Opus 5.5等模型直出科普短视频《鸡》
再次瘫坐在地!Opus 5.5 + Image2.5 + H3直出 科普型短视频《鸡》 完整版制作中
再次瘫坐在地!Opus 5.5 + Image2.5 + H3直出 科普型短视频《鸡》 完整版制作中
作者实测 Stability AI 的 Stable Audio 3 Small-SFX,在 Intel Core i7-12700K 的 CPU 路径下生成 20 秒音效约需 9 秒,CPU 占用平均约 25%。
Apple 对 App Store 应用预览视频有严格规定:时长不超过 30 秒、默认静音播放、每个设备尺寸和语言最多 3 条,且必须使用应用内录屏、不得出现真人操作设备或手指点击画面。
ArchiGen 提出,建筑渲染的"4K"只规定了文件尺寸,未说明哪些几何结构必须保留、哪些缺陷重要。文章建议在下载 ComfyUI 工作流前先写一页输出契约,明确精确像素尺寸与画幅、划分受保护/可编辑/可舍弃三类区域、为每项改进指定具体缺陷名称、设定交付尺寸与检查缩放两级审核标准,并保存对齐的原图、输出与差异图作为证明。
ArchiGen 提出用六份文件替代通用工具排名,让第二个人能复现两款工具为何进入候选名单。其中包括同输入简报、输入路径记录、变更台账、第二张合格图计时、真实成本表等,成本按每张合格图而非每次生成计算。文章同时指出 Chaos 的六工具指南推荐自家 Veras,其对比含月付、年付、学生、按量及联系销售等多种价格。
ArchiGen 用 OpenAI 的 Codex 驱动 Blender 5.2.0 LTS,把光栅户型图转成模型并叠加原图审计,发现首个模型存在 5 处错误:厨房位置反了、走廊偏移约 1 至 1.4 m、卫生间门开错墙、凭空多出两处门洞与楼梯连接。
作者发布了一套 ComfyUI 工作流,用视频生成模型 MiniMax H3 配合角度变更 LoRA,改变已有视频的拍摄视角,可实现广角、侧面、低角度以及环绕目标的 360° Orbit 效果。该工作流完全本地运行、免费,通过多种技巧可在 8GB 低 VRAM 环境执行,并同时支持 SFW 与 NSFW 内容,文中附有下载入口与导入步骤说明。
推荐理由:作者公开了用 MiniMax H3 与角度变更 LoRA 改视角的 ComfyUI 工作流,并给出 8GB 低显存本地运行方案。
教程介绍一款可免费下载、在 Mac 本地运行的 AI 深度图工具,也可通过 Fal.ai 使用。用深度图作参考能显著提升 AI 视频在更换环境时的准确性。
Curious Refuge 发布教程,演示如何用 Fal 平台上的 Depth Anything 生成深度图。流程为上传视频、选择 VDA Large 模型并渲染,示例中约 60 秒生成灰度深度视频,再作为运动参考输入支持视频参考的 AI 视频生成工具,配合起始图像与提示词控制画面风格与运动结构。文中还提到 Depth Anything 开源,可在 Mac 本地运行免费生成深度图。
一位 60 多岁的日本作者分享自己从 ChatGPT 起步、用普通日语写提示词做 AI 图像生成的经历,并称无需会画画也能成为「创作的一方」。他实际制作了昭和学校午餐、敬老会笔文字、漫画传单等图像,也遇到「寿」「祝」等日文字形不准、需反复修正的问题。他总结出 5 个初学者技巧:具体描述人物、加入地点、说明氛围、指定风格、不客气地反复修改。
作者对 FLUX 3 Image(BFL API)做了 10 次连续编辑实测,把每次输出作为下一次输入,并用同坐标 RGB 像素比对检验保持力。固定脸部 10,720 像素区域在前 5 次编辑后与初图 100% 一致,第 10 次降至 52.67%;第 6 次扩大编辑范围后,指定外的脸部线条与阴影也发生变化。
unclejobs-ai 在 GitHub 发布 motion-video-skill,这是一个 Claude Code 技能,用于从零制作 30 到 90 秒的动画与视频,把流程拆成故事、角色、关键帧、视频转换、音乐配音、剪辑 6 个阶段。
日本上班族以 AI 生成约克夏犬短剧投稿 YouTube Shorts 与 TikTok,首日 YouTube Shorts 获 76 次播放、6 个点赞,TikTok 显示 0 次观看但记录总播放时长 2 分 14 秒、平均观看 19.3 秒、完播率 14.29%。作者称免费工具搜寻耗时超过制作本身,下一条 15 秒短片拟改用 Adobe Firefly 并计时对比。
Sony Pictures Imageworks 的纹理主管 Jody Tidsbury 与动态图形师 Nori Kaneko 披露,团队用 Adobe Substance 3D Painter、Designer、Sampler 和 After Effects 完成了《KPop Demon Hunters》的角色、服装、环境纹理与演唱会动态图形。
