跳到正文

#視訊/影片

RSS
今日 3 則
11月17日週二
  1. Dev.to Top Tech53

    AI-KSK 分享 LongCat Avatar 兩種數位人影片工作流程

    做出會說話的數位人不難,難的是讓角色在長影片裡維持一致,還能切換鏡頭或接續播放。AI-KSK 分享兩種 ComfyUI 工作流程:單張圖片版本適合角色不變的長鏡頭,多張圖片版本適合對話、切換角度和反應鏡頭。作者提醒,換參考圖片時角色容易跑掉,長音訊也會讓片段接續處累積小誤差;建議先做出 10 秒的影片,確認角色穩定後再使用較複雜的流程。分享的檔案只有工作流程,不含模型權重。

11月16日週一
  1. Dev.to Top Tech58

    AI-KSK 拆解 LTX 2.3 Kit:三階段影片生成與約 10 秒人物相似度維持

    影片裡要同時顧好畫面、聲音和人物長相,常得安排好幾個處理步驟。AI-KSK 拆解了九套 LTX 2.3 Kit 工作流程,其中一套把生成分成低解析度構圖、放大細修和最後整理三階段,並在同一流程裡產生畫面與聲音。另一套可讓人物的臉和聲音維持約 10 秒;時間拉長後,相似度會逐漸跑掉,作者建議接續兩次生成。文中也說明 Flux 2 的 8 步圖片編輯流程:草稿能快速反覆修改,但細小紋理和文字會比構圖更容易變差。

  2. DogeDesigner78

    Starship 要投入商業飛行,還得逐步處理飛行器回收和再次使用的技術風險。Raymond James 分析師 Brian Gesuale 重申對 SpaceX 的「強力買進」評級,並給出 $800 目標價。他引述的說法指出,Starship 第 15 次飛行中,Ship 42 繞地球約 14 圈、部署 26 顆 Starlink V3 衛星,約 22.5 小時後返回 Starbase。兩個火箭級已在不同任務中分別回收,接下來的目標是同次任務回收兩者、縮短整備時間並重複飛行。

    推薦理由:分析師把 Starship 回收進展連到商業飛行的技術風險與後續目標,可看出市場如何評估這項發展對 SpaceX 長期佈局的影響。

  3. Dev.to Top Tech67

    如何只用瀏覽器把歌曲和封面做成 MP4 音樂影片

    想替新歌做音樂視覺影片時,未發表的音檔可能不適合上傳,等伺服器處理也會花時間。作者分享一套完全在瀏覽器裡運作的做法:先分析歌曲,再依固定時間畫出每一格畫面,最後編成 MP4;MP3 音訊可以直接保留,不必再壓縮一次。文章也說明如何避免長時間輸出時記憶體越用越多、畫面排隊塞住編碼器,並在瀏覽器收回編碼器時自動重試。整個流程只需要載入網頁,歌曲檔案會留在自己的裝置上。

  4. Dev.to Top Tech39

    如何用 Python 取得 Snapchat Spotlight 影片逐字稿

    想知道 Snapchat Spotlight 短影片裡的人說了什麼,卻找不到方便的方法?這篇教學用 Apify 工具搭配 Python,整理公開帳號或影片連結的播放次數、按讚數、留言數和逐字稿,還能標出每段話出現的時間。逐字稿會先使用 Snapchat 已做好的字幕;沒有字幕時,才用 Whisper 辨識影片聲音。 例如,輸入創作者名稱或 Spotlight 連結,就能取得影片資料和逐字稿,也可以匯出成 CSV、Excel 或 JSON。費用按影片和逐字稿數量計算;公開帳號只能看到最近的 Spotlight 影片,想找較舊的影片就要直接貼上影片連結。

  5. Dev.to Top Tech72

    如何檢查 AI 助理做出的影片,從跳轉畫面到 MP4 輸出

    AI 助理做出的影片可能播放時看起來正常,倒轉或跳到中間卻出現錯誤,輸出的 MP4 也可能尺寸、長度或音訊不合要求。作者示範三道檢查:確認同一時間點每次都畫出相同畫面、用 ffprobe 比對影片規格,再把檢查放進 AI 助理的指示和 CI 流程,讓不合格的輸出無法通過。這些檢查能抓出畫面跳轉、影格數和音軌等問題,但無法判斷字幕是否好讀或旁白是否正確,因此最後仍要播放完整影片確認。

