CreatorOS Studio 开源发布:在 ComfyUI 本地一键完成分镜到成片
CreatorOS Studio 以 Apache-2.0 开源,在本地 GPU 上基于 ComfyUI 提供一键式视频创作,不消耗积分、不经过平台内容过滤。
推荐理由:作者因托管平台审核与积分消耗自建本地工具,展示了开源模型在本地完成分镜到成片流程的可行路径。
创作方向
数字人与换脸技术:虚拟演员、AI 主播、角色一致性方案及其合规边界。
38 条精选近 30 天 23 条共收录 170 条
CreatorOS Studio 以 Apache-2.0 开源,在本地 GPU 上基于 ComfyUI 提供一键式视频创作,不消耗积分、不经过平台内容过滤。
推荐理由:作者因托管平台审核与积分消耗自建本地工具,展示了开源模型在本地完成分镜到成片流程的可行路径。
作者拆解了一套从原始素材到成片的 AI 换脸视频工作流,用 00 到 09 十个文件夹划分镜头规划、参考图、生成包、帧对齐、终版合成与质检等阶段。生成环节在 ComfyUI 上用三台 NVIDIA DGX Spark 跑两遍流程,先 1280×736 草稿再 1920×1088 精修,8 秒 1080p 级片段约需 1 小时。
推荐理由:作者复盘 54 个镜头、8163 帧的换脸视频全流程,重点在帧对齐与版本管理这类容易被忽略的工程环节。
VX Studio 创始人 Shaurya Gupta 以 90 集、约 1600 次生成的竖屏剧为例,说明 AI 视频引擎没有记忆,同一角色跨镜头会出现脸型、年龄和身高漂移,连续延展到第四次时已像换了演员。
推荐理由:一位 AI 短剧制作平台创始人复盘 90 集竖屏剧的实操经验,逐条列出角色一致性、镜头延展与宽景失真的失效点及应对办法。
作者发布 H3 Recast 工作流,可在一次运行中替换已有片段里最多 3 个人物,保留动作、场景与原始音频,并加入 FaceRefine 对口型修复环节。流程为载入片段、取一帧用 Qwen-Image 或 GPT Image 等改成新形象作为场景参考,再为每人写一行描述,填几行就替换几人。
推荐理由:作者给出一次替换最多三人的 ComfyUI 工作流,并列出显存、内存与三档显卡实测耗时,便于评估本地部署成本。
演员吴越10月18日在微博点名短视频账号“花姐美肤日记”用AI换脸和声音克隆伪造其形象与声音推销护肤品,涉事商品IRY重组胶原蛋白精华液近30天售出超7000单。
推荐理由:记者实测一张公开照片即可绕过平台关键词审核生成明星带货视频,并摸清定制换脸视频的报价与商家态度,呈现了侵权链条的实际门槛。
苹果 10 月 16 日更新《App 审核指南》,在 1.2 条款中把 AI 生成的、未经当事人同意的私密图像明确纳入禁止范围。新增 2.5.19 条准则禁止应用审核时隐瞒真实功能、通过后再加入裸露化等有害能力,违规可能导致下架或终止 Apple Developer Program 资格。苹果还将禁止助长人口贩卖或剥削儿童的应用范围扩展至替代应用分发渠道。
推荐理由:苹果更新审核指南,把未经同意的 AI 私密图像纳入禁止范围,并封堵先过审后解锁的做法,反映应用商店对深度合成内容的收紧。
横店与火山引擎联合体以2.35亿元中标建设AI影视服务平台,推动横店从拍摄基地向AI影视智能中枢跃升。项目包括横店影视大模型、数字群演生成、演员风格迁移等能力;同期横店线下横屏剧组同比-31.1%、竖屏短剧同比-82.5%。
推荐理由:横店投入2.35亿元建设AI影视平台,将场景、群演、演员风格等数字化,同时线下剧组数量同比大幅下降,反映影视产业向AI化转型的趋势。
HeyGen 发布新语音模型 HeyGen Voice,称其为首个为视频适配而构建的语音模型,并在 Artificial Analysis 语音榜单排名第一,已包含在每条 HeyGen 视频中且不额外收费。
