Tiny Desk AI 视频为何爆火,以及如何用照片制作
Tiny Desk AI 视频在 2026 年 10 月下旬爆火,所有版本都基于 NPR 同一段 19 秒演出素材,用参考驱动编辑模型逐镜头换脸。文章整理出制作流程与关键坑点,包括一个角色一张脸、prompt 不提嘴、参考片段需整秒数等。若只想生成原创演出视频,可用图生视频模型从一张照片生成。
推荐理由:整理出Tiny Desk AI视频的制作流程与关键坑点,创作者可据此复现换脸演出视频。
Tiny Desk AI 视频在 2026 年 10 月下旬爆火,所有版本都基于 NPR 同一段 19 秒演出素材,用参考驱动编辑模型逐镜头换脸。文章整理出制作流程与关键坑点,包括一个角色一张脸、prompt 不提嘴、参考片段需整秒数等。若只想生成原创演出视频,可用图生视频模型从一张照片生成。
推荐理由:整理出Tiny Desk AI视频的制作流程与关键坑点,创作者可据此复现换脸演出视频。
创作者 Devajyoti1231 发布开源项目 Openjutsu,实现基于 MiniMax H3 的本地一键视频角色替换。上传视频和人物图片即可运行,逐片段替换并保留原音频,还支持物体替换、背景修改、从图片生成、面部修复和颜色修复等模式。
Luma 面向电影人的 AI 工具(Ray 3.2、Camera Angles、Light Transfer、Face Swap)已成熟为生产级工具,可将前期制作时间缩短最多 80%。
Luma AI在12款AI视频换脸工具评测中领先,其换脸功能结合全球首个推理视频模型Ray 3.2与精确编辑工具。使用时间一致性的换脸工具在持续视频替换中效果最佳,DeepSwap支持最多6张脸同时替换,4K HD处理。Magic Hour将换脸与对口型、会说话照片结合,API访问支持开发者集成。
微软 Teams 将允许组织接入已认证的第三方工具,扫描会议视频和音频以检测深度伪造,功能于 11 月中旬在桌面版、Mac 版和网页版逐步推出。检测由外部提供商完成,Teams 仅展示警告弹窗并提供操作选项;检测机器人需管理员授予 Calls.ReportSyntheticMedia.All 权限,输出 0.0 到 1.0 的置信度评分及低中高三级判断。
日本演员工会(约2600名演员与配音演员)宣布一系列措施,要求在AI应用每个阶段征得表演者知情同意,企业须告知声音是否用于AI训练并协商报酬。准则对已故演员更为严格,除非生前明确同意,否则禁止用AI复制其声音,还需取得在世家属或遗产管理机构许可并支付版权使用费。工会称此举旨在保护已故表演者的尊严、名誉与艺术遗产。
澳大利亚足球运动员克里斯蒂安·沃尔帕托与加州公司卡兰多(Callandor)达成协议,独家授权对方使用自己的数字形象、声音、生物特征数据和赛场表现数据,由卡兰多对接品牌合作并抽取分成,同时拦截未经许可的相关内容。
Higgsfield 提供三种把自己放进 AI 视频的方式:Create Video 用单张照片生成新片段,Soul ID 用 20 到 80 张照片在约 3 到 5 分钟内训练可复用角色,Video Face Swap 则把一张清晰人脸照片换进已有视频。
Higgsfield 与 HeyGen 定位不同:前者是集图像、视频、音频与对口型模型于一体的创作套件,后者以数字分身和 AI 头像生成口播视频见长。Higgsfield 付费方案 15 美元/月起(49 美元解锁全部模型与功能),HeyGen 为 29 美元/月起,支持 175+ 种语言翻译。
CU Boulder 团队提出 DeepSFU 视频会议 AI 换脸检测系统,直接读取压缩视频中的帧间编码信息,无需解压重建画面,算力消耗比现有模型低 143 倍。该系统在 1000 个含 AI 换脸的在线视频上测试,准确率接近完美,仅需检查每 100 帧中的 1 帧。研究团队希望将其扩展至大规模视频会议场景。
CreatorOS Studio 以 Apache-2.0 开源,在本地 GPU 上基于 ComfyUI 提供一键式视频创作,不消耗积分、不经过平台内容过滤。
推荐理由:作者因托管平台审核与积分消耗自建本地工具,展示了开源模型在本地完成分镜到成片流程的可行路径。
有用户在 RTX 4080 Super 上使用 Wan SCAIL 做角色替换,效果时好时坏,偶尔会凭空编造细节,且生成时间较长。其尝试的 MiniMax H3 工作流表现更差:要么完全幻觉、未包含源图中的人物,要么视频尚可但保留原脸未完成替换。该用户因此质疑 MiniMax 的实际表现,并寻求可用的工作流或替代模型建议。