  6. Dev.to Top Tech44

    影片在地化該配音還是上字幕?先看觀眾習慣怎麼接收內容

    影片要翻成另一種語言時,只做字幕或只做配音,選錯了觀眾就可能看不下去。常看得懂目標語言的人,通常適合先看字幕;不習慣閱讀的人,聽配音會比較輕鬆。像工廠安全影片,員工閱讀速度慢時,只放字幕可能不夠;開發者教學若配成西班牙語,熟悉閱讀技術英文的人也可能覺得字幕更順。 字幕和配音最好從同一份逐字稿翻譯,才不會一邊寫「儀錶板」、另一邊卻說「控制面板」。機器翻譯能先處理大量內容,但換行、笑話、法律或醫療用語和不能翻譯的品牌名稱,仍需要人檢查。先整理專有名詞清單,再試做一段影片,也能減少後面重複修正。

  7. Dev.to Top Tech49

    Valmera 示範為什麼音樂音量降了 14 dB,混音音量表卻幾乎沒變

    剪影片時,音樂明明被壓低了,混音音量表卻可能看起來差不多,讓人搞不清楚效果。Valmera 用合成聲音做了兩份音檔:音樂固定音量一份,另一份讓人聲軌控制音樂變小。在同一段 800 毫秒的聲音裡,音樂低音降了 14.00 dB,但把所有聲音一起計算時,音量只降了 0.45 dB,因為較響的提示音也算在裡面。這提醒我們,整體音量表不一定看得出音樂本身變化;剪輯時也要聽聽人聲結束後,音樂有沒有突然留下空洞。

  8. Dev.to Top Tech58

    Cutora 如何自動剪掉口播影片中的停頓與重錄內容

    剪口播影片時,停頓、說錯重來和重錄句子都要判斷該不該刪,剪錯還可能把想說的話一起拿掉。Cutora 的作者說明,工具會先用每個字的起訖時間安排剪接,刪除較長停頓和放棄的重說句,再從重錄內容中挑出較完整、流暢的一段;不確定是不是同一句時,就先保留兩段。剪接前也會檢查切點是否落在字中間。它仍可能漏掉改寫過的重錄句,或讓藏在長字詞時間裡的小停頓留下來,所以每段刪除內容都能在時間軸上檢視並還原。

  9. Dev.to Top Tech52

    如何讓 Flutter 在 Jetson 資源吃緊時降低介面負載

    Jetson 裝置要同時處理推論、網路、影片和應用程式,資源吃緊時,Flutter 介面也可能變慢。文章建議先檢視溫度、CPU 和 GPU 使用量、記憶體壓力與推論延遲等訊號,再依明確規則降低圖表更新頻率、減少裝飾動畫或調低預覽畫質,同時保留警報和控制功能。文章也提醒,隱藏介面元件不會直接減少 GPU 推論負載;模型和加速器排程應由 Jetson 服務處理,介面則可提出支援的畫質設定。

  10. Dev.to Top Tech62

    AI-KSK 示範用 RGB 與深度參考,在單次影片處理中替換角色

    替換影片角色時,常會遇到臉像參考人物,頭部角度或場景位置卻跑掉的問題。AI-KSK 分享一套 ComfyUI 工作流程,同時使用 RGB 參考圖保留人物外觀,並用深度參考控制人物與鏡頭的位置,還能轉移原影片的動作;提供音訊時,也能依音訊帶動嘴型。流程有標準、無聲和加強臉部細節三種版本。若人物朝鏡頭移動,但深度資料只來自單一影格,合成位置可能偏移;逐影格擷取深度可以修正,但成本較高。

  11. Dev.to Top Tech69

    AI-KSK 示範不用訓練 LoRA,如何用 RefMod 套用角色、動作、聲音和場景

    想讓模型固定角色長相或學會一個動作,通常得先訓練 LoRA;RefMod 則把參考圖片、影片或音訊做成可載入的檔案,在模型推論時使用。AI-KSK 示範了角色、打鬥動作、聲音和場景等用法,也把套用參考素材和輸入文字描述分成兩個步驟,方便各自調整。文中觀察到,角色樣貌、動作和場景能保留參考內容;聲音雖能帶出音色,也可能跟著原音訊的說話節奏。作者建議先用 RefMod 做出大致結果,有需要時再用短版 LoRA 修整。

