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

AI 去视频字幕

Answer

以下是关于 AI 去视频字幕的相关信息：

  • VSR 字幕去除工具：利用 AI 去除视频和图片中的字幕，支持智能填充处理，确保视觉质量。链接：https://x.com/imxiaohu/status/1781676299796492430
  • 对于有字幕的 B 站视频，若视频栏下有字幕按钮，说明视频作者已上传字幕或后台适配了 AI 字幕。可安装油猴脚本Bilibili CC 字幕工具，安装后刷新浏览器，点击字幕会多出“下载”按钮，可选择多种字幕格式，然后将字幕文字内容全选复制发送给 GPTs 进行总结。
  • 【Tec-Creative】的创意工具箱中有智能识别视频语言并生成对应字幕的功能，满足海外多国投放场景需求。操作指引：点击上传视频——开始生成——字幕解析完成——下载 SRT 字幕。注意：支持 MP4 文件类型，大小上限为 50M。
Content generated by AI large model, please carefully verify (powered by aily)

References

XiaoHu.AI日报

7⃣️?EndlessDreams实时视频：通过语音对话生成实时视频为交互式内容创建提供新方法?[https://x.com/imxiaohu/status/1781840132867568032](https://x.com/imxiaohu/status/1781840132867568032)8⃣️?VSR字幕去除工具：利用AI去除视频和图片中的字幕支持智能填充处理，确保视觉质量?[https://x.com/imxiaohu/status/1781676299796492430](https://x.com/imxiaohu/status/1781676299796492430)9⃣️?Nothing公司集成ChatGPT：在无线耳机中集成ChatGPT强化音频和智能手机产品的用户体验?[https://x.com/imxiaohu/status/1781674408828145927](https://x.com/imxiaohu/status/1781674408828145927)

夙愿：AI 快速总结群聊消息

除了聊天内容之外，我们还能让AI总结整理各种文章（文章不超过2w字，否则就超出token了）例如，我复制了我的一篇文章给它总结：打开后直接全选复制全文，然后粘贴发送给GPTs，它就开始总结了，很方便，GPT4它能识别出哪些部分属于重点内容。[heading3]2、B站视频[content]你可能会疑惑，GPT不是无法处理视频内容吗，这是怎么做到的？答案是视频字幕。我用这个视频举例：https://www.bilibili.com/video/BV1VL411U7MU/?spm_id_from=333.337.search-card.all.click&vd_source=e05ea46c768d112737bc19e721da8967打开这个视频，如果你能在视频栏下面有一个字幕按钮，说明这个视频作者已经上传了字幕或者后台适配了AI字幕。那我们把这些字幕弄下来，再发给AI执行内容总结任务，是不是就达到了总结视频的效果？是的，目前大部分用AI总结视频的工具/插件/应用都是这么干的。那接下来的卡点就是，怎么把字幕文字内容给提取出来，用语音转文字？不，效率太低了。像这种有字幕的视频，我们可以装一个油猴脚本：[Bilibili CC字幕工具](https://greasyfork.org/zh-CN/scripts/378513-bilibili-cc%E5%AD%97%E5%B9%95%E5%B7%A5%E5%85%B7)安装之后，刷新浏览器，点击字幕，你会看到多出一个“下载”按钮点击下载按钮，会弹出下面这个窗口，你可以选择多种字幕格式，带时间的或者不带时间的：接下来，还是老办法，将字文字内容全选复制发送给GPTs即可。当然，总结完视频内容之后你继续向AI提问更多细节内容或者与它探讨视频内容。

【Tec-Creative】帮助手册

[heading1]创意工具箱[heading2]AI字幕[content]智能识别视频语言并生成对应字幕，满足海外多国投放场景需求。操作指引：点击上传视频——开始生成——字幕解析完成——下载SRT字幕注意：支持MP4文件类型，大小上限为50M。[heading2]文生图[content]仅需输入文本描述，即可一键生成图片素材，海量创意灵感信手拈来！操作指引：输入文本描述（关键词或场景描述等）——选择模型（注意FLUX模型不可商用）————开始生成——下载[heading2]AI翻译[content]支持多语种文本翻译，翻译结果实时准确，助力海外投放无语言障碍!操作指引：输入原始文本——选择翻译的目标语言——开始生成[heading2]TikTok风格数字人[content]适配Tiktok媒体平台的数字人形象上线，100+数字人模板可供选择，助力Tiktok营销素材生产无难度！操作指引：输入口播文案——选择数字人角色——点击开始生成*视频默认输出语言和输入文案语言保持一致，默认尺寸为9:16竖版。[heading2]多场景数字人口播配音[content]支持生成不同场景下（室内、户外、站姿、坐姿等）的数字人口播视频，一键满足多场景投放需求！操作指引：输入口播文案——选择数字人角色和场景——选择输出类型——点击开始生成*视频默认输出语言和输入文案语言保持一致

