-
Bernini：全能Wan视频编辑与生成模型，AI视频编辑先理解再动手
一、Bernini 介绍 Bernini 是字节跳动商业化技术团队于 2026 年 6 月开源的统一视频生成与编辑框架，该框架核心主打“先理解、再生成”的协同机制，旨在有效解决传统模型由于无法精准理解复杂指令而导致的画面失控、帧间闪烁等行业痛点。 目前，Bernini在字节自建的测试中已稳居行业第一梯队。其推理代码与第二阶段模型Bernini-R的权限已正式放开，包含完整功能的全版本也将在近期迎来…- 97.1k
- 97.1k
-
Kijai 大神新作：ComfyUI-VideoColorGrading，通过自动生成 LUT 来进行视频调色
在数字内容创作领域，视频工作流处理的效率与质量直接决定了创作成果的最终呈现效果。ComfyUI-VideoHelperSuite作为一套专为视频工作流设计的节点集合，通过模块化的设计理念，为用户提供了从视频加载、帧处理到格式输出的完整解决方案。本文将从基础认知、场景实践和深度优化三个维度，全面解析如何利用这套工具构建高效、高质量的视频处理流水线，帮助创作者在复杂的视频处理任务中实现效率与质量的双重…- 79.9k
- 79.9k
-
美团 LongCat-AudioDiT 开源：刷新音色克隆 SOTA
一、LongCat-AudioDiT介绍 LongCat AudioDiT 是美团 LongCat 团队于 2026 年 3 月开源的SOTA 级中文语音合成（TTS）模型，美团最先进的基于扩散的文本转语音模型 LongCat-AudioDiT，该模型在人工智能音频领域引起了广泛关注。与依赖梅尔频谱图等中间表示的传统文本转语音系统不同，LongCat-AudioDiT 直接在波形潜在空间中运行，显…- 22.7k
- 22.7k
-
InfiniteTalk数字人对口型效果炸裂：无限时长、口型精准的图片和视频配音
一、InfiniteTalk介绍 InfiniteTalk是美团视觉智能部推出的新型数字人驱动技术，通过稀疏帧video dubbing范式，仅需少量关键帧能驱动数字人人生成自然流畅的视频，解决传统技术中口型、表情和肢体动作脱节的问题。InfiniteTalk使数字人视频更具沉浸感和自然感，生成效率高、成本低。InfiniteTalk的论文、代码和权重已开源，为数字人技术的发展提供重要参考。 In…- 60k
- 60k
-
Wan2.2长视频生成方案：SVI 2.0 重磅发布图生视频无限对接，最低12G显存
一、Wan2.2 SVI2pro介绍 Stable Video Infinity（SVI）是洛桑联邦理工学院（EPFL）推出的一种创新视频生成技术，它能生成具有高时序连贯性的无限长视频，解决了传统AI视频生成中常见的“误差累积”问题。 技术亮点 误差循环机制：通过实时修正生成误差，避免画面失真。 场景过渡控制：支持合理场景切换和可控故事情节。 开源支持：代码已开源，方便开发者复现和改进…- 230.9k
- 230.9k
-
阿里开源WanMove模型：实现高精度动作控制的视频生成框架
一、Wan-Move介绍 阿里通义实验室、清华大学、香港大学、香港中文大学的研究团队提出了 Wan-Move —— 一个无需额外动作编码器、直接通过点轨迹注入动作信息的视频生成框架。该方法在保持模型架构简洁的同时，实现了商业级的动作精度与视觉保真度。Wan-Move 是一种视频生成框架，旨在通过潜在轨迹引导实现运动可控的视频生成。该框架专注于解决视频生成中动作控制的精度问题，避免了传统方法依赖额…- 30.8k
- 30.8k
-
ComfyUI Segment Anything V2 (SAM2)分割万物二代,准确性增强,支持图像和视频
一、插件介绍 Segment Anything V2，又名 SAM2，是由 Meta AI 开发的突破性 AI 模型，革新了图像和视频中的对象分割。能够无缝分割图像和视频中的对象。这是第一个能够处理图像和视频分割任务的统一模型，具有卓越的准确性和效率。Segment Anything V2 (SAM2) 在其前身 Segment Anything Model (SAM) 的成功基础上，扩展了其在视…- 28.4k
- 28.4k
-
字节跳动开源视频生成模型Lynx：输入单张人物图像，即可输出高保真动态视频！
