Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

如果想用几张照片,驱动自己的数字人视频,有哪个平台可以搞

Answer

以下是一些可以用照片驱动生成数字人视频的平台及使用方法:

  1. HEYGEN
    • 优点:人物灵活,五官自然,视频生成很快。
    • 缺点:中文的人声选择较少。
    • 使用方法:
      • 点击网址注册后,进入数字人制作,选择Photo Avatar上传自己的照片。
      • 上传后效果如图所示,My Avatar处显示上传的照片。
      • 点开大图后,点击Create with AI Studio,进入数字人制作。
      • 写上视频文案并选择配音音色,也可以自行上传音频。
      • 最后点击Submit,就可以得到一段数字人视频。
  2. D-ID
    • 优点:制作简单,人物灵活。
    • 缺点:为了防止侵权,免费版下载后有水印。
    • 使用方法:
      • 点击上面的网址,点击右上角的Create vedio。
      • 选择人物形象,你可以点击ADD添加你的照片,或者使用D-ID给出的人物形象。
      • 配音时,你可以选择提供文字选择音色,或者直接上传一段音频。
      • 最后,点击Generate vedio就可以生成一段视频。
      • 打开自己生成的视频,可以下载或者直接分享给朋友。
  3. KreadoAI
    • 优点:免费(对于普通娱乐玩家很重要),功能齐全。
    • 缺点:音色很AI。
    • 使用方法:
      • 点击上面的网址,注册后获得120免费k币,这里选择“照片数字人口播”的功能。
      • 点击开始创作,选择自定义照片。
      • 配音时,你可以选择提供文字选择音色,或者直接上传一段音频。
      • 打开绿幕按钮,点击背景,可以添加背景图。
      • 最后,点击生成视频。
  4. 出门问问Mobvoi:提供了照片数字人的工作流及语音合成(TTS)API,可参考相关效果展示及工作流作者、创意策划等信息。
  5. 剪映数字人“个性化”:
    • 尽管剪映有很多公模数字人,但私模数字人更受欢迎。
    • 使用方法:
      • 第一步打开谷歌浏览器,点击链接https://github.com/facefusion/facefusion-colab 并点击open colab就进到程序主要运行界面,在右上角点击“代码执行程序”选择“全部运行”就行,无需安装,无需付费。点击红框对应的URL就会打开操作界面。
      • 第二步,点击“source”上传自己的照片和“target”上传之前的剪映数字人视频,保持默认参数,点击“START”就能生成。
      • 第三步:等着自己专属的数字人视频出炉。
Content generated by AI large model, please carefully verify (powered by aily)

References

AI 数字人|一键让照片说话

想让照片开口讲话嘛?害怕麻烦?不会用AI?看看一键数字人的好用小工具![heading2]HEYGEN[content]优点:人物灵活,五官自然,视频生成很快。五星好评。缺点:中文的人声选择较少[heading3]使用方法[content]1.点击网址注册后,进入数字人制作,选择Photo Avatar上传自己的照片1.上传后效果如图所示,My Avatar处显示上传的照片1.点开大图后,点击Create with AI Studio,进入数字人制作1.写上视频文案并选择配音音色,也可以自行上传音频1.最后点击Submit,就可以得到一段数字人视频啦~[heading2]D-ID[content]优点:制作简单,人物灵活缺点:为了防止侵权,免费版下载后有水印[heading3]使用方法[content]1.点击上面的网址,点击右上角的Create vedio1.选择人物形象,你可以点击ADD添加你的照片,或者使用D-ID给出的人物形象1.配音时,你可以选择提供文字选择音色,或者直接上传一段音频1.最后,点击Generate vedio就可以生成一段视频啦1.打开自己生成的视频,可以下载或者直接分享给朋友~[heading2]KreadoAI[content]优点:免费(对于普通娱乐玩家,嗯这很重要),功能齐全缺点:音色很ai[heading3]使用方法[content]1.点击上面的网址,注册后获得120免费k币,这里选择“照片数字人口播”的功能1.点击开始创作,选择自定义照片1.配音时,你可以选择提供文字选择音色,或者直接上传一段音频1.打开绿幕按钮,点击背景,可以添加背景图1.最后,点击生成视频

照片数字人工作流及语音合成(TTS)API- 出门问问Mobvoi