PixVerse 官方博客介绍用 AI 角色动画工具在多镜头中保持同一面孔与造型,平台提供角色锁定、参考图与多镜头生成能力以降低角色漂移。文章给出详细角色表、固定关键词顺序、反向提示等提示词纪律,并建议用 3D 参考图集为图生视频提供视觉锚点。文中还对比了 Character Creator 与 Reallusion iClone 在定制与绑定动捕上的侧重。
Higgsfield 发布 AI 数字人制作指南,用 Soul 2.0 生成角色图、Seed Audio 1.0 配音,再在 Seedance 2.5 中以图片和音轨为参考生成对口型说话视频。
Netflix 动画电影负责人 Dan Lin 在最新一轮裁员中离职。迪士尼在经历一年裁员后,拨款 1.8 亿美元从破产的 Character.AI 招募员工。Jinko Gotoh 将接替任职 13 年的 Marge Dean 出任 WIA 主席。
Higgsfield 官方博客对比了 InVideo AI、HeyGen、Higgsfield、Synthesia、LTX Studio 五款长视频 AI 工具,按成片时长、跨场景一致性和成本逐项评估。
作者拆解了一套从原始素材到成片的 AI 换脸视频工作流,用 00 到 09 十个文件夹划分镜头规划、参考图、生成包、帧对齐、终版合成与质检等阶段。生成环节在 ComfyUI 上用三台 NVIDIA DGX Spark 跑两遍流程,先 1280×736 草稿再 1920×1088 精修,8 秒 1080p 级片段约需 1 小时。
推荐理由:作者复盘 54 个镜头、8163 帧的换脸视频全流程,重点在帧对齐与版本管理这类容易被忽略的工程环节。
Synthesia 为 NVIDIA 创始人兼 CEO 黄仁勋的卡通形象 TJ 构建了互动数字人,于 10 月 21 日至 22 日在柏林 GTC 现场担任会议向导。
VX Studio 创始人 Shaurya Gupta 以 90 集、约 1600 次生成的竖屏剧为例,说明 AI 视频引擎没有记忆,同一角色跨镜头会出现脸型、年龄和身高漂移,连续延展到第四次时已像换了演员。
推荐理由:一位 AI 短剧制作平台创始人复盘 90 集竖屏剧的实操经验,逐条列出角色一致性、镜头延展与宽景失真的失效点及应对办法。
ComfyUI 虚拟人自定义节点开发进入第 5 篇,本次强化与 3D Pose Editor 的联动,并新增表情预设。UI 经整理后,Model 调用等按钮移入 File 标签页供各菜单共用,其余归入 Option 标签页,左侧面板仅保留表情参数以提升操作性。数据中新增羊驼、海獭、甘栗、薄荷巧克力与 Vtuber 等设定。
布莱顿品牌机构 UnitedUs 为面部授权与溯源登记平台 Twinnin 完成品牌重塑,核心是一枚形似防伪全息图的“Verified Human”标识,让用户一眼确认真人已授权。
Synthesia 官方博客发布 2026 年 5 个最佳 Tavus 替代方案,基于 157 名评分者对 609 段对话的评测。Synthesia 以视觉质量 0.95、整体体验 0.48 居首,Tavus 分别为 0.42 和 0.08;Anam 对口型得分 0.60 最高。Tavus 的不足包括每分钟约 $0.24–$0.37 的成本、自助套餐仅 1 至 15 路并发,以及知识库仅支持英文。
Higgsfield 官方博客对比了 9 款 AI 对口型视频生成器,涵盖 Higgsfield Lipsync Studio、HeyGen、Sync Labs、LipDub、Kling AI、Rask AI、Captions、D-ID 和 Vozo AI。
BytePlus 于 10 月 15 日上线 OmniHuman 2.0,一张图片加一条音轨即可生成带对口型的 720p 表演,支持文本提示控制手势与镜头运动,并允许多人同框。价格从每秒 0.12 美元降至 0.07 美元,即每分钟 4.20 美元、五分钟长镜头 21 美元。该产品通过字节跳动的企业平台 BytePlus 销售,预算需考虑可用一分钟素材需要拍多少条。
有用户在 ComfyUI 社区求助:用 Flux 2 Klein 工作流做 i2i 换脸时,生成结果在头部大小、位置和面部表情上与原图不匹配,眼睛、嘴和眉毛无法精确对齐。该用户此前先训练模型生成“够用”的照片,再在最后一步做换脸,但效果仍不理想,并询问这一目标目前是否仍无法实现。
ComfyUI 虚拟人节点开发更新,角色性格改善后回复变长,数据增加带来"知性提升"的感觉。新增背景颜色与图片切换、环境识别能力,并扩充独白与哼歌词汇(此前仅有星空、 fluffy 等词),还向 VOICEVOX 词典注册了读音修正。
用 DomoAI 的「AIアバター」功能可让照片人物开口说话:台词放进音频栏,提示词栏只写动作和表情,不要抄写台词。所选秒数不一定等于成片时长,生成后需对比播放时间与录音长度,确认最后一句完整。成片按声音、口型、面部顺序检查,有问题一次只改一项再重做。
