Windows 部署 Pixelle-Video:从主题直接生成完整视频
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。
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。
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。
VideoGen 的 AI 模型库新增 Higgsfield AI、HeyGen AI、Seedance 和 VEED 四个专页,分别对应电影感镜头、说话数字人、参考引导视频与背景移除。
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。
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。
创作者用 Qwen-Image 3.0 生成 9 组俯拍静物拼字海报,把「毕业」「回家」「加油」「寒假」「师恩」「开学」等词用学士帽、火车票、2B铅笔、粉笔等真实物件精密拼成,每张 3:4 画幅配便签点题。同款 LoRA 与图片模板已上架 LiblibAI,提示词公开可参考二创。
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。
FireCut 与 AutoPod 是两款 Premiere Pro 剪辑插件,前者同时支持 Premiere Pro 和 DaVinci Resolve,后者仅支持 Premiere Pro。
MiniMax H3 Image Studio 在 ComfyUI 发布项目更新,新增可串联的 H3 LoRA 节点,支持单独指定文件名与手动强度,用于生成和多参考编辑。
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。
ComfyUI-Easy-Media 发布 v1.3.4,新增 RTX-VSR 视频超分节点以增强视频处理能力。该版本还改进了多轨时间线导航,将直通模式扩展至多轨任务片段,并把上下文交换连续性模式更名为 context drift。
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。
如果你有修改意见,Runway Agent 都能搞定。有了 Agent Tagging。 现在你可以在任何存放素材的地方直接 @Runway Agent,让它帮你做剪辑、给方案、修问题。就这么简单。 今天就在 https://runway.com 试试吧
阿里开源 Qwen-Image-2.1 图片模型,视觉生成部分为 7B,用 32 层 Single-Stream DiT,一个模型覆盖生成、编辑与原生透明背景图。
推荐理由:作者用大量实测案例展示 Qwen-Image-2.1 在生图、编辑与原生透明上的表现,并给出消费级显卡的实测速度。
LTX-2 发布 v1.4.0,为 Distilled、TI2Vid 两阶段、A2Vid、Dub-It 和 IC-LoRA 加入 --chunked,可按默认 97 帧窗口与 25 帧 carry 生成超长视频,无需再设置 --chunk-pixel-frames 或 --chunk-carry-frames。
推荐理由:LTX-2 v1.4.0 把长视频生成、分块解码与 HDR 流程的接口变化集中列出,便于已有工作流评估迁移成本。
Canva 为 Meta 的个人 AI 智能体 Muse 推出 AI Connector,Muse 可将视觉创作任务直接交给 Canva 完成。连接后 Muse 能调用用户的品牌字体、颜色和素材,搜索设计库并导出成品文件,生成的设计始终可编辑。该功能已面向美国和加拿大用户开放,AI 能力由 Canva Shield 提供安全支持。
ComfyUI Prompt Tag Editor 更新交互与状态管理:拖拽现在随移动即时开始,无需长按等待;单击可禁用或重新启用标签,被禁用的标签变灰仍留在列表中但不参与提示词。输入时保留末尾逗号,标签的顺序、权重、翻译与禁用状态在重新加载后仍会保留。
ComfyUI 入门系列第 9 章讲解节点(nodes)的概念。该系列为完整 ComfyUI 课程,正式上线 YouTube 前可提前获取;若电脑配置不足,可使用 Floyo。
DramaClip v0.2.0 首个公开版发布,导入一部几十集短剧后可批量产出可直接发布的推广短视频,媒体处理全部在本机完成。该版本用 OCR 与 ASR 融合转写并借硬字幕逐字校正,实测 60% 段落被修正,同时以 CAM++ 声纹聚类做说话人分离。
推荐理由:本地完成转写、解说文案与音色克隆的短剧推广成片工具,可看其九种出片模式与剪口对齐思路。
ComfyUI 创作项目 comma-weight 发布,支持用 Ctrl+Up/Down 调整完整的逗号分隔提示词标签或松散选中的标签组。该插件复用 ComfyUI 的权重精度设置并保留已有的加权分组,在 Settings → Comma-Weight 下提供即时开关,并附带英文、简体中文、日文和韩文文档。
ComfyUI-Furrey-TurnaroundSplitter 新增 Scale Mesh(per axis)节点,并加入 margin_percent 用于方形裁剪。该更新面向 ComfyUI 的 turnaround 拆分工作流,具体参数与可用性细节原文未进一步说明。
面对陌生人分享的 ComfyUI 建筑工作流,不要为消除红节点报错而盲目安装依赖,应先从 Save Image 节点反向追踪输出路径,弄清输入、约束、变化与依赖。文章建议为工作流填写六行"图护照",记录输入、模型、控制、变化、依赖与输出,并区分结构控制与视觉引导,把尺寸当作一条链路逐节点核对。首次测试应在非机密代理图上以适中分辨率运行,自定义节点须按软件安装对待,记录仓库、版本与许可证。