工作流作者:Chaojie https://github.com/chaojie/ComfyUI-mobvoi-openapi/blob/main/wf.json创意策划:JessyJangHi,亲爱的AI爱好者及开发者老师们,ComfyUI全球领导力峰会我们特意搭建数字人workflow(照片数字人驱动),仅需要上传一张照片,输入一段文字或者上传一段音频,就可以生成短视频让“照片开口说话”,希望能让大家感受生成式AI的魅力,应用于更多的使用场景。*本次活动特意提供了免费api额度及操作指南给大家进行体验,诚邀大家玩起来~以下是一些不同风格的照片驱动效果展示?[未命名项目(9).mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/HKO4bcuK1oXh1Ax6ytZcLVqNncb?allow_redirect=1)我是能扫的动态二维码[未命名项目(5).mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/H1ArbYmVZoXLC2xMkutcgvoHn7T?allow_redirect=1)皮克斯风格(女)[未命名项目(6).mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/MxC9bgyGYobg5KxbJZmc9r29nIc?allow_redirect=1)皮克斯风格(男)[8409_1718172922.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/YwbRb8LgNoUIOqxZzk5cwS5enJf?allow_redirect=1)真人照片效果展示

方案:剪映数字人“个性化“—无限免费私模数字人

尽管剪映已经有很多公模数字人,但是从抖音上大火的数字人账号上看,私模数字人更受欢迎所以这里我将教大家用AI换脸软件来完成最后一步。?注意:需要谷歌账号(淘宝或者在我们账号解决平台“[有号](https://www.learnprompt.pro/aiMarket)”就可以直接购买)1.第一步打开谷歌浏览器,点击链接https://github.com/facefusion/facefusion-colab并点击open colab就进到程序主要运行界面.在右上角点击“代码执行程序”选择“全部运行”就行,无需安装,无需付费。点击红框对应的URL就会打开操作界面2.第二步,点击“source”上传自己的照片和“target”上传之前的剪映数字人视频,保持默认参数,点击“START”就能生成!反复调试后给大家选出了最佳参数!1.第三步:等着自己专属的数字人视频出炉!有关数字人使用上的问题,欢迎在底部评论区留言,一起交流~同时如果对数字人课程感兴趣的话,欢迎查看通往AGI之路X AI沃茨的《克隆你自己》课程!?课程内容:[实战课程:数字人课程](https://waytoagi.feishu.cn/wiki/JOWjwM0qfi2rYVkUIwychk9MnSh)?在线观看第一节:https://www.bilibili.com/video/BV1yw411E7Rt/?spm_id_from=333.999.0.0?:aiwarts101

Others are asking
我是医科大学的本科学生,我现在想用Ai帮助我书写论文和报告,我应该怎么系统学习?
以下是一些系统学习利用 AI 帮助书写论文和报告的建议: 一、了解常用的 AI 工具和平台 1. 文献管理和搜索 Zotero:结合 AI 技术,可自动提取文献信息,助您管理和整理参考文献。 Semantic Scholar:由 AI 驱动的学术搜索引擎,能提供相关文献推荐和引用分析。 2. 内容生成和辅助写作 Grammarly:通过 AI 技术提供文本校对、语法修正和写作风格建议,提高语言质量。 Quillbot:基于 AI 的重写和摘要工具,可精简和优化论文内容。 3. 研究和数据分析 Google Colab:提供基于云的 Jupyter 笔记本环境,支持 AI 和机器学习研究,便于数据分析和可视化。 Knitro:用于数学建模和优化的软件,可进行复杂的数据分析和模型构建。 4. 论文结构和格式 LaTeX:结合自动化和模板,高效处理论文格式和数学公式。 Overleaf:在线 LaTeX 编辑器,有丰富模板库和协作功能,简化论文编写。 5. 研究伦理和抄袭检测 Turnitin:广泛使用的抄袭检测工具,确保论文原创性。 Crossref Similarity Check:检测潜在抄袭问题。 二、学习使用 AI 辅助撰写论文和报告的方法 1. 信息收集:利用 AI 搜索与权威网站结合获取关键数据,AI 可辅助提取结构化表格数据或编写抓取程序。 2. 内容拆分:针对报告需求将内容拆分,避免 AI 单次处理任务过长。 3. 数据处理:借助传统工具如 Excel,结合 AI 指导高效操作数据筛选与图表生成。 4. 分析与撰写:通过整理数据,利用 AI 辅助分析后撰写报告初稿,可指定风格并校验数据与结论准确性。 三、注意事项 1. AI 仅作辅助,最终内容需人工主导校验,避免误导性结论。 2. 保持科学的态度和方法,遵循科学伦理原则。 3. 了解现阶段 AI 在教育领域应用的局限性,如知识适配的层次性问题、教育应用的安全性考量等。 希望以上内容对您有所帮助。
2025-04-14
我有一份青年创新讲稿,想用自己的数字形象和我自己的声音讲解,背景要做一些和讲稿内容相符的视频。什么工具最称手呢?
