用 MiniMax H3 制作 18 分钟 4K 历史电影《岛津的退口》的幕后流程
创作者 Naoya 公开了用 MiniMax H3 等工具制作 18 分 24 秒、4K、共 129 个镜头的关原题材历史电影《岛津的退口》的流程。片中武将台词改用日语配音,作者把台词写成不带汉字的平假名、用专用标签包裹并加上说完闭嘴的指令,以减少误读和画面出现文字。全片 129 个镜头逐一看过后重拍,修正了头盔消失、两人同时说话、称呼颠倒和背景像现代公园等问题,结尾改为主题曲 34 秒淡出。
创作者 Naoya 公开了用 MiniMax H3 等工具制作 18 分 24 秒、4K、共 129 个镜头的关原题材历史电影《岛津的退口》的流程。片中武将台词改用日语配音,作者把台词写成不带汉字的平假名、用专用标签包裹并加上说完闭嘴的指令,以减少误读和画面出现文字。全片 129 个镜头逐一看过后重拍,修正了头盔消失、两人同时说话、称呼颠倒和背景像现代公园等问题,结尾改为主题曲 34 秒淡出。
有用户在 Reddit 的 comfyui 社区发帖,寻找当前能实现语音到语音翻译(如西班牙语转英语或德语)并保留说话人音色特征的 SOTA 模型,最好开源。其用途是把西班牙语电视剧翻译成其他语言分享给家人朋友,因为并非总有专业配音版本。他提到已找到的一些工具会大幅改变语速、音调等个人音色特征,希望翻译过程中能保持原有音色,即使带一点口音也可以接受。
创作者用 ComfyUI 和 Krea 2 制作了印度赛博朋克题材故事《Neo-Mumbai》,融合印度文化、赛博朋克、复古未来主义与电影化叙事。故事围绕两名青梅竹马展开:一个能说会道的浪子与一个身经百战的 fixer,两人意外卷入涉及城市权贵的阴谋。作者称接触 AI 图像生成仅一周多,仍在学习实验并欢迎批评建议。
作者在 ComfyUI 中搭建了一套 MiniMax H3 工作流,把 SelfLift 渐进分辨率采样与 DLSS 5 超分节点结合,在 6GB 显存的 RTX 3060 上输出 2K 或 4K 视频。其 6GB 显存环境生成并超分到 4K 约耗时 35 分钟,参数为 8 步、0.6 百万像素,全程无需额外训练模型,工作流与 DLSS5 DLL 均已放出下载链接。
推荐理由:作者在 6GB 显存显卡上实测了从低分辨率渐进采样到 4K 超分的完整流程,并给出耗时与参数,可供低配设备用户参考。
Pollo AI 的 Recast 功能可参考原视频动作与运镜,替换人物和背景,作者用它将真人双人舞转为原创和装动画角色。同一素材分别以 480p 和 720p 生成,480p 消耗 235 credits、720p 消耗 505 credits,相差 270 credits;720p 细节略清晰,但 480p 效果已超出预期,作者建议先试 480p。
ComfyUI 本体 master 合并了可按名称选择通路的 Branch 节点(PR #16383),需前端 1.56 起支持,尚未进入编号发行版。同日合并的 #17338 降低了 MOSS-Image 推理峰值内存,未公布具体降幅。Open WebUI 发布 0.12.4,新增按需加载技能的 ENABLE_SKILL_LAZY_LOADING 开关(默认关闭)及长对话压缩位置显示。
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。
笑死!豆包搭配Codex用可以稳定发挥😂
红果短剧宣布分阶段下线金币功能,预计11月1日起不再向新用户提供金币,年底前面向所有用户全面下线,并上线休息提醒和睡眠提醒机制。腾讯绿泡泡短剧小程序以最高100%综合激励和人均播放时长分账入场,红果则通过调整漫剧分账系数和现金奖励优质单本剧引导精品化。文章指出制作方仍面临精品试错成本高、分账单价不公开等不确定因素。
推荐理由:从红果下线金币与腾讯绿泡泡入场切入,梳理短剧平台分账规则变化对制作方算账方式的影响。
Meta 的個人向け AI エージェント「Muse」于 10 月 23 日在日本上线,是北美以外首个提供地区,用户可通过 iOS、Android 和 muse.ai 使用。
基于官方 moss-image-prompt-enhancer skill 封装的 Ollama 本地模型,可将简短图像想法扩写为 MOSS-Image 文生图模型的详细提示词,离线运行、无需 agent 和系统提示词。
DeepSeek开源推理框架DeepInfer,其技术报告披露DeepSeek V4.1 Flash单集群日吞吐达155万亿tokens,收入为每卡每小时38美元。美国国土安全部正式下令联邦民事机构停采并移除DeepSeek产品,禁令还覆盖采用DeepSeek技术的第三方产品。同期MiniMax港股首次破发,盘中跌5.6%至162.2港元,跌破165港元发行价。
🔥实测!3D生成能力比拼! 🔹Kimi K3.1 Pro 🔹DeepSeek V4.1 Flash 1017 🔹Claude Opus 5.5 🔹GPT-6 Astra 看完后你觉得谁更香呢?