静态漫剧工具 v0.8.1 新增静帧剪辑,可从关键帧、配音直接剪成成片,支持静帧与视频混剪、推拉平移、按速度连续运镜及跨切点配音字幕。视频提示词新增参考音频字段,与视觉设定中的角色声音参考对账,生产时编译为 reference_audio,且必须绑定本镜说话人物。本版还按小样本实测补充反应镜、双人接触、关键帧画风与 TTS 语气等写法,结论限于记录中的样本与条件。
Shotstack 订阅起步价 $39/月含 200 积分,1 积分渲染 1 分钟 1080p 视频,按量付费包最低 $0.07/分钟、订阅档最低 $0.045/分钟。订阅超额按 30% 溢价计费,未用积分最多可结转 3 倍月额度;按量付费包有效期 1 年,余额归零即停止渲染。
Lightricks 发布基于 LTX-2.5-22B 的 IC-LoRA Alpha Gen,输入普通 RGB 视频即可生成逐帧对齐的灰度 alpha 遮罩,无需绿幕、遮罩或提示词,可处理头发、毛发、烟雾、火焰、薄纱、玻璃和水等半透明元素。
推荐理由:无需绿幕或提示词即可从普通视频生成逐帧对齐的 alpha 遮罩,为抠像与合成流程提供新的替代方案。
闲兔 Qwen Image 2.1 工作台(ComfyUI 创作项目)修复了 Registry 安装包,将校验工具生成的 .ruff_cache 排除在外。节点功能、接口和工作流兼容性均保持不变。
ReelMimic 是一个开源项目,用户提供参考视频和一句需求,它会拆解剪辑节奏、镜头长度、转场、构图、色彩与运镜,先生成分镜和风格帧计划供确认,再交由最多 6 个 AI 智能体并行制作,每个镜头由另一个智能体审核,修复需附前后对比截图。
推荐理由:本地运行的多智能体动画工具,可把参考视频的节奏与运镜拆解成可审阅的创作计划。
导演台 0.4.10 新增手绘运动路径,支持地面、楼梯和物体表面,可多笔续画并撤销,同时保留点选方式。该版本优化大型导入模型的拖动与时间轴编辑,将 OBJ 解析、打包和校验移入后台 Worker,并为深度画面加入曲线调节和范围采样。
Second Unit 发布 2026.09.28 版本,将 Windows 下载更新至 main 分支,纳入 9 月 15 日包之后新增的工作流目录与修复。更新包含 MiniMax H3、LTX 2.5、SAM 3.1、WAN 2.2 和 Juggernaut 工作流目录,以及模型专属提示词扩展、环境预设、种子处理和 H3 Pose Follow 修复。
HelloGitHub 第 126 期收录 31 个开源项目,含为 Claude Code 定制状态栏的 ccstatusline、可安装到 Codex 的手绘风格生图技能包 handraw-style,以及把 SRT 字幕转成白板手绘视频的 srt-whiteboard-animation。
针对 ComfyUI 图生图精修渲染图会顺带改动未授权区域的问题,ArchGen AI 提出在每次审查中加入差异遮罩(difference matte),用对齐后的基准图与候选图逐像素比对,未变区域变暗、改动像素高亮。该流程包含冻结基准图、定义允许改动遮罩、生成原始差异、分离允许与意外改动、闪烁对比四个步骤,并将改动分类为请求内、必要附带、无害偶然与禁止四类,而非追求零差异。
InvokeAI 发布 v6.14.2,修复 6.14.1 的多个 bug 并新增两项功能:Canvas 文字工具支持导入自定义字体,以及通过参考图将图像风格迁移到 krea-2。该版本还修复了密码重置令牌、路径遍历防护、img2img 色调分离、VRAM 中量化 Qwen2.5-VL 编码器释放等问题,并限制 Z-Image 仅使用 Qwen3 4B 编码器。
Lightricks 在 Hugging Face 发布 LTX-2.5-22b-IC-LoRA-Restore,一个基于参考视频的 In-Context LoRA,把低分辨率、低码率、磁带或黑白棕褐扫描的老片渲染成干净彩色高清画面,去除压缩损伤、闪烁、脏点与划痕。
推荐理由:Lightricks 开源老片修复 LoRA,给出从 480 线扫描到 4K 的两阶段流程与实测增益,可对照现有修复管线。
echris6 在 GitHub 发布 motion-video-kit,一个 Claude Code 技能(也可作为普通上下文供其他 LLM 使用),用于为真实企业制作 AI 生成素材加代码动效(HTML/GSAP,选择性 Three.js)的发布式商业广告。
推荐理由:这套技能把商业广告片的评审循环、动效语法与质检脚本打包成可复用流程,适合做 AI 广告片的人参考。
AI 视频角色一致性本质是流程问题而非提示词问题,角色漂移、道具不一致和场景变化是三类核心风险。可行做法是先做剧本拆解,建立角色圣经与道具、场景参考库,先生成英雄参考帧再衍生镜头变体,并分批复审、在时间线上修正。Ciaro Pro 的素材管理与角色工作流可将剧本、参考图、生成帧和剪辑保持关联。
AI 图片编辑器应被当作受控的前期制作层,用于剧本拆解、镜头清单、视觉参考与分镜审批,而非生成孤立炫图的玩具。Ciaro Pro 的分镜工作区把剧本、拆解、分镜板、素材、生成与编辑串联在同一工作区,让角色、场景、道具和风格一致性在进入视频生成前锁定。团队应先从故事而非提示词开始,在消耗生成额度前完成审批,减少返工与浪费。
drama-skills 发布 v0.8.0,新增「爽点先行」改编流程:先按观众收益排爽点表再切集,第 1 集入口至少比较三个候选,其中一个是冷开。本版加入系统流、重生穿越、逆袭三张题材卡,分镜逐镜写运镜,剪辑单新增画面文字与音效行并由 render 叠到成片,同时支持 Wan 3.0 视频提示词方言(target_video_model: wan-3.0)。
VideoLingo v3.1.0 发布,默认本地语音识别引擎改为 Qwen3-ASR,并用 Qwen3-ForcedAligner 对齐词语时间,默认选 1.7B 模型,也可切换 0.6B。