以下是一些适合您需求的工具: 1. HeyGen:这是一个 AI 驱动的平台,能创建逼真的数字人脸和角色。它运用深度学习算法生成高质量肖像和角色模型,适用于游戏、电影和虚拟现实等领域。 2. Synthesia:一个 AI 视频制作平台,允许创建虚拟角色并进行语音和口型同步,支持多种语言,可用于教育视频、营销内容和虚拟助手等场景。 3. DID:一家提供 AI 拟真人视频产品服务和开发的公司,只需上传人像照片和输入要说的内容,平台的 AI 语音机器人会自动转换成语音,然后合成逼真的会开口说话的视频。 此外,还有以下工具供您参考: 1. 开源且适合小白用户的工具:具有一键安装包,无需配置环境,简单易用。其功能包括生成数字人视频,支持语音合成和声音克隆,操作界面中英文可选,系统兼容 Windows、Linux、macOS,模型支持 MuseTalk(文本到语音)、CosyVoice(语音克隆)。使用时需下载 8G+3G 语音模型包,启动模型即可。相关链接:GitHub: 2. Google Veo 2:能生成逼真的 Vlog 视频,效果接近真实,几乎难以分辨,适合创作和内容制作。相关链接: 请注意,这些工具的具体功能和可用性可能会随时间和技术发展而变化。在使用时,请确保遵守相关使用条款和隐私政策,并注意对生成内容的版权和伦理责任。
2025-04-02
我想用ai生成网站的特效,应该使用哪些ai产品
以下是一些可以用于生成网站特效的 AI 产品: 1. Looka:在线 Logo 设计平台,使用 AI 理解用户品牌信息和设计偏好,生成多个 Logo 设计方案供选择和定制。 2. Tailor Brands:AI 驱动的品牌创建工具,通过用户回答问题生成 Logo 选项。 3. Designhill:其 Logo 制作器使用 AI 技术创建个性化 Logo 设计,用户可选择元素和风格。 4. LogoMakr:提供简单易用的 Logo 设计工具,用户可拖放设计并利用 AI 建议。 5. Canva:广受欢迎的在线设计工具,提供 Logo 设计模板和元素,有 AI 辅助设计建议。 6. LogoAI by Tailor Brands:Tailor Brands 推出的 AI Logo 设计工具,根据输入快速生成方案。 7. 标小智:中文 AI Logo 设计工具,利用人工智能技术帮助创建个性化 Logo。 另外,以下产品也可能对生成网站特效有帮助: 1. Dora AI:可以通过一个 prompt,借助 AI 3D 动画生成强大网站,支持文字转网站、生成式 3D 互动、高级 AI 动画。 2. Magic Editor for Google Photos:可对照片进行局部修改。 3. MusicLM:文本生成音乐,当前可在 AI Test Kitchen with Google 试用。 4. Gen AI for Android Magic Compose:自动回复信息;Gen AI for Wallpaper 可生成手机壁纸。 5. ML Hub for Developers:提供 ML 模型训练与部署一站式服务。 6. Immersive View for Google Map:仿真 3D 沉浸式地图。 7. 「Help me write」in Gmail:电子邮件写作助手(文字生成)。 您可以访问相关网站获取更多详细信息和试用这些产品。
2025-03-27
我想用ai生成图片,有什么工具
目前市场上有许多用于生成图片的工具,以下为您介绍: 1. 文生图工具: DALL·E:由 OpenAI 推出,可根据输入的文本描述生成逼真的图片。 StableDiffusion:开源的文生图工具,能生成高质量图片,支持多种模型和算法。 MidJourney:因高质量的图像生成效果和用户友好的界面设计而受欢迎,在创意设计人群中流行。 您还可以在 WaytoAGI 网站(https://www.waytoagi.com/category/104)查看更多文生图工具。 2. 图片生成 3D 建模工具: Tripo AI:VAST 发布的在线 3D 建模平台,能利用文本或图像在几秒钟内生成高质量且可立即使用的 3D 模型。 Meshy:功能全面,支持文本生成 3D、图片生成 3D 以及 AI 材质生成。 CSM AI:支持从视频和图像创建 3D 模型,Realtime Sketch to 3D 功能支持通过手绘草图实时设计 3D 形象,再转换为 3D 模型。 Sudo AI:支持通过文本和图像生成 3D 模型,适用于游戏领域的模型生成。 VoxCraft:由生数科技推出的免费 3D 模型生成工具,能将图像或文本快速转换成 3D 模型,并提供多种功能。 这些工具通常具有用户友好的界面,允许用户通过简单操作生成图片或 3D 模型,无需专业技能。它们可广泛应用于游戏开发、动画制作、3D 打印、视觉艺术等领域。请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-03-25