Higgsfield 与 Runway 的核心差异在于:前者是模型聚合器,一个订阅内含 Seedance、Kling、Veo、Wan 等约二十个视频模型及 Cinema Studio 4.0,适合从零生成镜头;后者以自研 Gen-4.5 生成、Aleph 2.0 精修已有视频,Max 档支持 ProRes 与 HDR 导出。
赤猫发布了一组 AI 生成插画,主题为「イケオジ?」,场景包括咖啡馆、街头、骑摩托、单膝跪地射击反器材步枪、飞跃楼宇和巷弄。作者表示自己始终画不好「イケオジ」,缺乏明确形象概念。
多家 AI 公司正聘请人类设计师打造品牌形象:How&How 为 Ideogram 重塑品牌,Lazarev 为 AI 视频应用 Elva 设计视觉识别,Together 为 AI 审计公司 Clusia 设计四瓣标志,Meta 则请字体艺术家 Jessica Hische 为其 AI 平台 Muse 绘制新 logo。
有用户反馈在 Mage.space 上使用 MOSS-Image 生成的图像偏软、模糊、缺乏细节,整体画质让他联想到 Lustify SDXL 等较老模型。他询问是否需要特定的提示词结构、设置或工作流,以及社区中更锐利真实的效果是直接来自 MOSS-Image 还是借助了额外工具或后期处理。
Claude 在 M1/16GB Mac 上搭建 ComfyUI 工作流,调整启动选项后把单步生成从 10 分钟压到约 10 秒,并组合水彩 LoRA、黑白漫画切换、局部重绘与超分等流程。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成握麦前倾高歌的摇滚女歌手作例,分辨率 1248×832、Seed 2026101857,Steps 28、CFG 5、euler_ancestral。配布 JSON 仅用 7 个标准节点,无需输入图像、LoRA、ControlNet 或自定义节点,另附去掉前倾与去掉歌唱表情的两份对比 JSON。
有用户在 ComfyUI 社区求助:使用 One Piece LoRA 生成图像时面部表情总是不对,想要下眼睑抬起的简单微笑,结果嘴部过大且张开、眼睑不受控。该用户询问是否有特定提示词或其他方法能更精确地控制面部表情。
国产 AI 院线电影《三星堆:未来往事》上映,首日票房 30 万出头,灯塔预测总票房 216.9 万,而制片人称为千万元级成本。影片用 AI 还原青铜大立人、纵目面具、青铜神树等三星堆文物,观众吐槽人物表情僵硬、动作不自然。博纳行政总裁蒋德富回应称并非一键生成,团队近百人按电影工业流程逐帧修了两年多,废掉 120 万张底图。
推荐理由:以首部国产超写实数字人长片的票房失利为切口,串起博纳、芒果TV、爱奇艺、字节的 AI 影视布局与海外同档期项目。
建筑 AI 渲染工具应按输入方式而非出图效果来比较:实时 BIM 几何、视口截图、成品渲染图、草图或文本提示,各自决定了工具掌握相机、几何与材质信息的程度。输入即保真契约,视口图像把建筑压缩为像素,草图缺少材质与深度,提示词则留下大部分空间关系待猜测。采购时应追问产品从什么输入起步,而非只看云彩好不好看。
有用户发现 piapi、wiro 等第三方平台在售 "seedream 5.0 Pro - uncensored" 版本,可生成情色内容,而通过字节跳动官方 API 提交相同请求会被拒绝。该用户希望直接从字节跳动获得同样的无限制版本。
有用户用约 1.3k tokens 的提示词在 MOSS SFT 上测试高 token 上限,配合 4-steps turbo LoRA、4MP 分辨率与 Euler/simple 采样,生成一张含 12 个不同人物的照片。各角色的外貌、服装和道具均保持一致,未出现串色或重复。
在本地 MiniMax H3 图生视频流程中,MOSS-Image(5B)原生 4MP 输出配合 3–4 词简单提示词生成约 3 秒短片,细节保留与时序一致性超出预期。麂皮夹克纹理、皮肤毛孔、链条、粗花呢和细镜框均无纹理滑动,第二段视频还保留了风格化的拉长颈部比例而非强行校正。测试基于 NVIDIA RTX PRO 6000,工作流为 ComfyUI 内置 MOSS 模板。
作者分享在 MOSS Image 上训练角色 LoRA 的实测结果,称用 Automagic3 搭配 Sigmoid 与 High 档、学习率从 0.0005 起步并设置最低学习率、不排除 block 22,每次都能得到不错效果。
爱沢あむ在 X 发布 10 月 24 日晨至 25 日深夜的 5 张插画,并免费配布对应的 ChatGPT 图像生成提示词,覆盖早晨、白天、傍晚、夜晚、深夜五个场景。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,保持五官、发型、发色与瞳色,输出 1536:1024 横版单场景动画风插画。作者还建议只改一处细节,例如把白天的格子布样本换成水玉图案。