一、概述 Lynx 是字节跳动推出的高保真个性化视频生成模型，Lynx 基于开源 Diffusion Transformer （DiT） 基础模型构建，引入了两个轻量级适配器来确保身份保真度。ID 适配器采用 Perceiver Resampler 将 ArcFace 衍生的面部嵌入转换为紧凑的身份标记进行调节，而 Ref 适配器则集成了来自冻结参考路径的密集 VAE 特征，通过交叉注意力在所有 …- 82k
- 82k
-
王炸！阿里开源Wan Animate！电影级动作迁移及主体替换
Wan2.2更新记录 2025年9月19日: 💃 我们推出了**Wan2.2-Animate-14B**，这是一个统一的角色动画和替换模型，具有整体动作和表情复制功能。我们发布了模型权重和推理代码。现在您可以在wan.video、ModelScope Studio或HuggingFace Space上尝试它！ 2025年8月26日: 🎵 我们推出了**Wan2.2-S2V-14B**，这是一个音频…- 105.4k
- 105.4k
-
【Comfyui】Wan 2.1 图片转360°视频-360度产品动画旋转展示
通过可控旋转变换（建议5°步长），可将静态图像转化为多视角数据序列。该技术利用插值算法生成连续帧，系统化采集人物0°-360°的标准角度图像。经测试，仅需采集8个基准视角（0°/45°/90°/...）即可满足LoRA模型的训练需求，显著降低3D建模的数据采集成本。首先通过图生视频工作流生成360度旋转视频，提取关键帧图片，再利用在线工具统一尺寸。基于Wan2.1生成，其功能是使生成的图片实现36…- 42.3k
- 42.3k
-
Ai数字人:HuMo—清华和字节共同开源多角色参考+物品参考+对口型
一、HuMo是什么 HuMo是清华大学联合字节跳动智能创作实验室推出的开源多模态视频生成框架，专注于人类中心的视频生成。能从文本、图像和音频等多种模态输入中生成高质量、精细可控的人类视频。HuMo支持强大的文本提示跟随能力、一致的主体保留以及音频驱动的动作同步。支持从文本-图像、文本-音频以及文本-图像-音频生成视频，提供更高的定制化和控制能力。HuMo支持480P和720P分辨率的视频生成，72…- 19.5k
- 19.5k
-
ComfyUI 自定义节点插件推荐
以下是一些优秀的 ComfyUI 自定义节点插件推荐，这些插件可以大大增强 ComfyUI 的功能和使用体验： 插件名称 简介 GitHub 链接 GitHub 星标 ComfyUI ComfyUI 的核心框架，提供了革命性的 AI 图像生成能力和高度可定制的节点式界面，是 AI 艺术创作的基石。 链接 ComfyUI-manager 全能型节点管理工具，支持一键安装、更新、删除和管理各类 Com…- 51.4k
- 51.4k
-
multitalk数字人还没有捂热，新王又登基，Infinite talk数字人无限续杯！
本以为wan2.2+mulittalk数字人已经无敌了，谁知道infinite talk才是真正的数字人之王，因为她不仅支持声音驱动图生视频，也支持声音驱动视频生视频，而且可以生成无限时长! 一、InfiniteTalk数字人介绍 infiniteTalk 是一个无限长度的语音视频生成模型,它是和multitalk是一个研发小组开源的数字人项目，让我记住他们的的名字，MeiGen-ai,昨天刚开源…- 60.1k
- 60.1k
-
通义万相wan2.1全家桶模型整合（含kijai版）：文生视频+ 图生视频+首尾帧ComfyUI视频
前段时间，阿里开源了万相视频生成大模型Wan2.1系列，在评测集VBench中，万相2.1超越了Sora、Luma、Pika等国内外开源模型。 万相2.1可以在comfyui上自由调用，支持文生视频、图生视频和视频生视频，而且现在还出现了很多wan2.1的lora，今天我们一起来学习wan2.1的本地部署。 一、安装插件 在comfyui中调用万相2.1模型需要用到WanVideoWrapper插…- 94.7k
- 94.7k
-
Florence2:图像反推描述词&对象检查&蒙版识别&文字识别&咨询建议多功能一体
Florence2是一款革命性的AI绘图工具，它将LLM（大型语言模型）的强大功能与AI绘图技术完美结合。本文将介绍Florence2的五大核心功能：提示反推、对象检查、蒙版识别、文字识别及咨询建议，以及如何使用一个模型轻松搞定这些功能，助力您的AI绘图创作。 在LLM大语言模型快速发展下，视觉大模型已成为主流，能够精准的识别图片信息、检查图片对象、提取文字等，甚至可以根据输入图像实现代码编程、咨…- 47.4k
- 47.4k
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×