  12. Dev.to Top Tech61

    Character Swap 1.5 教學:用 SAM 3.1 遮罩和動作轉移替換影片人物

    替換影片裡的人物時,光把新角色放上去還不夠,還得讓他跟著原本的動作移動。Character Swap 1.5 把這兩件事放進同一套 ComfyUI 流程:SAM 3.1 逐格找出要替換人物的範圍,再用原影片的動作帶動新角色。手臂被身體擋住、動作太快或頭髮邊緣太硬,都可能讓畫面閃爍或出現光暈,因此仍要整理遮罩。VDN8 每格用 8 步運算,能加快處理,但衣料紋理和細小臉部特徵會比 20 步版本稍微模糊。作者也提醒,SAM 3.1 和 H3 權重必須先存放在本機。

11月15日週日
  1. Dev.to Top Tech55

    RefVid 教你用 Kling 讓 AI 影片每一集都有同一批角色

    AI 影片每次重新生成,角色的臉和穿著可能都會改變,讓觀眾認不出主角。RefVid 團隊分享的做法是先替每個角色存好幾張不同角度的參考圖,每個場景都從這些圖片開始,再把一集拆成幾段短場景,寫清楚畫面和角色臺詞。團隊用這種方式製作了四集的 GuaPi 卡通系列,讓四個角色在不同集數裡保持相同外觀。發布前也要檢查服裝和角色名字,並取得真人演員同意;需要重做場景時,保留提示詞和角色圖片就能再次製作。

  2. Dev.to Top Tech42

    Genjutsu AI 用一張照片把你放進熱門影片,不用寫提示詞

    想把自己放進一段熱門影片,卻不想重拍整段或研究提示詞?Genjutsu AI 讓你上傳影片,再替想換掉的人物各選一張照片;它會自動切分場景、找出畫面中的人,並把同一張照片套用到那個人在每個鏡頭裡。影片的動作、剪接、節奏和原音都會保留,輸出畫質是 720p。單一場景不能超過 15 秒,每 15 秒要花 10 點數;Starter 的第一支 15 秒影片售價是 $6.90,之後是 $9.99。這工具適合快速改造短影片,但開始前要留意場景長度和點數費用。

  3. Dev.to Top Tech65

    照片轉影片實作解析:先編輯首幀,再讓影片動起來

    直接把人像交給影片模型時,模型得同時改場景、安排動作和控制鏡頭,結果比較難掌握。作者分享的做法是先用圖片編輯模型整理出影片第一幕,再交給影片模型加入動作、說話和音樂;例如生日影片可以先安排好房間、服裝和蛋糕位置,再讓人物看向蛋糕並做出反應。作者以 OpenAI 的 gpt-image 編輯圖片,每張約 $0.05,再用 MiniMax H3 產生 10 秒影片,每段約 $0.25,成功生成一次的模型費用約 $0.30。先準備第一幕能讓影片模型專心處理動作,但仍可能出現臉部變化,效果也會因模型而異。

  4. Dev.to Top Tech51

    Fileo 如何在瀏覽器裡把影片音軌轉成 MP3 或 WAV

    把大型影片上傳到遠端伺服器只為了取出音軌,可能又慢又花錢。作者分享 Fileo 的做法,讓瀏覽器透過 Web Audio API 解碼 MP4、MOV、WebM 和 MKV 的音訊,再直接在本機轉成 WAV;轉成 MP3 時,程式會定期讓出運算時間,避免進度動畫卡住。文章也說明,Windows 上的 Chromium 檔案選擇器可能因為 accept 設定而隱藏 MP4,移除該設定後就能找到影片。