作者发布 H3 Recast 工作流,可在一次运行中替换已有片段里最多 3 个人物,保留动作、场景与原始音频,并加入 FaceRefine 对口型修复环节。流程为载入片段、取一帧用 Qwen-Image 或 GPT Image 等改成新形象作为场景参考,再为每人写一行描述,填几行就替换几人。
推荐理由:作者给出一次替换最多三人的 ComfyUI 工作流,并列出显存、内存与三档显卡实测耗时,便于评估本地部署成本。
演员吴越发文曝光微信视频号账号“花姐美肤日记”用 AI 生成她的虚假带货视频,视频以“吴越”形象和声音称产品是自己找上门的,末尾还有疑似“邓亚萍”的带货片段。微信团队回应称,该账号已被永久封禁、内容清空不可见。9 月 30 日中央网信办印发通知,部署开展为期 2 个月的“清朗·整治短视频虚假人设乱象”专项行动,重点整治利用 AI 合成虚假音视频假冒公众人物、实施虚假代言营销等行为。
论文提出 StreamingSwap,一个参考引导的流匹配框架,用于实时流式视频换脸。方法上引入 Joint Rec-ID Loss,按噪声水平平衡显式身份监督与隐式重建,并通过 Face-RoI Generation 与 Short-Context Rollout Training 减少空间 token 和时序上下文。
演员吴越10月18日在微博点名短视频账号“花姐美肤日记”用AI换脸和声音克隆伪造其形象与声音推销护肤品,涉事商品IRY重组胶原蛋白精华液近30天售出超7000单。
推荐理由:记者实测一张公开照片即可绕过平台关键词审核生成明星带货视频,并摸清定制换脸视频的报价与商家态度,呈现了侵权链条的实际门槛。
北京星也律师事务所高级顾问于泽辉在骨朵直播间指出,AI偷脸指未经肖像权人同意,用照片、视频复制合成或模仿可识别肖像,核心认定标准是"可识别"。他提到米哈游游戏角色声音被AI变声软件盗用一案判赔75万元,配音演员王女士声音被盗用案获赔5万元。创作者应保留提示词与参考图等创作记录,普通人授权数字分身需明确用途、期限与禁忌条款,发现被盗用应先固证再投诉或起诉。
ComfyUI 虚拟人节点开发进入第三篇,作者持续改进角色对话系统:新增新角色以扩展对话,加入 embedding atlas 可视化对话数据,并新增无发声的普通 LLM 聊天模式。语音方面改用 Gemma4 实现可听声音,支持与 whisper 切换,但精度仍较低;同时加入文字转录提示按钮。
AIGCPanel v2.6.0 发布,新增「图片形象」入口,上传一张高清正脸自拍即可生成数字人形象,不再需要录制 10 到 30 秒的正脸视频。该版本同时支持在生成时微调语音合成参数,并为任务调度补上兜底机制。
女演员 Mia Goth 本周被拍到身穿印有“MY EX IS MY BIGGEST FAN”的 T 恤,但这张照片实为 AI 生成。该图发布在通过认证的 @miagoth_ Instagram 粉丝账号上,多家新闻媒体误信并转载。
苹果 10 月 16 日更新《App 审核指南》,在 1.2 条款中把 AI 生成的、未经当事人同意的私密图像明确纳入禁止范围。新增 2.5.19 条准则禁止应用审核时隐瞒真实功能、通过后再加入裸露化等有害能力,违规可能导致下架或终止 Apple Developer Program 资格。苹果还将禁止助长人口贩卖或剥削儿童的应用范围扩展至替代应用分发渠道。
推荐理由:苹果更新审核指南,把未经同意的 AI 私密图像纳入禁止范围,并封堵先过审后解锁的做法,反映应用商店对深度合成内容的收紧。
Deadline报道,一批AI驱动的单口喜剧视频正在盗用真人喜剧演员的段子、声音、举止甚至纹身形象,部分账号数月内积累数十万粉丝和数百万播放。
Mark Wahlberg 在 TechCrunch Disrupt 上表示,只要用法得当,AI 在电影制作中有其位置,他愿意让 AI 复制自己的形象延续银幕遗产。他计划在即将主演的 Pete Rose 传记片中用 AI 增强体育场场景等画面,但强调故事本身仍应是电影核心。他尚未体验 CAA Vault 的扫描技术,但对用 AI 形象让《Ted》动画剧集长期延续持开放态度。
字节跳动在 10 月 11 日北京抖音美好夜晚会上首次展示其未命名、未发布的世界模型,演示用鼠标控制镜头,并对周星驰《喜剧之王》原片素材重新取景,生成十余个机位。
ENCO 将在 10 月 21-22 日纽约 NAB Show(Booth 539)北美首秀 enCue 剪辑与自动新闻打包工具、增强版 SPOTai 视频广告方案,以及 Qimera 虚拟制作环境的 3D Talent Tracking。