Others are asking
AI产品经理招聘
以下是为您整理的 AI 产品经理招聘信息： 特看科技： 岗位要求： 负责 AI 视频工具方向产品工作，对生成式 AI 产品有一定研究，熟悉 Transformer 和 Diffusion 模型的优先。 英文好，有海外产品经验优先，有内容工具或 SaaS 产品经验优先。 2 年以上产品岗位经验，职级根据经验能力制定，对标阿里 P6P8 区间。 您能得到： 确定性的商业化应用场景，已有大量品牌客户。 初创公司充沛的早期期权池。 强大的工程师团队，将新技术快速落地应用。 最高可到合伙人级别。 加分项：有电子商务、企业服务、人工智能、海外产品等行业经验。 联系方式：欢迎推荐或自荐简历至 qingshen@tabcut.com，或飞书与@清慎联系。 阿里大文娱妙鸭团队： 工作地点：北京 职位要求： 熟悉图像、视频、文本领域的前沿大模型和应用。 对算法能力边界有很好的感知。 有某一场景下的大模型微调和应用的项目经验。 联系方式：欢迎推荐简历至 xiaocen.cxc@alibabainc.com 其他： 职责描述： 负责基于通用人工智能技术（AGI）的智慧医疗诊断产品的规划、研发、发布上市的全过程管理。 通过市场调研和分析，开发满足客户需求的产品或服务，为公司制定产品战略。 制定并执行产品开发计划和目标，协调项目相关人员，推动产品开发工作的顺利进行。 提出产品优化建议，推动产品快速迭代，并协调增长部门实现产品的持续增长。 任职要求： 本科及以上学历，计算机、信息技术、工程、检验、生物科学、细胞生物学等相关专业优先考虑。 具备 3 年以上产品管理经验，有医疗领域产品管理经验者、有极致产品案例者优先。 在产品创新、研发、迭代改进及商业化方面有丰富的项目管理经验。 对客户需求具有高度敏感度，熟悉竞品分析、定价策略。
2025-04-15
金融业相关AI应用场景或AI技术介绍
在金融业中，AI 有以下应用场景和技术： 1. 风控和反欺诈：用于识别和阻止欺诈行为，降低金融机构的风险。 2. 信用评估：评估借款人的信用风险，帮助金融机构做出更好的贷款决策。 3. 投资分析：分析市场数据，辅助投资者做出更明智的投资决策。 4. 客户服务：提供 24/7 的客户服务，回答客户常见问题。 例如，Hebbia 获得近 1 亿美元 B 轮融资，其 AI 技术能够一次处理多达数百万份文档，在短时间内浏览数十亿份包括 PDF、PowerPoint、电子表格和转录内容等，并返回具体答案，主要面向金融服务公司，如对冲基金和投资银行，同时也适用于律师事务所等其他专业领域。
2025-04-15
AI meeting summary tools
以下是一些 AI 会议总结工具： ：这是一款 GDPR 合规的 AI 会议助手，专为 Zoom、Google Meet、Microsoft Teams 会议设计，能够根据用户的指令制作定制笔记，将长时间录音压缩成 2 分钟会议摘要，以用户偏好结构和语言编写笔记，捕捉重要细节，用户可连接日历让其代做笔记，提高效率，其笔记功能出色，能识别行动项提高会议效率，远超其他提供商。
2025-04-15
AI Agents（智能体）
AI 智能体（Agents）是人工智能领域中一个重要的概念： 1. 从 AGI 的发展等级来看，智能体不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 2. 作为大模型的主要发展方向之一，智能体中间的“智能体”其实就是大模型（LLM）。通过为 LLM 增加工具、记忆、行动、规划这四个能力来实现。目前行业里主要用到的是 langchain 框架，它把 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。 3. 从智能体的起源探究来看，心灵社会理论认为智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。心灵社会将智能划分为多个层次，每个层次由多个 Agent 负责，每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务。同时存在专家 Agent、管理 Agent、学习 Agent 等不同类型的 Agent 及其相应功能。从达特茅斯会议开始讨论人工智能，到马文·明斯基引入“Agent”概念，“AI”和“Agent”就彻底聚齐，往后被称之为 AI Agent。