我想用AI自动生成PPT,请帮我推荐一下相关工具或软件
以下为您推荐一些 AI 自动生成 PPT 的工具及相关信息: 1. 目前市面上大多数 AI 生成 PPT 的思路: AI 生成 PPT 大纲。 手动优化大纲。 导入工具生成 PPT。 优化整体结构。 2. 推荐的市场分析文章供参考: 《》 《》 3. 相似问题: 有没有生成 PPT 的应用推荐,不用翻墙的。 免费生成 PPT 的网站有哪些。 推荐一款文字生成 ppt 的工具。 免费 ai 制作 ppt 软件。 推荐 3 款好用的 AI 制作 ppt 工具。 4. 以下是一些生成 PPT 的工具及网站: 讯飞智文:https://zhiwen.xfyun.cn/ Mindshow.fun:支持 Markdown 导入 kimi.ai:选 PPT 助手暂时免费效果好 Tome.app:AI 配图效果好 Chatppt.com:自动化程度高 百度文库:https://wenku.baidu.com 付费效果好 Process ON:https://www.processon.com/ ,其操作方式有两种: 导入大纲和要点: 手动复制,相对比较耗时间。 导入方式:复制最终大纲的内容到本地的 txt 文件后,将后缀改为.md(若看不见后缀,可自行搜索开启后缀);打开 Xmind 软件,将 md 文件导入 Xmind 文件中;在 Process ON 导入 Xmind 文件。 输入主题自动生成大纲和要求:新增思维导图,输入主题,点击 AI 帮我创作。 选择模版并生成 PPT:点击下载,选择导入格式为 PPT 文件,选择模版,再点击下载。如果喜欢用 Process ON 的小伙伴,没有会员,可以某宝买个一天会员。 需要注意的是,内容由 AI 大模型生成,请仔细甄别。
2025-03-20
我想用ai写一份报告,应该用什么软件
如果您想用 AI 写一份报告,可以考虑以下几种软件和方法: 1. 利用信息收集功能:结合 AI 搜索与权威网站获取关键数据,AI 可辅助提取结构化表格数据或编写抓取程序。 2. 内容拆分:针对报告需求将内容拆分,避免 AI 单次处理任务过长。 3. 数据处理:借助传统工具如 Excel,结合 AI 指导高效操作数据筛选与图表生成。 4. 分析与撰写:通过整理数据,利用 AI 辅助分析后撰写报告初稿,可指定风格并校验数据与结论准确性。但要注意,AI 仅作辅助,最终内容需人工主导校验,避免误导性结论。 5. 您还可以尝试以下应用: Mistral 发布的全新聊天应用,基于 Pixtral Large 124B 多模态模型,支持网络搜索、写作画布与 Flux Pro 图像生成功能。您可以通过在线体验。 使用 Claude 3.7 Sonnet 把 PDF 一键变成能玩的可视化网页,按照特定的 prompt 进行操作,将作者信息和媒体资源等细节部分改成自己的内容。但要注意,这个 Prompt 不是复制给任何大模型都可以用的,目前测试下来,只有 Claude 3.7 Sonnet 效果最好最强。您可以在 Claude 自己的官网、trea 海外版、cursor 等能用 Claude 3.7 的产品中使用。对于媒体资源中的图片,如果是网上现成的图片,可直接右键复制图像链接;如果是自己的图片,可以使用图床服务(比如 https://sm.ms/)托管图片,生成一个公链,然后用 Markdown 格式贴到媒体资源那。
2025-03-19
有没有给几张例图就能生成其他图片的AI
以下是为您提供的相关信息: 目前有一些 AI 工具可以根据给定的几张例图生成其他图片。例如 Stable Diffusion 模型,它能依据用户输入的文本指令,利用文本中的语义信息与图片中的像素对应关系生成匹配的图片。其生成的图片样式完全取决于使用者输入的提示词,难以出现完全相同的两张输出图片,类似于画笔,最终的图画构造取决于使用者的设计。 在实际应用中,如列宾、穆夏等著名画家的作品风格可作为 AI 生图的参考。我们曾基于列宾的真迹「伏尔加河上的纤夫」让 AI 生成了「伏尔加河上的海盗」「伏尔加河上的商人」「伏尔加河上的帮工」等仿画,也基于穆夏的代表作生成了多幅仿画。 在 AI 作图的创作中,有一些要点和方法。比如要注重趣味性与美感的结合,通过反差、反逻辑、超现实方式带来视觉冲击,同时在美术基础不出错的前提下将形式与内容结合。在纹身图创作时要强调人机交互,对输出图片根据想象进行二次和多次微调,确定情绪、风格等锚点再发散联想。编写提示词时要用自然语言详细描述画面内容,避免废话词。 此外,全国首例 AI 生成图片著作权案例表明,人工智能并不具备自由意志,使用者根据自己的审美个性通过增删提示词、修改相关参数得出并选定的图片,完全体现出本质上是使用者在利用工具创作,投入了自己的智力以及独创思想,这样生成的图片属于美术作品,具有独创性和智力投入,受到著作权的保护。
2025-03-04
推荐几张ai领域图片