Chaos 称 Veras 的材质生成器可将任意参考图转为材质,或在 Cosmos 库中匹配材质,并保留映射、尺度与对齐。但文章指出,未经测量的材质样本只是颜色参考而非尺寸规格,生成结果可能外观相似却对应不同产品。建议在上传前先给样本配标尺、逐通道检查贴图,并在漫射光、掠射光和室内光三种光照下验证尺度与重复。
Chaos 称 GPT-6 Astra 在 Veras 中能把图像、草图、文本提示或平面图转成完整可编辑 3D 场景,并原生放入 Revit、Rhino 或 SketchUp,匹配存在处使用 Cosmos 资产,还提供代理烘焙与第一人称导航。
VIBE 免费版向新账号开放四款文生视频模型:Seedance Pro Fast(480p,2-12 秒,无音频)、LTX 2 Distilled(720p,5 或 10 秒,无音频)、PRUNA V(720p,2-10 秒,带音频)和 LTX 2.5 Fast(720p、5 秒,自动生成音频)。
Curious Refuge 用两个项目实测 InVideo 与 ChatGPT Astra 的 AI 音效设计,并与人工版本对比。InVideo 能识别部分音效位置但执行粗糙、音量不一致,ChatGPT Astra 结果更实用但同样未达专业水准;InVideo 耗时约两小时、花费 4.56 美元,ChatGPT Astra 约 1 小时 45 分钟、花费 5.20 美元。
作者称其视频并非用 Seedance 2.5 或 MiniMax H3 等专用视频工具制作,而是把自制工具生成的 Storyboard Sheet v5.0 分镜表交给普通 Gemini(Google Flow),提示词仅为请把这张分镜表直接做成视频并加上日语字幕。
一位用图像生成AI制作了10个LINE表情包角色的上班族,梳理了图像生成AI的擅长与短板。它擅长快速产出多样设计方案、表现氛围质感,以及忠实执行构图与打光指令;手和手指的描绘在2026年仍是弱项,而文字绘制与角色一致性已明显改善,Midjourney v7等在这方面有进展。
作者在 GMKtec EVO-X2(Ryzen AI Max+ 395、Radeon 8060S)上,用 Unsloth 发布的 MiniMax H3 剪枝 Q4_K GGUF 权重配合 stable-diffusion.cpp 的 ROCm 版本,测试了纯文本、单图 I2VA 和双参考图 Ref2VA 三种生成方式。
Opus 5.5 做这种科普和人文视频也很牛批啊 让他做了一个关于榫卯的科普介绍视频,质量非常好
作者用 ChatGPT 生成提示词,配合 Runway(Standard)和 Midjourney(Basic)为多张可颂照片生成广告风短片,再用 Canva(Pro)拼接并加字幕。配音环节用 ChatGPT(Plus)×HiggsField(Free)生成,但声音不符预期,最终改用 Instagram 配 BGM 无旁白成片。Runway 剩余额度不足,同规格广告仅能复现 5 秒。
HeyGen 于 2026 年 9 月 30 日发布首个通用视频模型 Video 1,一次调用生成含同步音频的完整场景,底层基于 MiniMax 的 H3 模型并由 HeyGen 后期训练。
MiniMax 于 2026 年 8 月免费公开开源视频生成模型 MiniMax H3,可装在自己的电脑上运行,把反复重生成的成本降到电费。它支持 Omni Reference,可传入最多 9 张图片、3 段视频和 3 段音乐作为参考以保持人物与画面一致性;据 ASCII.jp 报道,其云端版性能被认为可匹敌 Seedance 2.0。
推荐理由:开源视频模型把单条生成成本压到电费,文中给出显存门槛与授权地域限制,便于评估本地出片可行性。
这是一篇 Codex + HyperFrames 实现超帧视频编辑的教程,讲解如何用代码生成视频与 3D 动画,涉及 HTML Canvas 动画、AI 代理剪辑与产品演示动画生成等方向。
Pixelle-Video 在 Windows 上的部署教程,目标是把文案、配图和配音串成自动流程,从一个主题直接生成完整视频。原文指出传统短视频制作需在写文案、找图或生成画面、配音字幕背景音乐、剪辑软件之间反复切换,素材导入与重新生成最耗时间。
用 Claude Opus 5.5 做视频的方式不是模型直接生成画面,而是让 Claude Code、Codex 等 Agent 工具编写 HTML、Canvas、WebGL 或 Remotion 动画,再逐帧导出 MP4,字幕、镜头路径和转场都在代码里调整。