2025-04-15
B端AI Agent
以下是关于 B 端 AI Agent 的相关知识： 一、概念定义 1. 智能体（Agent）简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。随着 ChatGPT 与 AI 概念的爆火，出现了很多相关新名词，如 bot 和 GPTs 等。AI 大模型是技术，面向用户提供服务的是产品，因此很多公司关注 AI 应用层的产品机会。 C 端案例：如社交方向，用户注册后先捏一个自己的 Agent，然后让其与他人的 Agent 聊天，两个 Agent 聊到一起后真人再介入；还有借 Onlyfans 入局打造个性化聊天的创业公司。 B 端案例：字节扣子和腾讯元器若为面向普通人的低代码平台，类似 APP 时代的个人开发者，那么帮助 B 端商家搭建 Agent 就类似 APP 时代专业做 APP 的。 2. 智能体开发平台：最早接触到的扣子 Coze 是通过一篇科技报道，如 2 月 1 日，字节正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。国内还有很多智能体开发平台，如 Dify.AI，但个人较常用的是扣子，所以常对比字节扣子和腾讯元器。 3. 关注智能体的原因：目前 AI Agent 的概念在市场上未达成共识，存在被滥用现象。AI Agent 指的是一种智能代理系统，接近人类大脑，可形成记忆、达成行动规划、自动交互、主动预测。其应用具有个性化、自主完成任务、多 Agent 协作等特点。目前 AI Agent 应用大多集中在 2B 场景，面向个人消费者的产品少，一方面是高度智能化的 Agent 能力需打磨，概念落地有距离；另一方面是 AI 和娱乐消费诉求结合少，主要带来生产方式和效率变革，个人消费者方向目前只看到“私人助理”场景。
2025-04-15
我想做电商主图，用什么ai
如果您想制作电商主图，可以考虑以下几种 AI 工具和方法： 1. Midjourney：通过输入相关关键词，如“Guerlain Perfume,plant flowers,top light.cean natural backaround with water,saturation color scheme.The productis bright,Motled shading,studo lighfing,contrast high precision,Fine gloss,Centered composition,Photography,HD4Krealism–q 2–v 5–s 750–ar 9:16”，生成图片后再进行后期修改调整和文字排版。 2. Stable Diffusion：对于运营网店的女装店主，可采用局部重绘的方法。先真人穿衣服拍照，获取真实质感的照片，选好真人照片风格的底模，如 majicmixRealistic_v7，再根据不同平台需求换头，如面向海外市场换白女头，然后在图生图下的局部重绘选项卡下涂抹自己替换的部分，并设置相关的 prompts 和 parameters，如“breathtaking cinematic photo,masterpiece,best quality,,blonde hair,silver necklace,carrying a white bag,standing,full body,detailed face,big eyes,detailed hands”。
2025-04-15
自动生成字幕
以下是关于自动生成字幕的相关信息： 苹果发布的 Final Cut Pro 11 具有自动生成字幕的功能，其特点是能够将语音转换为字幕，提高效率。 虽然 ChatGPT 本身无法直接总结 YouTube 视频，但有些免费服务可以帮助转录或下载视频的自动生成字幕。将得到的文字保存并上传，可让 ChatGPT 帮忙将 YouTube 视频的字幕转化为简洁的要点。
2025-04-14
自动剪辑视频，添加字幕的软件推荐