以下为您推荐几张 AI 领域的图片: 1. 节目单: 图片主题:风景,祖国河山 描述:AI 还原的中国自然景观,一些前所未有的角度,带来视觉震撼。 图片主题:AI 与画手的对话 描述:展示 AI 作为艺术创作工具,表明 AI 不是只会抄袭,而是画手的好工具。 图片主题:搞笑图/扩图轮播 描述:全网搞笑图片的二创。 图片主题:诗与远方 描述:诗词与 AI 结合的视觉艺术,呈现唯美画面。 图片主题:AI 红包 描述:直播制作红包封面并分发,炒热气氛。 2. 摊位信息: 摊位主题:乐易科学院 描述:通过 AI 技术,结合量子、暗物质、天体运行规律等能量形式,从科学、物理学、天文学、心理学等方面讲解国学和传统文化,可进行批八字、调风水、性格色彩分析。 摊位主题:AIGC 策划程序美术(3AI 简称 3A 游戏)应用独立游戏开发 摊位主题:AI 人像摄影绘画 摊位主题:B2B AI 营销与 AI 落地项目快速落地 描述:涵盖 AI 训练 to b 出应用、智能体 agent、文生图生视频等,以及美国独立站搭建、Google seo 与 AI 结合等,展示相关技术尝试和工具。 3. 他山之石|如何防止 AI 取代人类思考一切: 原文主要探讨了手写笔记和手绘对于学习和思考的重要性,认为在学习新技能时应先依靠人类自身,不应过早使用 AI,还提到了与朋友 Trevor Muir 关于此问题的交流。
2025-01-21
给你几张图图片,帮我生成是视频的AI
以下为几种利用图片生成视频的方法: 1. 前 Sora 时代的方法:使用 Pika、Pixverse、Runway、SVD 四大 AI 视频工具。为每张图片只抽一次卡,图片和 GIF 动图顺序包括 MJ 图等。生成的视频类型有剧情片(如太空舰队交战、宇航员头盔特写等)、战争片(如士兵在战壕准备迎击等)、奇幻片等。 2. 快影(可灵)处理图片的方法: 打开快影(需先通过内测申请),选择 AI 创作。 选择 AI 生成视频。 选择图生视频。 上传处理好的图片,填写想要的互动动作和效果,然后点击生成视频。 排队等待生成结束,点击下载。 3. 利用 PixVerse 生成视频:涂抹选区,给出相应的运动方向,最后加入配音并剪辑。 您可以根据自己的需求选择适合的方法来将图片生成视频。
2025-01-04
我发给AI几张图,能不能做一个电子画册?哪一个AI做的更好
目前有一些 AI 工具可以帮助您将几张图制作成电子画册,例如谷歌的 Imagen 3。Imagen 3 是谷歌推出的高质量文本到图像模型,能够生成细节更好、光照更丰富且干扰伪影更少的图像。 如果您想快速制作电子画册,以下是一些相关的知识和方法: 1. 对于制作海报,您可以使用国内的 AIGC 绘图平台无界 AI。大致流程包括确定主题与文案(可借助 ChatGPT 等文本类 AI 工具协助完成文案)、选择风格与布局、生成与筛选海报底图、配文与排版。 2. 在游戏截图升级方面,底图制作可以使用 PS 添加内容丰富画面。比如简单粗暴的背景贴人物合成,或者通过一些简单加工让 AI 更清楚您的需求。还可以结合 3D 软件定制内容,如使用 ACCURIG 进行一键绑定等。
2024-12-26
给你一张图片,在一个图库中找到相似度最高的几张图
以下是在图库中找到与给定图片相似度最高的几张图的方法: 1. 寻找两张图:使用童星吴磊的图片,最初尝试了哈利波特的扮演者,但因 InsightFaceSwap 规则限制未采用。 2. MJ 绘图:较为简单,加上简单相机参数、写实风格,使用 MJ v 6.0 绘图,可按需求调整 9:16 的比例。直接描述情况下,MJ 画图效果尚可,可根据需要增加参数。 3. 图片裁剪:直接使用 PS 进行裁剪,也可选用自己顺手的工具,所选照片尽量能一刀完整分割两个人。 4. 使用 InsightFaceSwap 处理图片: 输入“/saveid”,idname 可随意填写,如“child”,上传原图。 换脸操作输入“/swapid”,id=child,上传分割好的图。 选择觉得像的图,效果不好可循环操作,但注意插件每日免费使用次数。 5. 拼接:重新利用 PS 把两张图片拼接回来。但相似程度可能不太理想,插件对老外的脸识别度较好。
2024-12-25
AI文生视频
以下是关于文字生成视频(文生视频)的相关信息: 一些提供文生视频功能的产品: Pika:擅长动画制作,支持视频编辑。 SVD:Stable Diffusion 的插件,可在图片基础上生成视频。 Runway:老牌工具,提供实时涂抹修改视频功能,但收费。 Kaiber:视频转视频 AI,能将原视频转换成各种风格。 Sora:由 OpenAI 开发,可生成长达 1 分钟以上的视频。 更多相关网站可查看:https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤(以梦 AI 为例): 进入平台:打开梦 AI 网站并登录,新用户有积分可免费体验。 输入提示词:涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成:确认提示词无误后,选择模型、画面比例,点击「生成」按钮。 