PixVerse 发布剧本文生视频创作者实用工作流指南
PixVerse 发布剧本文生视频实用工作流指南,主张把剧本当作制作蓝图而非整段粘贴渲染:先拆场景、标记叙事节奏,再逐镜头生成。其 AI 视频生成器同时提供文生视频与图生视频两条路径,便于在参考素材需保持可识别时选用图生视频。流程还涵盖音频、字幕、口型同步、风格一致性、审查与按渠道导出。
PixVerse 发布剧本文生视频实用工作流指南,主张把剧本当作制作蓝图而非整段粘贴渲染:先拆场景、标记叙事节奏,再逐镜头生成。其 AI 视频生成器同时提供文生视频与图生视频两条路径,便于在参考素材需保持可识别时选用图生视频。流程还涵盖音频、字幕、口型同步、风格一致性、审查与按渠道导出。
PixVerse 发布短片 AI 视频生成器制作指南,主张逐镜头生成而非一次成片,并强调用参考图保持角色与场景连续性。该工具支持文本和图像驱动的创作,可按短片流程不同阶段选择输入方式。指南还建议将声音、字幕与剪辑同步规划,并在粗剪中检查连续性、节奏与清晰度。
AI 视频生成平台是把多个 AI 视频模型、文生视频与图生视频、云端渲染和导出打包在一起的单一服务,让用户从想法直接得到成片。
好莱坞后期公司 DigitalFilm Tree 修复了 1994 年《Messiah in Bethlehem》演唱会仅存的 VHS 录像,使其可在大银幕放映。团队先用高质量设备数字化原始磁带,再以 AI 超分、去隔行、降噪和帧稳定重建细节,将 480i 画质提升至 1080p 甚至 4K,并接入 HDR Express 与 LTX、Runway、ComfyUI 等工具。
清华与京东 Joy Future Academy 等团队开源 Self Gradient Forcing Plus(SGF+),通过分离上下文写入与去噪参数解决 SGF 中的梯度冲突,仅用 5 秒训练窗口即可实现最长 24 小时的自回归视频生成。
Google 宣布其 SynthID 检测器现已支持所有合作方的水印,并上线独立网站 SynthID.com 供任何人使用。SynthID 是编码在 AI 生成图像、视频像素和音频波形中的隐形信号,Google 称仅 Gemini 就已为超过 1800 亿张图像和视频以及 24 万年时长的音频集成该水印。
一位不会画画的作者用 Higgsfield 制作了 30 秒练习动画,通过先提供背景、主角、上司三张参照图像并在提示词中绑定图像与姓名,前半段 15 秒一次生成即达到人物与场景一致,单次耗时约 84 秒。后半段"抬头起身"场景两次尝试均未修正表情强度与镜头位置,3 个 5 秒镜头被拉成约 9 秒脸部特写和约 2.5 秒起身,最终改为按 5 秒逐场生成。
娱乐资本论九月月报盘点:AI 影视正从几分钟短内容走向 40 分钟以上中长篇,《北派笔记》首周分账 100 万,长信传媒《灵魂摆渡》"浮生梦"系列上线 10 天累计分账超 600 万。字节跳动火山引擎向多家版权方发起"AI 版权管理平台"内测邀请,版权方可在平台监修、审核和实时交易,该平台下半年公开上线。
AI 视频生成器在剪辑开始后仍会持续产出新版本,新素材可能反转视线方向、改变服装细节、缺少剪辑手柄或让动作晚六帧,单看更好却可能破坏匹配剪辑。文章提出以 Scene 12 / Shot 24B 为例的镜头级记录方法,明确稳定标识、选用版本、必须保留的视觉表现与剪辑要求,并用五项检查决定 V4 是替换版本、备选版本还是拒绝版本。
Opus 5.5 用纯代码为对手 Dots 生成了一支皮克斯风短片,角色毛毡绒感、大眼高光、浅景深,全程浏览器逐帧实时渲染,未开建模软件、未用任何素材。六只毛绒 Dot 围着一团白线编成白色花结,片尾点题"六种颜色加在一起,是白色的光",光、毛、反射、景深效果接近棚拍实拍。
一份涵盖50款AI工具的清单,宣称可在2026年节省数百小时,覆盖视频生成(Kling AI、Runway、Pika、Luma AI)、AI配音与数字人(ElevenLabs、HeyGen、Synthesia)、编程(Cursor、Bolt new、Replit)及自主智能体(Manus、Genspark)等类别。
作者在 RTX 3060 Ti 8GB、RAM 16GB 的 Windows 机器上用 ComfyUI 0.39.0 实测 MiniMax H3 搭配 Veda Sparse Attention。
