输出、EXR导出和最多16个关键帧,适合专业后期;Seedance 2.5可一次生成30秒带同步音效、音乐和口型的片段。两者均通过Luma提供,可在同一工作区内切换使用。
Gemini Omni Flash 擅长对话式编辑与多模态输入,Wan 3.0 可生成最长 30 秒片段并支持文档输入,两者各有优势。Luma AI 的 Ray 3.2 提供多关键帧序列、HDR 输出和 EXR 导出,Layers(由 Uni-1 驱动)支持单元素修改,适合生产流程。2025 年 AI 视频生成市场规模约 7 亿至 20 亿美元,北美领跑。
Veo 3.1 与 Runway Gen-4.5 的对比显示,创意团队选择 AI 视频工具时需兼顾生成质量与后期工作流,Luma Ray 3.2 以多关键帧控制(最多 16 个)加入竞争。
Seedance 2.5 与 Kling 3.0 在 2026 年 AI 视频生成对比中各有侧重:前者主打 30 秒原生片段、多参考输入(最多 50 个)和原生音视频一次生成,后者主打最高 4K 输出与物理运动真实感。
抖音集团短剧版权中心发布互动剧、互动影游合作征集,开放联合发行、联合出资与IP联合开发,寻找真人及AI制作的互动作品。同期三款面向海外的互动故事App出现,其中DramaRemix主打剧情选择与AI视频创作,Boss Reels将短剧与小游戏结合,inStory鼓励用户用AI把个人经历制作成视频故事。
推荐理由:抖音开放互动剧合作征集,同期三款海外互动故事App上线,可据此观察互动短剧赛道的平台动作与产品形态。