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

读取视频的AI

Answer

以下是一些常见的读取视频的 AI 工具和工作流程：

  1. 完整工作流：
    • 概念设定：MJ
    • 剧本+分镜：ChatGPT
    • AI 出图：MJ、SD、D3
    • AI 视频：Runway、pika、PixVerse、Morph Studio
    • 对白+旁白：11labs、睿声
    • 音效+音乐：SUNO、UDIO、AUDIOGEN
    • 视频高清化：Topaz Video
    • 字幕+剪辑：CapCut、剪映
  2. 方法 4【SD 出图+出视频】：
    • 下载 SD 的分支版本 CONTROLNET 大佬开发的 Forge，特点是支持图生视频、图生 SD，对低端显卡支持良好。下载链接：https://github.com/lllyasviel/stable-diffusion-webui-forge/releases/download/latest/webui_forge_cu121_torch21.7z 。解压到英文文件夹，解压后优先运行 update.bat 进行升级，然后运行 run.bat，打开的界面和 SD 基本一样，核心区别在于 FORGE 增加了 SVD【图生视频】和 Z123【图生 3D】两个王炸功能，且很多 CONTROL 作者研发的新功能直接内置。

相关作者信息：来来，联系方式：laiweb3（添加请注明 AI 视频），公众号/视频号/小红书/B 站：来来说 AI，个人标签：20 年设计师，10 年大学设计老师，电商设计公司创始人 10 年，AI 图书作者《一本书读懂 AI 绘画》《一本书读懂 AIGC 提示词》《一本书读懂 AIGC 提示词 2》。

Content generated by AI large model, please carefully verify (powered by aily)

References

来来：AI视频短片工作流揭密

本文作者：来来联系方式：laiweb3（添加请注明AI视频）公众号/视频号/小红书/B站：来来说AI标签：20年设计师，10年大学设计老师，电商设计公司创始人10年，AI图书作者《一本书读懂AI绘画》《一本书读懂AIGC提示词》[heading2]完整文档[content][AI视频-完整工作流.pdf](https://bytedance.feishu.cn/space/api/box/stream/download/all/YJTVb6hA0oXv0vx8lgyc35Dan1c?allow_redirect=1)[heading2]AI视频工作流概述[content][heading2]详见上面的PDF[content]1、概念设定：MJ 2、剧本+分镜：ChatGPT。3、AI出图：MJ,SD,D3 4、AI视频：Runway，pika，PixVerse，Morph Studio。5、对白+旁白：11labs，睿声6、音效+音乐：SUNO,UDIO,AUDIOGEN 7、视频高清化：Topaz Video。8、字幕+剪辑：CapCut，剪映。[heading2]直播回放[content][直播回放-05月10日.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/N0L0bGKtDoHqd1xtjwIcxfENn9e?allow_redirect=1)

第32期：Video Battle 视频挑战赛-AI是谁

本方法作者：来来联系方式：laiweb3（添加请注明AI视频）公众号/视频号/小红书/B站：来来说AI个人标签：20年设计师，10年大学设计老师，电商设计公司创始人10年，AI图书作者《一本书读懂AI绘画》《一本书读懂AIGC提示词2》[heading4]下载SD的分支版本CONTROLNET大佬开发的Forge[content]此版本特点是支持图生视频，图生SD，而且对低端显卡支持良好，这里是一个压缩包，直接下载，解压到英文文件夹即可。https://github.com/lllyasviel/stable-diffusion-webui-forge/releases/download/latest/webui_forge_cu121_torch21.7z[heading4]解压后，优先运行update.bat进行升级,然后再运行run.bat[heading4]接着就打开了和SD基本一模一样的界面[content]核心区别在于FORGE增加了2个王炸功能，SVD【图生视频】和Z123【图生3D】，而且这个也是CONTROL作者研发的，CN的很多新功能都直接内置。