Kapwing 发布教程,讲解如何用角色参考表和动作参考视频在 Seedance 2.5 中复刻 Jean Philanthrope 式 AI 角色视频。流程分四步:先用提示词生成含正面、四分之三侧面和侧面的多视角角色参考表,再把现有视频转成黑白线稿作为动作参考,然后在 Seedance 2.5 中把两者结合生成新场景,最后在 Kapwing 中剪辑。
推荐理由:拆解 Jean Philanthrope 式 AI 角色的可复用流程,用角色参考表加动作参考在 Seedance 2.5 中保持人物一致。
可灵宣布 Kling 4.0 即将发布,并将在 10 月 10–13 日于韩国釜山 ACFM 展示一系列用该模型创作的真实项目。可灵表示,其关注点已不只是 AI 能生成什么,而是它能否理解导演创作意图、保持角色与叙事连贯,并融入动画、真人影视和剧集的专业制作流程。届时将与影视人、工作室和内容平台共同探讨生成式 AI 从创意实验走向专业生产。
一份30个AI工具清单,涵盖图像、视频、语音、编程、写作等场景,包括Raphael.ai免费无限图像生成、ElevenLabs 5秒声音克隆、Suno歌词生成歌曲、Runway Gen-3免费试用、可灵AI视频生成、D-ID照片+音频生成数字人、Cursor AI编程等。
Shane Hurlbut 与 AI 预演专家 Chris Anthony 演示了一套用 invideo AI 平台把 2D 手绘分镜转成带准确光影的动态电影级序列的工作流。
3D 产品渲染从数字模型计算图像,无需相机,一个模型即可输出所有配色、任意角度、配置器和 AR 文件。对拥有 20 到 500 款产品的家具或家居品牌,渲染在变体矩阵上占优,而 AI 图像只产出图片、不生成 3D 文件,需人工核对材质与比例。流程分建模、材质、灯光、渲染、后期五步,需 CAD 文件、参考照片和实物色板作为输入。
Lightricks 的 LTX 2.5 Fast 在 VIBE 中支持文生视频与图生视频,提供 720p 到 4K 四档分辨率、2 至 20 秒时长,且每条片段都自动生成音轨。
印度广告标准委员会(ASCI)9 月 29 日发布 AI 广告规则,三个月后生效,要求合成网红、经同意的声音或面部克隆、虚构场景、不存在的产品演示等在可能误导买家时加注标签,虚假证言与未经同意的深度伪造被直接禁止,责任由广告主承担。
sirioberati 发布 Genjustsu 开源工作流,在本地 UI 中通过彩色深度、SAM 3 遮罩和 Enhancor 的 Seedance 集成替换视频主体,先出草稿、批准后再生成 1080p。
推荐理由:开源本地工作流用彩色深度与 SAM 3 遮罩替换视频主体,并保留原始音轨,可评估其复用价值。
前 Ramp 工程师创立的 AI 广告生成平台 Melius 完成 2000 万美元 A 轮融资,由 CRV 领投,另含 General Catalyst 领投的 500 万美元种子轮,累计融资 2500 万美元。团队在首款绩效营销工具开发半年后放弃全部代码库,转向生成广告创意素材与营销活动的“创意工作智能体实验室”,7 月结束隐身以来两个月内年化收入已超 100 万美元。
一条推文汇总了8个开源GitHub项目,串起从提示词到成片的完整流程:MoneyPrinterTurbo生成脚本素材音乐,VoiceStudio做本地声音克隆与配音。
作者用 UniversalModder 把 DOOM 塞进 Skyrim,做出 SkyDoom,并演示如何把任意两款自有游戏混搭;UniversalModder 是 Claude Code、Codex 或 Gemini CLI 的一个 skill,指向两款游戏并说明需求即可。
“没有哪个模型能统治一切。” 创意构思和最终画面,要求的东西不一样。要做的是把创意送到最适合每个环节的模型那里。
新的想象。新的故事。新的创作方式。✨ 看看创作者们用 Kling 4.0 和 Kling 4.0 Flash 创作了什么。
作者在 RTX 3090 上实测 pablodawson 的 MiniMax H3 360° Orbit LoRA,用同一张图作为视频首尾帧,生成约 3 秒、73 帧的环绕视频,中途会出现原图未拍到的背面。