预览与下载:生成完毕后预览视频,满意则下载保存,不理想可调整提示词再试。 视频模型 Sora:OpenAI 发布的首款文生视频模型,能根据文字指令创造逼真且充满想象力的场景,可生成长达 1 分钟的一镜到底超长视频,视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总: 4 月 11 日: Pika 上线 Pika Twists 能力,可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中,结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术,可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术,实现从单张图片快速生成超逼真的 3D 头像,在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage,通过图片生成可自由拼装 3D 场景,再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型,无缝支持各种视频生成任务(文本/图像/视频到视频)。 4 月 9 日: ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下,可生成完整的 1 分钟视频。 4 月 14 日: 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
ai视频教学
以下是为您提供的 AI 视频教学相关内容: 1. 第一节回放 AI 编程从入门到精通: 课程安排:19、20、22 和 28 号四天进行 AI 编程教学,周五晚上穿插 AI 视频教学。 视频预告:周五晚上邀请小龙问露露拆解爆火的 AI 视频制作,视频在视频号上有大量转发和播放。 编程工具 tree:整合多种模型,可免费无限量试用,下载需科学上网,Mac 可拖到文件夹安装,推荐注册 GitHub 账号用于代码存储和发布,主界面分为工具区、AI 干活区、右侧功能区等。 网络不稳定处理:网络不稳定时尝试更换节点。 项目克隆与文件夹:每个项目通过在本地新建文件夹来区分,项目运行一轮一轮进行,可新建会话,终端可重开。 GitHub 仓库创建:仓库相当于本地项目,可新建,新建后有地址,可通过多种方式上传。 Python 环境安装:为方便安装提供了安装包,安装时要选特定选项,安装后通过命令确认。 代码生成与修改:在 tree 中输入需求生成代码,可对生成的代码提出修改要求,如添加滑动条、雪花形状、颜色等,修改后审查并接受。 2. AI 视频提示词库: 神秘风 Arcane:Prompt:a robot is walking through a destroyed city,,League of Legends style,game modelling 乐高 Lego:Prompt:a robot is walking through a destroyed city,,lego movie style,bright colours,block building style 模糊背景 Blur Background:Prompt:a robot is walking through a destroyed city,,emphasis on foreground elements,sharp focus,soft background 宫崎骏 Ghibli:Prompt:a robot is walking through a destroyed city,,Spirited Away,Howl's Moving Castle,dreamy colour palette 蒸汽朋克 Steampunk:Prompt:a robot is walking through a destroyed city,,fantasy,gear decoration,brass metal robotics,3d game 印象派 Impressionism:Prompt:a robot is walking through a destroyed city,,big movements
2025-04-20