推荐理由:用 Agent 写 HTML、Canvas、WebGL 代码逐帧导出 MP4 的做视频路径,附 10 支成品与 5 个开源项目可顺着复现。
针对 AI 图像生成中姿势失控、手脚扭曲的问题,可用「3 点锚定法」拆解提示词:视线、关节(骨骼)位置、与物体或地面的接触,替代「可爱姿势」「动态姿势」等抽象词。
ArchiGen 指出,当前 AI 渲染对比常把原生生成、厂商超分和人工后期修图三种不同产物混在一起评分,导致图像质量分数失去意义。文章建议保留未处理的原生文件并记录像素尺寸、格式、生成模式与种子,同时为生成、降噪、超分、修复、调色、导出各阶段分别标注工具与参数。原生保真度与交付就绪度应分开测试并公布两个分数,超分后若受保护细节数量改变即判定保真度不合格。
智能体 AI 视频生成器指由 AI 智能体协调规划镜头、生成候选、审查结果并组装序列的视频创作方式,区别于单纯由模型按提示生成或转换素材。Anthropic 在解释预定义工作流与动态智能体时给出了这一架构区分,智能体流程可设人工审核检查点,也可在初始简报后自主完成规划、生成、评估与修改。系统能检查的内容决定其自我审查的可靠性,能否保留标题、录制、旁白与时间轴等独立可编辑部分则决定修改成本。
HeyGen 于 2026 年 9 月 30 日发布 HeyGen Video,支持文字、首帧或最多 9 张参考图输入,生成 5–15 秒、480P 或 768P 且自带声音的镜头。SunoMV 选择器按目录价扣积分:480P 每 5 秒 40 积分,720P 每 5 秒 60 积分,10 月约每秒 0.01 美元的半价促销不进选择器。该档不支持首尾帧、1080P 和原生 2K,锁脸需靠参考图。
ArchiGen 提出用"缺陷清单"替代"照片级真实感"这一笼统评分,把渲染质检拆成几何、材质、光照、反射、场景语境与画面完成度六类,每项需标注位置、描述偏差并说明是否阻碍预期用途。几何拥有第一否决权,若几何出错应回到控制阶段调整输入、遮罩、边缘或深度引导与生成强度,而非交给超分工具处理。
SunoMV 提出 AI 音乐视频应按"先分镜、再看样片、最后锁 1080P"的顺序制作,避免把不该留的镜头渲染成清晰成片。快速默认模型不提供 1080P,只有 Seedance 2.5 能把单段做成 1080P;样片升级为 1080P 的窗口为 7 天,过期需重拍该段。
作者分享了一套 MiniMax H3 的高速高分辨率一体化 ComfyUI 工作流,核心是用 minimax-h3-fused-turbo-int8-convrot 模型替换本体,该模型整合 FL2V 与 Ref2VA,内置 4STEP 的 TurboLoRA 和抑制抖动残影的 Mystic V2 LoRA,文件约 21GB。
推荐理由:作者实测 MiniMax H3 的模型替换与提速节点,给出 800×800 八秒视频从 7 分 13 秒降到 3 分 37 秒的对比,可迁移到现有出片流程。
作者发布免费的 MiniMax H3 ComfyUI 工作流 Stubelius Ultimate H3,含 Speed、Hybrid、Quality 三档预设。
推荐理由:作者在 RTX 5090 上实测三档预设的渲染与收尾耗时和显存峰值,可据此估算自己的出片成本。
阿里系 Ant Group 旗下 inclusionAI 的 Ming Image 0.1 Design 已加入 ComfyUI 0.38.0 稳定版默认模板。该模板默认调用 Qwen3.8 27B 作为提示词增强器,16GB VRAM 会 OOM,作者改用 ollama 配合 comfyui-ollama 节点运行。作者认为其日语表现一般,但审查比同类的 Ideogram 宽松、自由度更高。
2026 年 9 月 16 日上线的 135 分钟全 AI 长片《奥德修斯:陨落》以 9.99 美元网页端租赁发行,画面 100% 由 Kling AI 生成、静帧用到 Google Nano Banana,预算约中五位数美元。
xAI 的 Grok Imagine 1.5 是纯图生视频模型,输入一张静态图片即可生成 4 至 15 秒带同步声音的片段,音频始终开启且无法关闭。相比 Grok Imagine 1.0,它新增音频生成,但不再支持文生视频,时长选项增至 4、6、8、10、12、15 秒,两者均支持 480p 和 720p(默认 720p)及七种画幅比例。
ArchiGen AI 提出把“做成照片级”拆成六道按依赖排序的 ComfyUI 修复工序:相机与主体几何、材质边界与尺度、光照方向与曝光、玻璃与反射、植物与配景、局部缺陷与收尾,每道工序都要保存编号检查点并设定验收锚点。