Utopai Studios 自研视频模型 Utopai X 在 Artificial Analysis 盲评榜单以 1150(±10)Elo 评分位列全球第二、全美第一,音频同步与物理效果两项指标居首,超过 Gemini Omni Flash 1.1 和 Dreamina Seedance 2.5。
Runway 于 10 月 1 日演示了 Project Continuum,一个基于实时视频界面的操作系统式研究应用,可把任意媒体扩展为面向人类和 AI Agent 的交互式实时世界模拟,但目前没有下载、定价和发布日期。
FastVideo 发布实验性精简模型 FastH3 Trim,transformer 块从 50 减至 42,采用 rank-16 时间步条件,8 步采样,体积比基础 H3 小 4.2 倍,速度快于 FastH3 V2。
推荐理由:FastH3 Trim 以 42 层、8 步采样和 4.2 倍体积压缩给出更轻的视频生成方案,并附 ComfyUI 各精度文件与参数。
2026 年 TikTok 上反复出现的 AI 视频趋势是六种可复用格式:AI 微短剧、超现实角色梗、会说话的动物与物品、ASMR 解压片段、配音电影感 B-roll 和"what if"第一人称场景。
腾讯混元团队与复旦大学合作推出开源视频模型 Prism,原生生成 2K 带音频,约 10 秒 24fps、48 kHz 音频,仅支持图生视频,720p 需 80 GB 显卡且暂无量化版本;代码在 Tencent-Hunyuan GitHub 组织下,预览权重放在个人 Hugging Face 账号,腾讯未发布官方公告。
ComfyUI-Video-Control-Studio v0.1.0 发布,可在 ComfyUI 内从视频提取 Pose、Depth 和 Canny 控制序列,并提供同步 A/B 播放、可拖动对比分割线与逐帧步进。
Reka AI 发布 190 亿参数全模态模型 Rho-1 的研究预览版,在单一神经网络内处理并生成文本、图像、视频和机器人控制动作,所有模态以 token 形式运行在同一上下文窗口中,无需工具调用或外部模型。
一个模型本身从来拍不出一部电影。 真正的工作,是让新能力交到创作者手中,再确保他们真的能用起来。 研究就是这样成为创作技艺的一部分。
阡陌发布教程,介绍在约 8GB 显存的 RTX 4070 Laptop 上通过 ComfyUI 本地生成图片与视频,图片用 Qwen-Image-2.1 越狱版 GGUF 工作流,视频用 MiniMax H3 的 04_i2v_fl2v_4step_sla_lowvram 工作流。
推荐理由:8GB 显存下跑通 Qwen-Image-2.1 与 MiniMax H3 的完整路径,含模型文件、目录结构与参数配置,可对照复现。
在 RTX 3060 Ti 8GB、RAM 16GB 的研究室 PC 上,FreeVideo + MiniMax H3 成功生成 1280×704、约 10 秒、243 帧视频,耗时约 25 分 17 秒。
kandinskylab 发布 Kandinsky 6.0 Video 系列扩散模型,包含 3B 参数的 Lite 和 29B 参数的 Pro,可生成 5 秒带 44 kHz 同步音频(含对口型)的视频,支持文生音视频与图生音视频,并配有超分模型将输出提升至 Full HD(1920×1080)。
推荐理由:Kandinsky 6.0 开源了带同步音频与对口型的视频生成模型,并给出各档显卡的实测耗时,方便创作者评估本地部署成本。
Sky 的「监督模式」让创作者先在 3D 空间摆放人物、设定相机位置与动线,再交给 AI Agent 生成视频,作者用它完成了一支约 30 秒的体育教师 POV 头发展检查短片。
VIBE 发布电影级 AI B-roll 生成指南,提出"主体、动作、镜头、光线、调色"五段式提示词配方,并列出 Kling 3 Pro、Luma Ray 3.2、Google Veo 3.1、Sora 2 Pro 等模型的具体参数。
AI UGC 营销指用图像和视频模型生成自拍测评、开箱、演示等创作者风格广告,而非为每条片子雇真人。