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有: 1. 昆仑万维的 SkyReelsV1:它不仅支持文生视频、图生视频,还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL:在 13 项权威评测中夺得视觉理解冠军,全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解,无需微调即可变身为 AI 视觉智能体,实现多步骤复杂操作。擅长万物识别,能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个: 1. 昆仑万维的 SkyReelsV1:不仅支持文生视频、图生视频,是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元:语义理解能力出色,能精准还原复杂的场景和动作,如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5:全球最快的 AI 视频生成模型,Turbo 模式下可在 10 秒内生成视频,最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能,具备顶尖动漫生成能力。
2025-04-15
需要做一个自动化出视频的工作流
以下是一个关于自动化出视频工作流的详细介绍: 优势: 全自动化处理,解放双手。 40 秒快速出片,效率提升。 成本低廉,每条仅需 0.0x 元。 输出质量稳定专业。 DeepseekR1 保证文案质量。 还能改进,例如可以加入配套 BGM,让视频更有感染力;增加更丰富的画面内容和转场效果;使用免费节点替代付费插件,进一步降低成本;优化模板样式,支持更多展示形式;增加自动化程度,支持批量处理。 工作流程: 1. 可以在扣子商店体验,建议自己搭建。 2. 工作流调试完成后,加入到智能体中,可以选择工作流绑定卡片数据,智能体则通过卡片回复。 3. 选择发布渠道,重点如飞书多维表格,填写上架信息(为了快速审核,选择仅自己可用),确认发布等待审核,审核通过后即可在多维表格中使用。 4. 创建飞书多维表格,添加相关字段,配置选择“自动更新”,输入相关字段后,“文案视频自动化”字段捷径会自动调用工作流,生成视频。 5. 表单分享,实现“填写表单,自动创建文案短视频”的效果。 6. 全自动视频合成使用多视频融合插件,一键导出成品。但需注意节点产生的视频是异步生成,可能无法马上展现,需耐心等待几秒。 如果您还有其他疑问或需要进一步的帮助,请随时联系。
2025-04-14
旧照片修复
旧照片修复是 AI 绘画领域中的一项重要应用。以下是关于旧照片修复的一些相关信息: 以往解决旧照片修复问题往往需要搭建极为复杂的工作流,现在 GPT 4O 只需要一句话就可以实现。 图像放大修复是 AI 绘画领域必不可少的一部分,利用 AI 技术进行图像修复,可以让模糊的旧照片重现清晰,保留珍贵回忆。例如,以前手机拍摄的低分辨率图片,放到如今智能手机上观看会非常模糊,这时可用 AI 技术进行高清修复。 ComfyUI 结合特定工作流,只需十几个基础节点就能实现较好的老照片修复效果。 参数调节方面,一般先确认放大倍数,然后根据出来的图片调整 controlNet 的强度。 Flux.1dev ControlNet 是为低分辨率图像开发的模型,可直接与 diffusers 库一起使用,采用合成复杂数据退化方案进行训练,目的是让模型学会处理各种真实世界中可能遇到的图像退化情况。 Flux Ultimator 能增加小细节,增强色彩,在 0.1 的强度设置下也有显著效果,能顺利集成到工作流程中,与其他 LORA 结合使用时强度需小于 0.5。 若图片质量细节不够,可选择 T5 Clip 的 fp16 版本。
2025-04-14
如果改变照片中人物的表情
要改变照片中人物的表情,可以通过以下几种方式: 1. 在使用 SD 脸部修复插件 After Detailer 时,输入如“伤心、流泪”这样针对表情的正负提示词,人物的表情会进行相应改变。但输入“带着墨镜”可能没有效果。 2. 使用 Magic Brush 工具,选中人物的眉毛、眼睛、嘴唇等部位,通过调节轨迹的方向来实现合理的表情变化。 3. 在 Midjourney V6 中,若遇到无法改变角色脸部等问题,可按照以下步骤排除故障:首先确保写了强有力的提示以建议新的姿势、风格或细节;若角色抗拒被操纵,可能是 cref 图像支配了提示,可通过使用 cw进行处理,尝试将提示与较低的 cref 权重一起使用,如 cw 60,按照特定步骤操作,还可考虑使用 来恢复面部区域。
2025-04-14
老照片修复
老照片修复是一个具有一定复杂性但通过 AI 技术可以实现较好效果的领域。以下是一些相关信息: 在解决老照片修复问题上,以往 AI 往往需要搭建极为复杂的工作流,而现在 GPT 4O 只需要一句话就可以实现。 对于老照片上色,可启用 MutiDiffusion 插件,不开放大倍数,仅使用分块渲染功能,在显存不够的情况下将图片放大到足够倍数。 对于复杂的老照片,如人物多、场景复杂、像素低的情况,可在 PS 里进行角度调整和照片裁切,然后上色。若直接上色效果不佳,可放弃人物服装颜色指定,只给场景方向,让 AI 自行决定。还可加入第二个 controlnet 来控制颜色,使用 t2ia_color 模型,给出简单关键词如“蓝天、绿树、灰石砖”。 ComfyUI 老照片修复结合 Flux Controlnet Upscale 工作流,以前的工作流较复杂,现在只要十几个基础节点就能实现同样甚至更好的效果。一般先确认放大倍数,再根据图片调整 controlNet 的强度。Flux.1dev ControlNet 是为低分辨率图像开发的模型,可直接与 diffusers 库一起使用,采用特定训练方式处理各种真实世界中可能遇到的图像退化情况。Flux Ultimator 能增加小细节和放大色调丰富性、深度,在 0.1 强度设置下有显著增强效果,能顺利集成到工作流程中,与其他 LORA 结合使用时强度需小于 0.5。若图片质量细节不够,可选择 fp16 版本的 T5 Clip。