第32期：Video Battle 视频挑战赛-AI是谁

本方法作者：来来联系方式：laiweb3（添加请注明AI视频）公众号/视频号/小红书/B站：来来说AI个人标签：20年设计师，10年大学设计老师，电商设计公司创始人10年，AI图书作者《一本书读懂AI绘画》《一本书读懂AIGC提示词2》[heading4]下载SD的分支版本CONTROLNET大佬开发的Forge[content]此版本特点是支持图生视频，图生SD，而且对低端显卡支持良好，这里是一个压缩包，直接下载，解压到英文文件夹即可。https://github.com/lllyasviel/stable-diffusion-webui-forge/releases/download/latest/webui_forge_cu121_torch21.7z[heading4]解压后，优先运行update.bat进行升级,然后再运行run.bat[heading4]接着就打开了和SD基本一模一样的界面[content]核心区别在于FORGE增加了2个王炸功能，SVD【图生视频】和Z123【图生3D】，而且这个也是CONTROL作者研发的，CN的很多新功能都直接内置。

Others are asking
ai修图变清晰
以下是关于使用 AI 修图变清晰的方法： 1. 将照片放入后期处理中，使用 GFPGAN 算法将人脸变清晰。您可以参考文章——。但此步骤无法将照片中的头发、衣服等元素变清晰。 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——。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干扰原图。 3. 启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染功能，可在显存不够时将图片放大到足够倍数。 4. 对于复杂照片，可先在 ps 里调整角度和裁切，然后使用上述步骤上色。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。比如加入第二个 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”。 另外，在 Stable Diffusion 中，AI 出图默认分辨率为 512x512，用于商业不够。提高最终出图分辨率的方法之一是高清修复：在文生图功能中有内置的高清修复（HiresFix）功能，将初始分辨率设为 800x420，选择放大倍率为 2，理论上放大倍率越高图片越清晰，但实际效果与电脑配置和显卡显存有关。先以 800x420 画图，获取种子值并填入随机数种子固定图片，放大时算法选择需根据绘图风格，二次元可选 RESRGAN 4x+Anime6B，写实类可选 RESRGAN 4x+。
2025-02-24
AI测试工具
以下是一些常见的 AI 测试工具： 1. PlaywrightAI 自动化测试工具：这是一个 Hackathon 项目，通过 Antropic AI 的 Claude Computer Use 实现自然语言驱动的 UI 自动化测试。优点是降低编写自动化测试脚本成本，局限是稳定性不足、容易误报或遗漏，且成本较高。 2. 基于规则的测试生成工具： Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 3. 基于机器学习的测试生成工具： DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 4. 基于自然语言处理（NLP）的测试生成工具： Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 此外，还有一些 AI Prompts 测试框架： 1. PromptPal：专为 AI 领域中的初创公司和个人开发者设计的提示管理工具，作为集中化平台，便于管理提示，实现协作和优化工作流程。特点包括本地部署和云原生、简易设置、数据库支持、SDK 支持、提示跟踪与分析、协作工具。 2. ChainForge：开源的可视化编程环境，专门用于测试大型语言模型（LLMs）的提示。特点有多模型测试、响应质量比较、评估指标设置、多对话管理。 3. Promptknit：为 AI Prompts 测试提供服务的平台。
2025-02-24
有没有什么可以用于会议纪要整理的AI软件
