Wan 2.2 首尾帧实测:用无关图像跑三次得到三种过渡
作者在本地 RTX 5070 12GB 上用 Wan 2.2 的 First → Last Frame 模式做了实验,首帧是手绘斑点骆驼状生物,尾帧是写实苹果,同一提示词跑三次得到三种不同过渡:把绘画角色放进尾帧的城堡场景、留在绘画世界后快切、以及两个世界缓慢溶解。
作者在本地 RTX 5070 12GB 上用 Wan 2.2 的 First → Last Frame 模式做了实验,首帧是手绘斑点骆驼状生物,尾帧是写实苹果,同一提示词跑三次得到三种不同过渡:把绘画角色放进尾帧的城堡场景、留在绘画世界后快切、以及两个世界缓慢溶解。
中国 AI 视频生成模型主要由快手、字节跳动、阿里等公司开发,代表系列包括 Kling、Seedance、WAN,以及 Vidu Q3、PixVerse 6 等。
ComfyUI Nvidia VFX Nodes 0.2.1 于 10 月 13 日上架 Comfy Registry,同日 ComfyUI 官方工作流模板新增 RTX Video Enhance,该扩展也可从 ComfyUI Manager 安装。
LightX2V 团队推出 LightVAE,用时间低秩卷积和块剪枝压缩预训练视频 VAE 解码器,同时保留原始 latent 接口,原编码器仍可继续使用。它覆盖 Wan2.1、Wan2.2 和 MiniMax-H3,在 Hugging Face 提供六个 checkpoint,并附带 ComfyUI 节点、六个生成工作流和解码基准。
Higgsfield Genjutsu 可按参考图替换视频中的人物、产品或场景,15 秒 720p 收费 104 credits,支持 4-30 秒源视频和最多 30 张参考图。
Higgsfield 提供两种无代码自动化 AI 视频创作方式:在 ChatGPT 中通过 Higgsfield Extension、在 Claude 中通过 Higgsfield MCP 批量生成视频,或用 Supercomputer 按计划运行重复任务,两者均消耗常规套餐积分且无需 API key。
41 Frames 创作的 AI 恐怖短片《John O' Lantern》构建了一个南瓜家族收割人头做派、熬汤并庆祝万圣节的世界。影片用欢快的家庭对话和熟悉的节日仪式反衬血腥设定,以黑色幽默颠倒万圣节传统。该片为 Curious Refuge AI 恐怖电影大赛参赛作品,结尾以南瓜家族讲述人类烹煮南瓜、用南瓜孩子装饰房屋的恐怖故事完成反转。
Muzappar Osman 推出 AI 恐怖短片《Don't Cut His Nails》,讲述 Mira 因强迫症般追求完美,剪掉新伴侣的指甲后,一段看似完美的恋情滑向噩梦。影片以自白式旁白和轻松的约会对话开场,随后转向令人不安的超自然真相,将亲密的事后清晨变成关于执念与越界的暗黑故事。
Dave Clark 发布 AI 动作短片《The Cleaner 3》,引入 Cleaner 的妹妹作为同样强悍的角色。该片是一次实验,将 Kling 4.0 与 Seedance 2.5 生成的素材剪辑成连贯的电影级片段,他还在考虑是否为 Cleaner 系列拍摄续集。
用 ChatGPT 把运镜意图整理成英文提示词,再手动粘贴到 Runway Gen-4.5 生成 5 秒 Image to Video 视频,对比"固定机位"与"缓慢推近"两案。
研究者提出一种可扩展的在线熵最优传输近似方法,使流匹配训练中源样本与数据的配对批量显著增大,同时保留最优传输的收益。理论证明该方法在无正则与熵正则情形下均严格降低全随机梯度方差与积分误差,且改善随在线耦合批量增大而增强。单细胞基因插值流与图像流训练实验验证了更大在线耦合能持续提升训练稳定性和最终生成性能。
oh-story-dsh 是 DeepSeek Harness 的社区插件,装上后 DSH Web 多出小说、短剧、游戏、视频解说四个工作台,创作内容以 workspace 真实文件形式存在本地,不写并行数据库。
针对"AI短剧正在围猎中年男性"等热搜,文章指出AI短剧已是8亿人的日常:截至2026年5月全国微短剧用户达8.51亿,占网民66.7%,2026年前8个月上线微短剧43万部、AI剧占比超九成。网传"中国AI短剧Token占55%、美国编程占58%"的对比被指口径错位、缺总量与权威信源。
截至10月12日,话题“不烧心”在短视频平台播放量达20.9亿次,其源头是一批剧情台词高度雷同的AI市井美食短剧,靠“良心小店对抗黑心同行”的固定模板反复输出“贵是贵了点,但吃了不烧心”等台词。