以下为您推荐一些自动剪辑视频并添加字幕的软件及相关操作： 1. 剪映： 操作步骤： 选择适合文旅片的音色，如朗诵男生或清爽男生，点击开始朗读生成音频。 鼠标右键点击当前音轨，找到识别字幕/歌词，等待生成文本字幕。 若识别字幕需要 VIP，可点击本地字幕，导入准备好的字幕文件。 2. 声音克隆工具 Fish Audio： 操作步骤： 准备一段需要克隆的音频，如屈原的古风声音或自行录制。 打开网站 https://fish.audio/zhCN/train/newmodel/ ，上传音频并按指引完成声音克隆。 进入声音库选择使用的声音，输入文案生成音频文件并下载备用。 3. 视频合成工具 Viggle.ai： 操作步骤： 在网上下载“回答我”的原视频。 打开 https://viggle.ai/createmix ，登录后上传原视频和生成的人物形象图生成新版本视频，预览效果并下载。 4. 视频剪辑工具剪映： 操作步骤： 打开剪映软件（手机或电脑版均可）。 导入合成好的新视频和生成的音频文件。 将音频与视频时间轴对齐，确保声音和画面同步，添加字幕等。 如需叠加特殊背景，可导入自己的背景图，如楚国风景。 预览整个视频，检查效果，微调后导出最终视频（建议 MP4 格式）。
2025-03-29
图片底下生成字幕的工具
以下为一些可以生成图片底下字幕的工具及相关方法： 1. Trae 多模态复刻产品： 创意来自@南瓜博士，具体原文可看其复现的文章：https://mp.weixin.qq.com/s/CEJ6ite843M4hPuyT5jB6Q 。 核心策略是使用截图让 Trae 理解后生成功能描述，修改后再让 Trae 完成开发和优化。 开始时需在本地新建一个文件夹，再用 Trae 打开该文件夹。 将图片发给 Trae，并带上相应提示词。 开发完成后在本地文件夹打开 index.html ，可能需要继续优化，如添加每行字幕之间的分割线、切割图片底部等。 公众号回复“字幕图片”，获取源代码。保存成.html 文件，在浏览器打开就能用。 2. 某软件（未提及具体名称）： 在显示区域，拖动背景图的一个角将图片放大到适合尺寸，如覆盖视频窗口，并将数字人拖动到合适位置。 点击文本 智能字幕 识别字幕，点击开始识别，软件会自动将文字智能分段并形成字幕。 数字人视频完成后，点击右上角的“导出”按钮，导出视频以作备用。若要换脸，需使用另一个工具。
2025-03-23
视频字幕翻译
以下是为您推荐的视频自动字幕工具： 1. Reccloud：免费的在线 AI 字幕生成工具，可直接上传视频精准识别，能翻译字幕并自动生成双语字幕，已处理 1.2 亿+视频，识别准确率接近 100%。 2. 绘影字幕：一站式专业视频自动字幕编辑器，提供简单、准确、快速的字幕制作和翻译服务，支持 95 种语言，准确率高达 98%，可自定义字幕样式。 3. Arctime：能对视频语音自动识别并转换为字幕，支持自动打轴，支持 Windows 和 Linux 等主流平台及 SRT 和 ASS 等字幕功能。 4. 网易见外：国内知名语音平台，支持视频智能字幕功能，转换正确率较高，支持音频转写功能。 此外，还有以下相关内容： TecCreative 创意工具箱中的 AI 字幕功能，智能识别视频语言并生成对应字幕，满足海外多国投放场景需求。操作指引：点击上传视频——开始生成——字幕解析完成——下载 SRT 字幕。注意支持 MP4 文件类型，大小上限为 50M。 Translate.Video 网站，可将视频自动生成字幕并翻译成 75 多种语言，提供自动字幕生成、翻译字幕、AI 配音以及编辑等一站式视频服务。 您可以根据自己的需求选择最适合的工具。内容由 AI 大模型生成，请仔细甄别。
2025-03-19
需要一个能在看YouTube英语视频的时候把每句话都实时翻译成中文 挂在字幕上的ai工具
以下为您推荐一款可能满足您需求的 AI 工具：Memo AI （https://memo.ac/zh/）。它可以对 YouTube、播客、本地音频视频轻松进行转文字、字幕翻译、语音合成，还可以由多种 AI 模型提炼内容精华总结，生成思维导图。并且支持中文、英语等多语言。
2025-03-19
AI 去字幕
以下是关于 AI 去字幕的相关信息： 一种解决方案是： 用 whisper 生成原视频的英文字幕（预设 whisper 生成的字幕没问题，whisper 的问题不探讨）。 让 GPT 结合字幕全文翻译，并让其根据原英文字幕的拆分，将译文进行同样行数的拆分。 将 GPT 译文拆分的结果插入到原英文字幕文件中形成一个新的双语字幕文件。这个过程中所有的执行脚本都是让 GPT 写的。 另外，VSR 字幕去除工具可以利用 AI 去除视频和图片中的字幕，并支持智能填充处理，确保视觉质量。 还有一种方式是，在某些平台如【TecCreative】中，智能识别视频语言并生成对应字幕，满足海外多国投放场景需求。操作指引为：点击上传视频——开始生成——字幕解析完成——下载 SRT 字幕。但需注意支持 MP4 文件类型，大小上限为 50M。