  5. Dev.to Top Tech52

    作者分享用 Go 和 SRS 打造直播銷售工具的經驗

    替商店加上直播功能時,頁面樣式互相干擾、網路不穩和使用者端限制容易被繞過,都可能讓服務出問題。作者用 Go 和 SRS 打造直播銷售工具後,改用 iframe 隔開播放器與商店頁面,也把觀看人數上限和串流金鑰等限制放在伺服器檢查。手機透過店內 Wi-Fi 開播時,他建議預設用 SRT,因為它能補救傳輸遺失的資料;他也遇過快取讓新頁面搭配舊語言檔、顯示原始文字鍵的問題,後來讓網址隨版本更新。這些經驗也指出,小型服務跨境收款與商家註冊仍可能很棘手。

  6. Dev.to Top Tech69

    如何用影格回呼測量瀏覽器影片卡頓

    影片平均每秒 30 個畫面,不代表播放過程沒有卡住。文章用兩組各 10 秒、都包含 300 個畫面的時間資料說明:一組畫面間隔平均,另一組中途停了 1,030 毫秒,但兩者的平均 FPS 相同。作者示範如何在瀏覽器記錄畫面出現時間、最長間隔和超過門檻的停頓,再依序比對原始相機畫面、處理後的輸出和錄影。這些資料能幫忙找出哪個環節先停住;單靠回呼間隔,無法判定相機、網路、解碼或瀏覽器各自造成多少影響。

  7. Dev.to Top Tech72

    用 NumPy 分辨 Tiny Desk AI 影片閃爍和人物動作

    生成影片一閃一閃時,很難分辨是模型出了問題,還是人物動作和燈光造成的變化。作者寫了一個用 NumPy 和 ffmpeg 的小工具,先排除場景切換,再比較整個畫面和區域性區域的亮度變化,也看變化是每隔一格反覆跳動,還是連續平順地改變。作者先用已知會閃爍的合成影片檢查工具,再分析 Tiny Desk Outstanding 網頁上的 8 段影片;結果都沒有明顯的逐格閃爍,較大的區域性變化出現在歌手快速轉頭、亮片衣服反光的片段。這套方法只看亮度,無法判斷人物形狀變化,也分不出閃爍來自原始影片還是生成過程。

  8. Dev.to Top Tech61

    CutVoke 如何用音訊對齊多機位影片,不確定時就停止

    剪輯多機位訪談時,手動對齊每臺攝影機的畫面很花時間;但音訊線索不清楚時,猜錯位置也會讓影片看起來像配音。CutVoke 會比對各軌前 60 秒的音訊,找出可能的時間差;如果最佳結果不夠明確,就不改動時間軸,請人手動對齊。對齊成功後可以復原,也會記錄結果。這個方法只適用於一般速度的連續片段,無法修正長時間錄影逐漸累積的時鐘偏差。

  9. Dev.to Top Tech65

    AI-KSK 示範用 MiniMax H3 分段生成長影片,延續主角外觀

    長影片生成常會越做越偏,或碰到長度上限。AI-KSK 示範一套包住 MiniMax H3 的 ComfyUI 流程:先安排鏡頭順序和節奏,再把影片分段生成,並用主角參考圖讓外觀在不同片段中保持一致。若某一段跑偏,也能單獨調整。這套流程可匯入 ComfyUI 使用,但需要連到已安裝的 H3 模型;作者也提醒,提供的流程檔不是包含模型的完整套件。

  10. Dev.to Top Tech37

    YouTube Shorts 過濾器實測 9,000 支影片:舊版漏掉 96.3%,新版擋下 99.98%

    Shorts 動態裡常塞滿詐騙重傳、AI 廢片和標題騙人的影片,讓人很難找到想看的內容。作者拿 9,000 支 Shorts 比較新舊兩版過濾器:舊版放過 8,667 支,新版則擋下 99.98%。過濾器會先替每支影片抽出 8 個畫面,找出大量重傳時常出現的相似畫面,再交給模型檢查畫面和字幕;信心不足的影片會直接擋掉,不會只移到「也許會想看」的區域。這套做法每處理 1,000 支影片約需 40 GPU 分鐘;如果跳過比對相似畫面的步驟,成本會高出約 12 倍。