2025-04-14
老照片变高清
以下是使用 AI 将老照片变高清的步骤: 1. 给老照片上色:为做到颜色与内容统一,可启用 cutoff 插件,按顺序设置好颜色提示词。不了解该插件的可参考文章。 2. 使照片人脸变清晰:将照片放入后期处理,使用 GFPGAN 算法,可参考文章。但此步骤无法使头发、衣服等元素变清晰。 3. 放大照片:将图片发送到图生图中,打开 stableSR 脚本,放大两倍。此放大插件是所有插件中对原图还原最精准、重绘效果最好的,可参考文章。切换到 sd2.1 的模型进行修复,vae 选择 vqgan,提示词可不写以免干扰原图。 4. 显存不够时:启用 MutiDiffusion 插件,不开放大倍数,仅使用分块渲染功能帮助放大图片。 5. 处理复杂照片:对于人物多、场景复杂、像素低的照片,可先在 ps 里调整角度和裁切,然后上色。若直接上色效果不佳,可放弃人物服装颜色指定,只给场景方向,让 AI 自行决定。还可加入第二个 controlnet 控制颜色,使用 t2ia_color 模型,给出简单关键词,如“蓝天、绿树、灰石砖”。最后进行脸部修复和放大。
2025-04-13
如何让老照片变清晰
以下是让老照片变清晰的方法: 1. 将照片放入后期处理中,使用 GFPGAN 算法使人脸变清晰。您可以参考文章。 2. 将图片发送到图生图中,打开 stableSR 脚本,放大两倍。此放大插件是所有插件中对原图还原最精准、重绘效果最好的。您可以参考文章。 3. 切换到 sd2.1 的模型进行修复,vae 选择 vqgan,提示词可以不写以免对原图产生干扰。 4. 启用 MutiDiffusion 插件,不开放大倍数,仅使用分块渲染的功能,能在显存不够的情况下将图片放大到足够的倍数。 5. 对于复杂的照片,可先在 ps 里面进行角度调整和照片裁切,然后使用上述步骤进行上色。若直接上色效果不佳,可放弃人物服装的颜色指定,只给场景方向,让 AI 自行决定。还可加入第二个 controlnet 来控制颜色,使用 t2ia_color 的模型,给出简单的关键词,如“蓝天、绿树、灰石砖”。 另外,进行超清无损放大修复需要准备以下文件和操作: 1. 使用 StabilityAI 官方的 Stable Diffusion V2.1 512 EMA 模型,放入 stablediffusionwebui/models/StableDiffusion/文件夹中。 2. 将 StableSR 模块(约 400M 大小)放入 stablediffusionwebui/extensions/sdwebuistablesr/models/文件夹中。 3. 将 VQVAE(约 750MB 大小)放在 stablediffusionwebui/models/VAE 中。
2025-04-13
老照片修复
老照片修复是一项具有一定复杂性的工作,但随着 AI 技术的发展,实现方式也在不断改进和优化。 以往,AI 在解决老照片修复问题时,往往需要搭建极为复杂的工作流。而现在,例如 GPT 4O 只需要一句话,就可以实现部分修复需求。 在具体的修复方法中,如使用 SD 进行老照片上色,可以启用 MutiDiffusion 插件,不开放大倍数,仅使用分块渲染的功能,在显存不够的情况下将图片放大到足够的倍数。对于复杂的老照片,如人物多、场景复杂、像素低的情况,可以先在 ps 里面进行角度调整和照片裁切,然后进行上色。若直接上色效果不佳,可放弃人物服装的颜色指定,只给场景方向,让 AI 自行决定,还可加入第二个 controlnet 来控制颜色。 ComfyUI 老照片修复结合 Flux Controlnet Upscale 工作流,以前复杂的工作流现在只要十几个基础的节点就能实现同样的效果甚至更好。其中涉及参数的调节,一般先确认放大的倍数,然后根据出来的图片来调整 controlNet 的强度。Flux.1dev ControlNet 是为低分辨率图像开发的模型,可直接与 diffusers 库一起使用,采用合成复杂数据退化方案进行训练。Flux Ultimator 能增加小细节和放大色调的丰富性和深度,在 0.1 的强度设置下也能有显著增强效果,能顺利集成到工作流程中。若图片质量细节不够,T5 Clip 选择 fp16 的版本。
2025-04-11