2025-03-13
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
新手怎么学习AI 做视频
对于新手学习 AI 做视频，以下是一些建议和指导： 一、了解 AI 视频的应用和价值 AI 视频能应用于多个领域，具有多种用途，例如： 1. 创意广告与营销：快速生成吸引眼球的短视频，降低成本，提高效率。 2. 社交媒体内容：制作独特的动态视觉效果，让帖子更出众。 3. 电商展示：生成商品展示视频或 3D 效果，生动呈现产品特性。 4. 数字人解说：借助数字人技术生成虚拟主播或形象来解说内容。 5. 个性化动画与故事：将想法变成生动的动画短片。 6. 教育与演示：生成解释性视频或动态图表，让信息更直观。 7. 艺术创作与实验：探索新的视觉表达方式。 8. 乐趣与分享：快速制作好玩的视频。 变现方式包括： 1. 接单制作商业广告、社交媒体视频。 2. 成为自由职业者，提供 AI 视频制作服务。 3. 创作自己的 IP 内容，通过流量或平台分成赚钱。 4. 开发相关教程或咨询服务。 二、学习制作流程 如果想用 AI 把小说做成视频，大致流程如下： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。
2025-04-14
高清视频修复ai工具
以下为一些高清视频修复的 AI 工具： 1. 星流一站式 AI 设计工具： 高级模式下，基础模型允许使用更多的微调大模型，图片参考允许使用更多的图像控制功能。星流基础大模型下，增加了 tile 分块与 softedge 线稿。 高清分辨率修复：利用算法对初步生成的图像进行简单的图生图高清放大（目前仅支持基础模型 xl 和 1.5 模型）。 放大算法影响图像放大后的图像质量，重绘幅度与初步生成的图像的相似度，其他参数默认即可。 采样器和采样步数会影响出图质量和生成时间，随机种子和 CFG Scale 也有相应作用，脸部/手部修复利用算法对人像的脸部或者手部进行修复。 2. Pika： 发布 Pikaddition 能力，可以将用户图片物体融合到拍摄视频，不会改变原视频且保证新视频创意效果自然。 支持用户自行上传视频（视频时长需 5s 以上），支持物体、人物（卡通、真人）图像，有 15 次免费尝试机会。 使用方法：进入 Pika 官网，页面底部选择 Pikaddition，上传视频、图像，输入文字描述提示词，点击确认即可。 地址：https://pika.art/ 3. Topaz Labs： 推出 Starlight 首个用于视频修复的扩散模型，只需输入素材，AI 可自动降噪、去模糊、放大、抗锯齿，无需手动调整与参数调整，达成专业视频高清修复。 目前正在 Beta 中。 地址：https://www.topazlabs.com/ 4. Tusiart： 具有高清修复功能，在本来设置的图像分辨率基础上，让图像分辨率变得更加精细。 有 ADetailer 面部修复插件。
2025-04-14
AI视频模型排名
以下是一些关于 AI 视频模型的排名信息： 腾讯混元视频生成模型：在开源 AI 视频中无可争议地处于 T0 级别，闭源模型中排在 T1 附近。其特点包括超强的真实质感、很强的语义理解和可以切换镜头。开源地址为：https://github.com/Tencent/HunyuanVideo 。普通用户可在腾讯元宝 APP 的 AI 应用中查看，可能需要申请资格，腾讯处理速度较快。 在 2025 年 2 月 24 日的 AI 视觉模型测评排行榜中： Pixverse 在文生视频方面获胜率达 70%，表现出色。 豆包在图生图方面效果良好，美感度较高，在中文模型中领先。 Request 模型在国外模型中表现出色，甚至超过 Midjourney。 Luma 模型是一匹黑马，在图生图方面表现不错。 Midjourney 常用，但在本次图生图的排行中未居前列。 此外，国内如混元、阶跃等模型开源，通义万象即将开源，开源有利于形成更好更强的生态。测评活动会联合多位小伙伴对 AI 模型进行测评，并根据结果了解模型的偏好和能力，榜单会在微信公众号发布且定期更新。
2025-04-14