  11. Bilawal Sidhu84

    美國空中交通管制裝置出問題時,航班停飛的範圍和地面狀況不容易一眼看清。Bilawal Sidhu 把公開的飛機位置資料、地球同步衛星影像、FAA 通知和管制員通話合成 34 秒影片:藍色代表空中的飛機,橘色代表地面上的飛機,機場旁的圓圈和數字顯示等待航班數。官方說法指出,舊式類比裝置和路由器負荷過重,裝置升級時安裝的修補程式是主要懷疑原因;目前沒有網路攻擊證據,Duffy 也表示 FAA 的 SMART AI 航線工具沒有造成事故。全國停飛約 4.5 小時後解除,期間有 6,600 多班航班取消、8,600 多班延誤。

    推薦理由:這段 4D 重建把航班停飛期間的空中與地面狀況放在同一畫面,也整理了官方對裝置故障原因的說法。

  12. Dev.to Top Tech52

    Karaoke Captions 如何在瀏覽器裡用 Whisper 做字幕並輸出 MP4

    做字幕影片時,語音辨識、預覽和影片輸出可能各自使用不同的時間,讓字幕出現得太早或太晚。作者分享 Karaoke Captions 在瀏覽器內處理影片的做法:先把音訊轉成 Whisper 能讀的格式,再整理每個字的時間,並讓預覽和輸出共用同一套字幕繪圖方式,最後把字幕畫進影片並輸出 MP4。成品也能另存 SRT 或 VTT 字幕檔;作者提醒,這些格式只包含文字和時間,不會保留影片裡的字幕動畫。

  13. Dev.to Top Tech36

    規劃影片製作前,先分清 Kling 5 的訊息是已推出、即將推出,還是傳聞

    規劃影片時,如果把還沒證實的規格當成真的,可能會排錯工作、超出預算。可以把每項訊息分成「現在能用」、「官方說之後會推出」和「尚未公佈」三類:Kling 4.0 已支援單次生成最長 30 秒;10-bit HDR 和最長 2 分鐘的 Video Extension 則仍標示為即將推出。文章寫道,截至 11 月 15 日,Kuaishou 尚未公佈 Kling 5,也沒有官方的規格、點數費率或推出日期,所以 4K 和單次生成 45 秒都不能當成已確認功能排進計畫。規劃前先查官方公告,再確認實際使用的平臺有哪些功能,能減少排程和估價出錯。

  14. Dev.to Top Tech50

    Zaqero AI 如何讓 AI 影片裡的商品標籤不走樣

    商品照片交給 AI 做成影片後,標籤上的字和商標常會被改得不太一樣,小品牌可能因此覺得那已經不是自己的商品。Zaqero AI 讓原照片直接交給影片模型,不先用另一個模型重畫商品;影片做好後,再找出標籤位置,對著同一張參考畫面追蹤,並只補改標籤上的文字,保留原本的光線和質感。測試一個蠟燭罐影片時,畫面晃動最嚴重也只有 0.14 px。這套標籤處理方式目前還沒正式上線,測試也只用了一段影片;遇到手遮住標籤或標籤折起來等情況,還不能處理。

  15. Dev.to Top Tech56

    Fast Data 實測短影音:多數觀眾在 3 秒內離開

    短影音要怎麼做,才能讓觀眾多看幾秒?Fast Data 用新帳號發布 20 多支程式生成的資料動畫,發現較長的影片表現普遍較差;短片的觀眾也常在前 3 秒離開。作者觀察到,開場一開始就有鏡頭移動的 3D 動畫,比六根一起變長的柱狀圖更能留住觀眾;問題文字若太快消失,也可能讓人看不懂畫面。這些只是單一帳號的小規模紀錄,影片長度和製作品質也同時改變,不能單靠這次結果判定原因。文中還附上 Python 程式碼,示範把不同秒數的觀看留存畫成曲線,方便比較影片設計。

11月14日週六
  1. Hacker News (official RSS)63

    Mouse Party 讓朋友不用架設伺服器,也能一起看影片聊天

    想和朋友一起看影片聊天,過去可能得先架設網頁伺服器,設定起來麻煩又要花錢。作者做了開源的 Mac 桌面 App Mouse Party,只要把影片拖進去,就會產生可分享的連結;朋友點開連結,就能一起看影片和聊天。它也能加入音樂、檔案和小遊戲,並透過 Cloudflare 建立暫時連線,關掉 App 後連結和聊天室就會消失。這個工具適合熟人聚會,沒有管理聊天的功能;有人鬧場時,只能關掉 App 結束聚會。