腾讯 ARC 在 Hugging Face 发布 Multics,通过分层通信实现可扩展的多人视频生成。仓库包含完整的 4-player Multics DiT checkpoint、配置、Wan2.2 VAE、UMT5 文本编码器和 tokenizer,同一 checkpoint 无需重新训练即可支持 6、8、10 人生成。权重以 Apache 2.0 许可分发。
推荐理由:腾讯 ARC 开源多人视频生成模型 Multics,同一权重可扩展到 10 人,创作者可据此评估多人场景的生成方案。
fal 的 minimax/h3-max/relight 已可在 ChatGPT 和 Codex 中直接调用,用户无需离开对话即可生成媒体。ComfyUI-MiniMaxH3-Studio 支持在 ComfyUI 内将描述转为 MiniMax H3 视频,并内置编辑器完成剪辑与渲染。此外,PlateExtract 基于 Qwen Image 2.1 微调,可从合成图中提取透明 PNG 前景。
用 DomoAI 从照片生成商品视频时,应先写光、影、汤气等周围元素的运动,再决定商品本身是否移动。DomoAI 官方博客建议文字标签细密的商品最好完全静止,需旋转时控制在 15 度以内并写明停止位置;人物场景则只保留一个动作,并写清速度与姿势。
MiniMax H3 是 MiniMax 于 2026 年 7 月发布的视频生成 AI 模型,可同时生成影像与音频(含日语台词),并支持 Turbo LoRA 降低生成步数。在 ComfyUI 0.30.0 及以上版本中,使用官方模板即可从一张图片生成短视频,只需放入图片(first frame)并用提示词描述运动方式,适合超初心者上手。
这个镜头成了。换个光线试试。 Luma 的 Relight Studio 让你无需重做就能探索新的打光方向。
用生成式 AI 做视频生成应用有三条捷径:直接接入 Sora、Runway、Luma、Pika 等商用视频生成 API;用 Stable Video Diffusion 等开源模型配合云 GPU 自建;或用 iPaaS 与无代码工具串起文本生成、视频生成、语音合成 API 的自动化流水线。三者分别在开发速度、成本与可定制性上各有取舍,可先用 API 或无代码工具快速做原型,再按需迁移到自建管线。
Jeff T. Thomas 以三分钟 AI 预告片 The Gifted 赢得 250 万美元 Future Vision XPRIZE,约 2500 份参赛作品中评委一致选出,奖金为 10 万美元现金加 250 万美元股权,用于一部约 1000 万美元、不会由 AI 生成的剧情长片。
作者在 ComfyUI 上对比了 44 种视频高画质化手法,全部本地免费运行,并区分修复与高解像化两类场景。修复针对小型相机、监控等低画质素材,高解像化针对 HD 提升到 FHD、4K、8K 并恢复肌理与睫毛细节。文章公开了可一次跑完 44 种方案的大规模比较工作流,方便按人物、风景或动画等不同内容挑选合适手法。
推荐理由:作者把修复与高解像化两类需求拆开,用同一段素材横向对比 44 种方案,并放出可一键跑完的 ComfyUI 工作流。
Higgsfield AI 与 Runway 2026 套餐定价对比显示,两者共享 Seedance 2.5、Kling 3.0、Wan 3.0、Veo 3.1 和 Gemini Omni Flash 1.1 等模型,差异在于各自围绕模型搭建的工具。
作者在 ComfyUI 中实测了 MiniMax H3 的 RefMod 自定义节点,它把人物图片、动作视频或音频压缩成可复用的参照文件,无需训练 LoRA,用法接近 LoRA 加载器,可调强度并组合多个参照让角色同框。
推荐理由:作者实测了 MiniMax H3 的 RefMod 自定义节点,给出从安装、建库到接入官方 T2V 工作流的完整参数与提示词写法。
如何做出一支让人热议的AI生成音乐视频?👀🎬 PROMPTR Studios创意总监兼联合创始人Simon Meyer提前拿到了可灵4.0,测试其新能力。他创作的这支音乐视频走红,观众纷纷想知道他是怎么做到的。 在本期Creator Off Script中,Simon拆解了自己的创作流程,分享了他如何让AI画面显得真实,并揭晓了可灵4.0中最让他印象深刻的那些功能。