推荐理由:HeyGen 推出首个面向视频适配的语音模型,创作者可据此评估配音与多语言口型流程的替换空间。
Brahma AI 将于 10 月 14 日成为首家获得艾美奖的 AI 原生公司,获奖原因是其 AI 换脸与保留表演的后期制作技术,合作方包括 Disney Research、Digital Domain 和 Rising Sun Pictures。
推荐理由:Brahma AI 凭 AI 换脸与表演保留技术获艾美奖,其 CTO 谈数字人身份控制与本地化应用。
岚叔开源 Agent Skill lanshu-create-ai-presenter-video,在 Claude Code、Codex、Gemini CLI、Cursor、OpenCode 里用一句话即可跑完剧本、配音、数字人生成、对口型、字幕、剪辑、渲染与质检,仓库 2.6k Star、404 Fork、MIT 协议。
推荐理由:把 AI 视频生产拆成可计算状态与付费门禁的 Agent Skill,其工作流设计思路可迁移到其他内容流水线。
Synthesia 以 beta 形式发布 AI 视频创作工具 Syren,输入提示词、预设或已有品牌文档、图片、视频、PPT、YouTube 链接,即可生成含动态图形、动画、数字人、配音、音乐和 b-roll 的成片,并可在对话中修改。
推荐理由:Synthesia 把视频生成做成对话式智能体,可对照其与现有编辑器在精确内容场景上的分工。
Mickmumpitz 发布免费本地 VFX 教程,用 ComfyUI 与 MiniMax H3 把自己换成猪或其他角色。
推荐理由:作者用 ComfyUI 加 MiniMax H3 实测换头与全身替换,并说明该流程在哪些环节会失效。
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。
造梦次元与生数科技用Vidu S2驱动AI主播紫樱完成一场48小时直播,累计31万+人观看、最高超4万人在线,总营收4.2万元。紫樱会念出新观众昵称、接住弹幕话题,并根据礼物唱歌、跳舞、换装和切换场景,直播中重开24次才达成8万营业值目标。
推荐理由:以一场48小时AI主播直播为样本,观察实时视频模型在互动内容中的实际表现与商业转化。
YeJe-cpu 在 GitHub 开源 SeeCut,一个给 Claude Code 等 coding agent 用的 skill,把数字人或真人口播素材自动精剪成带动效的竖屏短视频,并可选推成剪映分层草稿微调。
推荐理由:作者开源了一套可复用的口播精剪 skill,含数字人配音与剪映草稿交付的完整流程。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮替的动态视觉形象。
推荐理由:Gemini 3.8 Live 新增实时数字人能力,支持 97 种语言口型同步与后台工具调用,企业可据此评估虚拟客服等场景。
Vidu S2 于 9 月 15 日发布,论文 9 月 10 日发布,网页版、APP、小程序与 API 均已开放体验,包含实时交互和实时编辑两个模型。作者实测实时交互模型 S2-Avatar 支持语音对话、实时动作响应、上传参考图互动,可保存 720p 交互视频,并测试了虚拟偶像直播、带货粤式早茶、英文对话与全身场景,中途打断后角色能接上新话题。
推荐理由:作者用大量实测案例拆解 Vidu S2 的实时交互与实时编辑两条能力线,可据此判断数字人直播与实时换装场景的可用性。
生数科技于 2026 年 9 月 15 日发布 Vidu S2,包含实时数字角色模型 S2-Avatar 和视频流实时编辑模型 S2-Editing,发布当天即在 vidu.com/vidu-stream 开放体验。
推荐理由:梳理 Vidu S2 两个模型的能力边界与三种短视频工作流,并明确区分已上线功能与实验室演示。