  2. Dev.to Top Tech47

    Onset 用 FaceTime 做中風後每日檢查,最難找的問題竟出在通話平臺

    中風出院後的幾週風險很高,家人可能沒注意到笑容、手臂或說話出現變化。Onset 讓病人每天用 FaceTime 做約一分鐘的檢查:對著鏡頭微笑、舉起雙手、重複一句話,再和病人第一次通話留下的狀態比較;發現變化時,會邀請照顧者加入通話,一起建議打 911。 團隊原本以為通話沒聲音是自己的程式出錯,換過語音服務和測試音後仍然無聲;連平臺提供的示範程式也一樣,才發現試用電話線沒有傳送音訊。因此,他們讓操作指示直接顯示在畫面上,也做了照顧者檢視檢查結果的儀錶板。不過,目前判斷門檻只用模擬資料和一個人調整,還沒有臨床研究證明準確度。

  3. Dev.to Top Tech35

    為什麼影片升成 4K 後檔案大了 8 倍,畫質卻不一定更好?

    把 1080p 影片升成 4K,檔案可能變成原本的好幾倍大,但畫面裡不會因此長出原本沒有的細節。真正要看的是位元率:例如原本只有 720p、5 Mbps 的影片,升成 4K 卻用 3 Mbps 輸出,畫質反而會損失。作者測試一段 12 秒影片後發現,4K 檔案是 57 MB,畫面卻和 1080p、18 MB 幾乎一樣;最後選擇 1080p、12 Mbps。先確認原影片的位元率,再選合適的解析度和輸出設定,才能避免檔案變大、畫質卻沒有改善。

  4. Dev.to Top Tech71

    Kino AI 評測:讓 Claude Code 和 Codex 一起剪輯影片的桌面工具

    剪影片時,素材、修改意見和剪輯時間軸常散落在不同工具裡,AI 助理也很難只靠文字精準修改。Kino AI 把影片剪輯、素材管理和團隊回饋放在同一個桌面工具中,並把時間軸上的修改寫成程式碼,讓 Claude Code 或 Codex 能直接調整。團隊成員可以在時間軸留言,使用者也能把影片片段或單一畫面的連結交給 AI 助理,指出要改哪裡。免費方案包含剪輯器、匯入匯出和 MCP;Pro 每位編輯者每月 $25,提供更多 MCP 呼叫、分享連結和團隊剪輯功能。Kino AI 目前是桌面 App,使用者仍須確認影片素材有合適的使用權。

  5. The Decoder79

    Runway 開放 Praxis-1,讓影片 AI 控制機器人

    機器人要學會拿取、移動物品,通常得先收集專門的機器人訓練資料。Runway 開放了 Praxis-1 的模型權重與程式碼;它先從影片學物體如何移動,再結合人類動作影片和機器人資料,根據相機畫面、文字指令與機器人位置持續調整動作。Runway 表示,Praxis-1 在 RoboLab-120 模擬測試的成功率是 46.2%,高於同類的 FLUX 3 Action;這些測試由 Runway 自行進行,尚未經獨立驗證。模型仍需要機器人資料來適應不同機型,也可能混淆外觀相似的物品,或難以自行安排長串複雜動作。

    推薦理由:Praxis-1把影片學到的物體動作規律用於機器人控制,文中測試呈現它在模擬與實機任務中的表現,也交代了資料需求與操作限制。

  6. Dev.to Top Tech46

    Hot51 如何用畫面與聲音記錄檢查直播不同步

    開直播前,如果畫面和聲音不同步,光憑感覺很難知道差了多少。Hot51 提供一套簡單的檢查方法:用預計直播時會用的相機、麥克風和錄影方式,錄下一次清楚的拍手,再對照雙手碰在一起的畫面和拍手聲開始的時間。以 30 fps 計算,差 3 個畫面大約是 100 毫秒;這只是換算例子,不是適用所有裝置的調整建議。多錄幾次並記下裝置和結果,有助於看出不同步是否穩定,也能確認調整後有沒有改善。