以下是一些可以用于会议纪要整理的 AI 软件： 1. 团队会议总结 Vowel：https://www.vowel.com/ 2. Personalized AI,Everywhere.：https://www.augment.co/?ref=superhuman1_mar23&utm_source=superhuman.beehiiv.com&utm_medium=newsletter&utm_campaign=thisaicanhackinterviews 3. Noty 会议总结为待办事项：https://noty.ai/ 4. The 6 Best AI Tools for Meeting Notes in 2024：https://www.meetjamie.ai/blog/the6bestaimeetingtools 5. The smartest AI team assistant Sembly AI：https://www.sembly.ai/ 6. Briefly: AI meeting summary&email follow up Chrome 应用商店：https://chrome.google.com/webstore/detail/brieflyaimeetingsummar/bjmgcelbpkgmofiogkmleblcmecflldk 7. Welcome fireflies.ai：https://app.fireflies.ai/ 8. Noota Screen Recorder&Meeting Assistant Chrome 应用商店：https://chrome.google.com/webstore/detail/nootascreenrecordermee/eilpgeiadholnidgjpgkijfcpaoncchh 9. Read Meeting Reports：https://app.read.ai/analytics/meetings 10. Read Create Workspace：https://app.read.ai/analytics/settings/workspace/new 11. 10 AI Notes Taking Tool to Summarize Meetings in Seconds Geekflare：https://geekflare.com/ainotestakingtools/ 此外，还有以下免费的会议语音转文字工具，不过大部分有使用的时间限制，超过一定的免费时间后可能需要付费： 1. 飞书妙记：https://www.feishu.cn/product/minutes 2. 通义听悟：https://tingwu.aliyun.com/home 3. 讯飞听见：https://www.iflyrec.com/ 4. Otter AI：https://otter.ai/ 更多会议记录工具请访问网站：https://waytoagi.com/sites/category/29 。请注意，内容由 AI 大模型生成，请仔细甄别。
2025-02-24
清华AI幻觉
以下是关于清华 AI 幻觉的相关信息： 在 AI 领域，特别是大型语言模型（LLM）中，幻觉是一个常见的问题。LLM 会产生幻觉，编造事实性信息，原因在于它们本质上是在模仿训练数据中的统计模式，而非真正理解或检索知识。例如，模型在训练数据中学习到“who is X”类型的问题通常有确定的答案，所以即使面对未知问题，也会倾向于编造答案以符合训练数据的风格。 对于幻觉问题，有一些研究和应对方法。牛津大学的研究重点关注了幻觉的一个分支——虚构症，通过生成一个问题的多个答案，并使用另一个模型根据相似含义分组来衡量 LLM 不确定性。Google DeepMind 推出了 SAFE，通过将 LLM 响应分解为单个事实、使用搜索引擎验证事实以及对语义相似的陈述进行聚类来评估 LLM 响应的真实性。同时，OpenAI 推出了 CriticGPT，它使用基于大量有缺陷输入数据集进行训练的 GPT 式 LLM 来发现其他 LLM 生成的代码中的错误。 此外，清华大学在这方面也有相关研究，如“DeepSeek 与 AI 幻觉”。但关于其具体内容，您可以通过相关链接进一步了解。
2025-02-24
AI幻觉