用 Hyperframes 开发 AI 视频生成应用时,可从五方面减少踩坑:初期用低分辨率、短帧数验证再逐步提升;固定种子值并配合控制网络保持帧间一致性;精简提示词并设置负面提示词;用异步处理、队列和重试应对 API 超时与调用限制;固定模型与依赖库版本并在测试环境验证更新。
在 M1 Max(64GB)Mac 上以 BF16、无量化方式运行 MiniMax H3 的 C 语言移植版 h3.c,成功生成 10 秒视频且未触发内存不足(swap),但耗时 43.2 小时。该模型完整版约 134GB,需约 150GB 可用存储,通过 SSD streaming 机制从 SSD 分块读取计算。
一位创作者用 ChatGPT 生成约 25 张分镜图、Irodori-TTS 免费配音、Runpod 租用 GPU 跑 miniMax H3 生成视频、capcut 剪辑,做出一分钟 AI 动画,成本约 ¥90-¥150,耗时两天。
一位 PC 新手用 ChatGPT 生成并修改 PixVerse 提示词,制作 5 秒玻璃南瓜切刀 ASMR 竖屏视频。最初 ChatGPT 给出的提示词过长,在 PixVerse 中不好用,作者直接反馈"提示词太长",ChatGPT 随即整理出含"木制砧板上的透明橙色玻璃南瓜、微距特写"等要点的短版本。
一位创作者分享用 AI 制作在线课程视频的真实经验:用自己声音的声音克隆配音,但录了 4 种带情感起伏的版本后听不出差别,最终沿用原声,改以问句结尾等方式通过文字写法营造明快感。
制作AI动画并不一定需要20万至30万日元的高性能电脑。通过云端型图像生成AI和视频生成AI,重计算在服务商服务器完成,普通笔记本或手机也能尝试。建议先用浏览器可用的工具,从3〜5秒的短动画起步,并确认免费额度与商用条款后再决定是否购机。
作者在 Google Colab 的 A100 上运行 MiniMax H3,并通过本地的 Codex 调用它,实测视频生成 960×544 10 秒约耗时 6 分 32 秒。
字节在抖音集团《2026 美好奇妙夜》科技节目上首次展示其世界模型,输入一句话即可生成可自由飞行、实时交互、物体编辑并跨场景连通的三维世界。该模型尚未正式发布,现场还演示了自动驾驶与家务机器人在AI生成虚拟环境中的训练验证。
马斯克在 X Takeover 访谈中称,不少机器人演示动作是提前编排的,机器人得能应付没见过的情况才算真本事,自家擎天柱也仍需攻克拧螺丝的力气、精度与触觉难题。他透露星舰下一次试飞希望尝试捕获上面级飞船,让助推器和飞船都能回收,并称 AI 音乐视频已能排进他看过的前十或前二十,其中用到 Grok 4.5。
影视飓风创始人Tim在演讲中演示了字节跳动最新世界模型:一句话即可生成可自由探索的3D场景,人物行走、液体飞溅等物理效果实时响应,还能继续下指令修改。该模型支持将老电影变成可自由控制运镜的"活世界"、通过任意门无缝穿越不同场景,并可用于机器人和自动驾驶的仿真训练,结合VR眼镜还能为医疗、培训等提供高保真沉浸式模拟。
ミント塾的孩子们用 Kling AI 制作了 AI 视频,作品已在 YouTube 频道 @mintjuku 发布。孩子们在制作中练习把自身想法语言化,并学会面对失败、设定"80 分即可"的标准。已发布的作品包括《天使航空をご利用いただき》《マダムGunmaの独り言》《自己愛は大事》等。
红果短剧DAU达1.68亿、同比增长107%,AI短剧已成为其平台观看与互动最多的内容。传统视频平台用户持续流失,腾讯视频、爱奇艺、优酷、芒果TV日活总和仅1.55亿,MTS同比分别下滑31%、27%、47%、24%。文章认为AI短剧是“惯性”逻辑最适配的结果,短视频消费习惯与AI技术汇流推动其工业化生产。
《大唐憨婿之我姐姐是太子妃第三季》刷新红果AI仿真人短剧历史最高热度纪录,终结《都重生了,谁还装富二代啊》连续登顶。该剧以宅斗逻辑重解朝堂权谋,AI仅用于降本增效,镜头与场景仍沿用真人短剧成熟范式。红果、抖音与传统长视频平台由此分化出三条AI短剧路径,适配平台需求比盲目创新更重要。
浙江大学、Monash University、BAIR 等机构发布 ATAS,一个以世界状态为中心的智能体视频生成框架,论文编号 arXiv:2610.20571。
用 Opus 5.5 加 MiniMax H3 做一条小短片成本约 10 块钱,选题、风格、脚本都能自己定。但制作提速后选错题照样没人看,作者现在花在选题上的时间比制作多得多。他认为自媒体最终拼的还是选题,目前还没看到对选题理解很深的模型。