微信开放平台10月19日公布10部公众号小说名单,供短剧制作公司联系作者商谈改编授权,作品在绿泡泡或视频号优先发行30天,作者和制作方各获该期间符合规则变现收入5%的现金激励,金额不设上限。
用户在 Colab 的 80GB A100 上用 ai-toolkit 为 Qwen-image 训练风格 LoRA,但输出背景过于简单、出现随机人物与角色重复,且风格漂移。其配置为 rank 16、1024px、bf16、adamw8bit,学习率 1e-4 跑 500 步无效果后改为 3e-4 训练至 2k 步,12 张图的数据集仍未改善,计划扩至 30-40 张。
用 Animagine XL 4.0 Opt 配合 Control-LoRA Canny rank128 轮廓引导,在 ComfyUI 中生成 1248×832、Seed 2026101813 的拉弓精灵横构图,并公开轮廓 PNG 与含节点配置的 JSON。
Runway 开发者平台宣布可在 Runway Dev 上通过 API 调用 Kling 4.0,与可灵全系模型并列提供。该接口支持生成最长 30 秒带音频的原生视频,最多 15 个参考和 10 个关键帧,11 月 30 日前 Kling 4 使用享 20% 折扣。可灵官方账号转发了这一消息并号召开始构建。
Canva 于10月22日发布首个自研图像生成模型 Canva Craft,支持最大2K分辨率和30多种画面比例,在图像对比榜单中暂列第4。同日 KDDI 的 povo2.0 在 povo AI 中接入 Nano Banana 2,图像生成每日限3次免费。
面向 ChatGPT、Gemini 等工具的 100 种 AI 美女图像生成提示词集发布,全部为可直接复制的 JSON 格式。每套提示词含 prompt、negative_prompt 与 aspect_ratio 字段,并提供 1:1、9:16、1280×670 三种尺寸及背景、氛围改编版本。题材以世界各地绝景与日常场景中的美女为主,如阿根廷盐湖、京都川床。
作者为 ComfyUI 做了一个调色板自定义节点,内置约 350 组从设计、时尚和动植物图鉴网站收集的配色,点击即可选取。节点通过 `__color1__` 至 `__color5__` 占位符替换提示词中的颜色词,实测用 3 色指定生成真红与蔷薇、海色与薄荷等主题插画。定义文件为 json 格式,可继续扩充配色方案。
作者用 ChatGPT 为原创角色 Popo、Bobo、シュカ 生成万圣节主题图像,结果角色形象频繁走样:Bobo 被加上手脚、シュカ 被戴上歪帽、还出现"枫之谷站"等莫名元素。作者同时展示了成功案例,采用水彩画风格提示词,将水彩晕染效果融入小物与地面,使非人类角色的白色连衣裙设定得以成立。作者还建议修正失败图像时从原始参考图重新生成,成功率高于反复局部修改。
用户称前一晚刚在 PC 上安装 ComfyUI 并下载生成视频所需依赖,随后收到磁盘空间不足提示,但检查发现该应用仅占用 500MB。其困惑于 ComfyUI 的下载文件究竟存放在哪里,发帖求助。
为 Star Plus 与 JioHotstar 剧集《Mahabharat: Ek Dharmayudh》提供 AI 制作技术的 Galleri5,与 Collective Studios 旗下 Historyverse 及 Singhasari 经济特区合作,用印尼神话与历史开发电影和剧集。
Kimi K3.1 Pro 已上线 Oimi Agent,支持文本生成与图片理解,且不设会员门槛,是该 Agent 中首个非会员可用的识图对话模型。用户可在画布中选中文字或图片节点,让模型分析素材、讨论方案、整理分镜并准备生图提示词,一次请求最多支持 10 张图片,每次请求最多生成 3 张图片。
一份汇总 18 个 ComfyUI 配置的免费对比页上线,可按 GPU、模型和精度筛选并计算节省秒数。在 3090 Ti 上,MOSS BF16 从 71.98 秒降至 45.40 秒,而 MOSS INT8 仅从 27.31 秒变为 27.23 秒;H3 INT8 ConvRot 则从 155.07 秒降至 118.21 秒。
面向 AI 音乐初学者的 3 步法:先定一个曲的主题,再把主人公、场景、情感连成开头—中段—结尾的叙事,最后把内容交给 ChatGPT 生成制作笔记。制作笔记包含 3 行故事、5 个原创曲名、主歌与副歌要点、80 字以内的氛围描述,以及公开前的自查项;ChatGPT 只负责整理叙事与制作笔记,完成音频还需另外的音乐生成工具,公开或商用前须核对服务条款。