AI 幻觉是指 AI 在生成内容时出现的错误或与现实世界不符的情况。以下是关于 AI 幻觉的一些重要方面： 在写东西方面，AI 容易“产生幻觉”并生成看似合理但可能完全错误且令人信服的事实。例如，GPT4 通常更扎实，而 Bing 因互联网连接可拉入相关事实，但幻觉仍难以完全消除。同时，AI 不会真正解释自身，给出的解释可能是完全编造的。当被要求解释思考过程时，它只是生成听起来合理的文本，这使得理解系统中的偏见非常困难。 在艺术创作方面，许多 AI 工具会出现幻觉，如照片中突然出现第三只手臂，或者处理请求时间长。对于大多数消费者可能可接受，但对于试图通过内容盈利的用户可能更令人沮丧。 从技术真相角度来看，AI 幻觉本质上是对信息的扭曲。人类认知偏差是大脑处理信息时为节省认知资源采取“捷径”导致对信息的扭曲和误判，而 AI 幻觉是模型对训练数据中统计模式的过度依赖，在面对新情况时无法准确理解和生成信息。其表现形式多种多样且难以察觉，如生成不存在的人物、地点、事件或对已知事实错误描述。产生原因都与经验和知识有关，人类认知偏差与个人成长经历、文化背景、知识结构等有关，AI 幻觉则与训练数据质量、模型结构和训练策略有关。其影响可能导致错误决策，如投资者受偏差影响做出错误投资决策，也可能误导用户、传播虚假信息甚至引发安全事故，如用于医疗诊断的 AI 系统给出错误诊断结果延误患者治疗。 可参考进一步了解。
2025-02-24
AI幻觉
AI 幻觉是指 AI 在生成内容时出现的错误或与现实世界不符的情况。以下是关于 AI 幻觉的一些重要方面： 在写东西方面，AI 容易“产生幻觉”并生成看似合理但可能完全错误的内容，且非常令人信服。例如，当被要求为互联网提供参考、引用、引文和信息时（对于未连接到互联网的模型），风险尤其大。GPT4 通常更扎实，而 Bing 的互联网连接意味着它能引入相关事实，但幻觉仍无法完全消除。同时，AI 不会真正解释自己，对其思考过程的回答往往是编造的，这使得理解系统中的偏见非常困难。 在艺术创作方面，许多 AI 工具会出现幻觉，如照片中突然出现第三只手臂，或者处理请求时间长。对于大多数消费者可能可接受，但对于试图通过内容盈利的人可能更令人沮丧。为满足高级用户需求，预计很多公司会推出如 ChatGPT 那样的“专业版”套餐提供更高质量服务。 从技术真相角度来看，AI 幻觉本质上是对信息的扭曲。人类认知偏差源于大脑处理信息时为节省认知资源采取的“捷径”，易导致信息误判；AI 幻觉则是模型对训练数据中统计模式过度依赖，面对新情况无法准确理解和生成信息。其表现形式多种多样且难以察觉，如生成不存在的人物、地点、事件或对已知事实错误描述。产生原因都与经验和知识有关，人类认知偏差与个人成长经历、文化背景等有关，AI 幻觉与训练数据质量、模型结构和训练策略有关。其影响可能导致错误决策，如投资者受偏差影响做出错误投资决策；在 AI 领域，可能误导用户、传播虚假信息甚至引发安全事故，如用于医疗诊断的 AI 系统给出错误诊断结果延误治疗。
2025-02-24
推荐一个能读取视频并总结出视频内容的ai
以下为您推荐能读取视频并总结视频内容的 AI 工具及方法： 1. GPT 系列： 对于 B 站等有字幕的视频，若视频栏下有字幕按钮，可通过安装油猴脚本获取字幕，将字幕复制发送给 GPT 进行总结。 有开发者利用 OpenAI 升级的 API 对足球比赛视频进行全 AI 解说，具体步骤包括提取视频帧（如使用 OpenCV 初始化视频文件读取，遍历视频逐帧处理并编码为 base64 格式）、构建描述提示（创建结构化提示，定义 GPT 请求参数）、发送 GPT 请求。 2. 视频内容分析模型：可在上传视频后生成视频内容的文本描述。 您可以根据实际需求选择使用。
2025-02-24
推荐一个能读取视频的ai
以下为您推荐能读取视频的 AI 相关工具： 1. 视频内容分析模型：上传视频后可以生成视频内容的文本描述。来源： 2. SD 的分支版本 CONTROLNET 大佬开发的 Forge：支持图生视频、图生 SD，对低端显卡支持良好。下载地址： 。解压后，优先运行 update.bat 进行升级，然后再运行 run.bat 。其核心区别在于 FORGE 增加了 2 个王炸功能，SVD【图生视频】和 Z123【图生 3D】。
2025-02-24
AI在读取国内电商网址时由于限制经常读取失败，有什么解决办法吗
目前对于 AI 在读取国内电商网址时因限制而经常读取失败的情况，暂时没有明确有效的通用解决办法。这可能涉及到复杂的网络规则、电商平台的安全策略以及技术限制等多种因素。但您可以尝试以下几种可能的途径： 1. 检查网络设置，确保网络连接稳定且没有被限制。 2. 确认您使用的 AI 工具是否符合相关法律法规和平台规定，避免违规操作。 3. 联系电商平台的客服，咨询关于读取限制的具体政策和可能的解决方案。 4. 探索使用经过授权或合法合规的接口来获取所需数据。
2025-02-12
gpt拒绝读取文件怎么办
GPT 拒绝读取文件可能是由于多种原因导致的。以下是一些可能的解决方法： 1. 检查提示的准确性和完整性，确保清晰明确地告知 GPT 需要读取文件以及相关的具体要求。 2. 对于简单提示修正可能解决问题，例如更准确地描述读取文件的目的、格式等。 3. 注意模型在处理复杂任务时可能出现的错误模式，如运行不正确的命令等，及时进行纠正和调整。 同时，在与 GPT 交互时，为了获得更好的效果，可以参考以下最佳实践： 1. 编写清晰的指令： 如果输出不符合期望，如过长或过简单，明确提出要求。 不喜欢某种格式时，展示期望的格式。 减少模型的猜测，提高获得满意结果的可能性。 2. 包含详细信息： 确保请求中提供重要的细节或上下文，以获得高度相关的回复。 3. 要求模型扮演角色： 通过指定角色，使模型的回答更具特色和针对性，提升输出质量。
2025-01-21
可以读取excel数据，编写程序的ai工具
以下是一些可以读取 Excel 数据并编写程序的 AI 工具相关内容： 1. 自制微博指数爬虫工具：通过分析微博话题页面，找到真实数据地址，明确规则后让 AI 帮忙写代码。需求是抓取微博话题 30 天的分日数据，在执行代码时 topic_name 由用户手动输入，在 colab 上运行并将数据存储到 Excel 自动下载到本地。 2. 用 AI 撰写专业区域经济报告：信息收集时利用 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。内容拆分时针对报告需求将内容拆分，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，分析与撰写时通过整理数据利用 AI 辅助分析后撰写报告初稿，最终内容需人工主导校验。 3. 金融服务业中生成式 AI 的应用：生成式 AI 可以帮助金融服务团队改进内部流程，如在预测方面帮助编写 Excel、SQL 和 BI 工具中的公式和查询，发现模式并为预测建议输入；在报告方面帮助自动创建文本、图表、图形等内容，并根据不同示例调整报告；在会计和税务方面帮助综合、总结并提出可能答案；在采购和应付账款方面帮助自动生成和调整合同、采购订单和发票以及提醒。
2025-01-16
可以读取excel数据并且编写小波分析代码的ai
以下是为您整合的相关内容： 应用开发方面： 自制微博指数爬虫工具：通过分析微博话题页面，找到真实数据地址，明确规则后让 AI 帮忙写代码，可在 colab 上运行，爬取数据后存储到 excel 并自动下载到本地。 Markdown 分页策略： LangChain 提供多种文本分页策略，包括按 Headers 或“章”划分、合并相邻较小部分、对大的“章”按“节”继续拆分、对大的“节”按“段”“句”“词”逐步拆分，直到满足长度要求。 处理结构化数组对象数据： 让 AI 更好地处理结构化数组对象数据的建议包括提供数据结构描述、用必要的示例数据、明确说明分析需求、让 AI 编写代码完成分析。Claude 和 ChatGPT 支持直接运行代码，处理结构化数据更高效。 金融服务业与生成式 AI： 生成式 AI 可帮助金融服务团队改进内部流程，简化日常工作流程。 预测方面：帮助编写 Excel、SQL 和 BI 工具中的公式和查询，发现模式，为预测建议输入并适应模型。 报告方面：自动创建文本、图表、图形等内容，并根据不同示例调整报告。 会计和税务方面：帮助综合、总结税法和潜在扣除项。 采购和应付账款方面：帮助自动生成和调整合同、采购订单和发票以及提醒。
2025-01-16
我想做个生成知识点讲解视频的工具，是转成PPT加自动配音好，还是转成不同的网页然后生成每一页的口播稿更好？
在选择生成知识点讲解视频的工具时，转成 PPT 加自动配音和转成不同的网页然后生成每一页的口播稿各有其优缺点。 转成 PPT 加自动配音的优点在于 PPT 形式较为直观、规范，能够以图文并茂的方式展示知识点，自动配音可以节省录制音频的时间。缺点是可能在页面布局和动画效果上需要较多的调整，且自动配音的质量和语气可能不够自然。 转成不同的网页然后生成每一页的口播稿的优点是网页的设计更加灵活，可以融入更多的交互元素，口播稿能够更贴合讲解的需求。但缺点是网页的制作可能相对复杂，需要一定的技术知识，而且口播稿的生成质量可能参差不齐。 最终的选择取决于您的具体需求和技术能力。如果您更注重展示效果的规范性和简洁性，且对音频质量要求不是特别高，PPT 加自动配音可能是个不错的选择。如果您希望有更多的交互和灵活性，并且有能力处理网页制作和口播稿的优化，那么转成网页和生成口播稿可能更适合您。
2025-02-23
可以把视频生成动画吗？
可以把视频生成动画。目前有一些相关的技术和工具，例如： 山寨版阿里 Animate Anyone 开源：利用图像和视频中的人物姿势来合成动画。Novita AI 开源并提供 API 支持，提供照片和视频，即可自动生成动画。 GitHub：https://github.com/novitalabs/AnimateAnyone API：https://novita.ai/playgroundanimateanyone https://x.com/imxiaohu/status/1796191458052944072 Sora 模型：能够根据图像和提示输入生成视频。 您可以通过上述链接获取更详细的信息和使用这些工具来实现将视频生成动画的需求。
2025-02-23
用coze分解短视频分镜
以下是关于用 Coze 分解短视频分镜的详细内容： 一、Coze 智能体创建 1. “开始”节点 共有 4 个输入变量，分别为： idea_txt：主题观点 left_to_txt：画面左上角的文字 right_to_txt：画面右上角的文字 img_prmpot：画面中间图片生成提示词 注意：这 4 个变量名称要和智能体中提示词的变量对应一致，方便接收用户传入的参数。 2. “大模型”节点 使用目前大家公认的 DeepSeek R1 模型。 提示词要求不复杂，只要说出需求即可，格式可用大白话说出来。 3. “文本”节点 为了将文案分句，每一句要生图、配音。 选择按“句号”分句，具体可根据文案格式选择不同方式。 4. “图像生成”节点 使用官方插件，模型选“LOGO 设计”。 若要生成全景图，此插件效果欠佳，建议选其它插件。 5. “抠图节点” 将上个节点生成的图片进行抠图。 二、概述 基于其他博主开源的视频生成工作流，做了一些功能优化，实现视频全自动创建。感谢开源的力量，现写一篇教程供大家参考。 三、先看效果 四、功能 通过表单输入主题观点，提交后自动创建文案短视频，创建完成后推送视频链接到飞书消息。 五、涉及工具 1. Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成） 2. 飞书（消息） 3. 飞书多维表格（字段捷径、自动化流程） 六、大体路径 1. 通过 Coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 2. 发布 Coze 智能体到飞书多维表格。 3. 在多维表格中使用字段捷径，引用该智能体。 4. 在多维表格中创建自动化流程，推送消息给指定飞书用户。
2025-02-23
想学习和北邦一样的图片生成动画视频，应该怎么做？
以下是学习和北邦一样的图片生成动画视频的方法： 1. 使用 Runway： 进入 Runway 官网首页，点击“start with image”。 直接将图片拖进来。 动画幅度尽量用 3，5 有时候会乱跑。 啥都不用改，直接点击生成即可。 注意：不需要等进度条转完，可以直接继续往里放图片，可以同步执行。 直接点删除，然后重新上传下面的图即可（最多可以放几个可自行测试）。 重复步骤即可生成所有视频。 （Runway 是收费的，也可以找免费的，或在闲鱼、淘宝买号。） 2. 使用即梦：上传图片至视频生成模块，提示词简单描绘画面中的动态内容即可生成时长为 3 秒钟的画面，运镜类型可根据剧本中的镜头描绘设置，主要设置以随机运镜为主，生成速度根据视频节奏选择，比如选择慢速。 3. ComfyUI AniamteDiff： 了解 IPAdapter、Animatediff、controlNet 的用法和这三个之间通过蒙蔽遮罩灵活搭配生成视频的方法。 模型加载用到两个 lora，一个是 Animatediff v3_sd15_mm 运动模型需要的 v3_sd15_adapter，lora 的强度在合理范围内越高，画面越稳定；另一个 more_details 这个 lora 是给画面添加更多细节。 上传 4 张图片，并且使用 image batch 复制图像来制作批次，这是为了在使用 IPAdapter 时候，每一帧都可以参考上传的图片，让风格迁移更像。 上传的蒙版视频是为了在帧与帧之间做遮罩过渡，添加一个动态的效果。 用 IPAdapter 来做图像的风格迁移，对应四张图片。使用遮罩来控制每张图片显示的帧数，从第 0 帧开始计算，一张图片 16 帧，加上中间过渡的 8 帧。需要显示的帧设置为 1，隐藏的为 0，以此类推。这样就把 4 张图片融合成了一个 96 帧的序列，并且使用遮罩控制每一帧显示出来的画面。
2025-02-22