跳到正文

#視訊/影片

RSS
今日 3 則
11月14日週六
  1. Dev.to Top Tech41

    JME Freestyle AI 如何用一張照片做出 15 秒直式饒舌影片

    用文字提示詞做影片,常得先會描述鏡頭;對新手來說,就像要自己寫一份拍攝計畫。JME Freestyle AI 改成讓使用者挑選範本,只要上傳一張照片,就能做成 15 秒直式饒舌影片。範本先安排好音樂風格、鏡頭移動和字幕節奏;影片以 720p 輸出,如果有用的內容提早結束,就會剪掉後面的空白。這樣做能讓影片更快可以使用,也能避開部分長片段容易出現的畫面變形。影片由 Wan 3.0 透過 API 合作夥伴生成;作者把範本當成控制成品品質的主要方法。

  2. Dev.to Top Tech39

    如何把影片裡的人聲和音樂、雜音分開

    人聲常和音樂、風聲或街道聲混在一起,想單獨留下人聲就不容易。Shawn Sun 正在製作一款網頁工具:處理影片時,瀏覽器會先讀出聲音,再把聲音送到 GPU 伺服器分離;影片畫面留在自己的裝置上,處理好的聲音會放回原影片。你可以切換聽原音、只有人聲或只有背景聲;遇到風聲或風扇聲,也能免費改用雜音模式再處理一次。每天不用帳號可處理 1 個檔案,登入後還能再處理 1 個,檔案最長 10 分鐘。

  3. Dev.to Top Tech68

    作者分享如何把 15 秒迷因影片換成五個人的臉

    要把五個人的照片放進一段 15 秒影片,常會遇到人物跑錯位置,或短鏡頭一直換不成功。作者分享自製工具的做法:先做一段不含真人和標誌的影片底稿,再按每個鏡頭的位置安排照片,並提醒模型不要混合不同人的特徵。最後兩秒的薩克斯風鏡頭反覆失敗,作者便把它剪成獨立片段處理,再接回主影片並沿用主影片的音訊。這套流程讓不同鏡頭能分開處理,也避免每筆訂單都重新製作底稿。

  4. Dev.to Top Tech70

    影片放大前先轉檔有用嗎?實測比較編碼順序

    影片放大前先轉成另一種格式,常被說成能清掉壓縮痕跡,但作者實測發現,無損轉檔只會多一道步驟,畫面不會改變。比較不同做法時,也要看每個畫素分到多少資料;相同位元率用在放大後的畫面,每個畫素能分到的資料會變少,因此不能直接拿總位元率相同的結果比較。這組測試中,按每畫素資料量公平比較,放大後再編碼的畫質較好。若需要中間檔,無損格式可保留色彩細節,卻不能救回原本已被壓掉的資訊;想減少壓縮痕跡,作者建議最後只編碼一次,並依輸出畫面大小安排位元率。

  5. Dev.to Top Tech43

    影片放大到 100% 反而變難看?原因是解析度不等於細節

    影片全螢幕播放時看起來清楚,放大到 100% 檢查,卻可能出現像蠟一樣的皮膚、像畫出來的邊緣。這是因為放大工具會猜新畫素的樣子;從 720p 放大到 4K 時,93% 的畫素都得靠模型猜,細節也可能變成假紋路。比較畫質時,要把同一個畫面裁切成一樣大小,並排用 100% 檢查。 比較穩妥的做法是先輕輕去雜訊,再放大 2 倍,最後才稍微銳化;也要看頭髮能不能分成一根根、衣料紋路有沒有保持規律,以及物體邊緣是否出現灰色光暈。原本沒拍到的細節救不回來,模糊的文字就算變清楚,也不保證內容正確。

  6. Dev.to Top Tech55

    AI 影片放大後更糊?五種預設怎麼選、處理順序怎麼排

    把低畫質影片放大後,畫面可能變得像塑膠,壓縮留下的方塊和雜點也可能更明顯。作者比較五種預設:Natural HD 適合重視真實感的畫面,Ultra Crisp 適合乾淨但模糊的素材,True Texture 會補出材質細節,Cinema Vivid 主要調整色彩,Clear Reality 則適合來源不明、受損狀況混雜的影片。作者建議先檢查畫面,有雜點或方塊時先輕度降噪,再校正色彩和曝光,最後才放大與輕微銳化。放大能讓畫面更乾淨、看起來更清楚,但不能找回從未拍到的細節;有些預設還可能編出原本不存在的紋理,因此不適合需要準確細節的用途。

  7. Dev.to Top Tech43

    如何用 Flutter 和 NVIDIA Jetson 打造更順暢的相機與影片流程

    相機畫面在擷取、解碼、分析和顯示時,如果一直複製影格,會多耗 Jetson 的處理器和記憶體。Flutter 預覽畫面也不必每更新一次,就逼機器人重新跑一次影像分析。這份教學建議先量出整段流程花多少時間,再把影像分析和畫面預覽分開處理;例如,預覽可以少顯示幾格,讓機器人繼續分析影像。遠端觀看時,若條件合適,可傳送壓縮過的影片,減少傳輸負擔。這樣能幫忙降低延遲,也更容易看出系統是否漏掉影格或過熱。

  8. MarkTechPost79

    2026 年 AI 影片模型評測:畫質分數、每秒價格和開放權重一次比較

    挑 AI 影片模型時,分數高不一定最省錢,開放權重也可能有限制。MarkTechPost 依 Artificial Analysis 的盲測偏好分數,整理文字轉影片與圖片轉影片的模型排名,再對照每秒價格和權重是否開放。榜首 Wan 3.0 的文字轉影片分數最高;Seedance 2.5 的圖片轉影片分數最高,但價格也偏高。MiniMax H3 是榜上排名最高的開放權重模型,不過授權限制部分地區部署,解析度上限為 768p。文章也提醒,排名第 3 到第 8 的模型分數接近,較適合看成同一群,而非嚴格分出高下。

    推薦理由:文章把盲測偏好分數、每秒價格與權重開放狀態放在一起比較,也提醒名次接近的模型不宜看成明確勝負。

11月13日週五
  1. Wired · Artificial Intelligence60

    Mansa 用 AI 微短劇測試黑人故事的市場,也引發演員對工作機會的擔憂

    好萊塢黑人演員和導演的工作機會不多,Mansa 卻推出全由 AI 生成、共 30 集的微短劇《They Left Us to Die》,引發觀眾批評作品沒有真人演出。公司創辦人 Nate Parker 說,Mansa 想先用這類短劇測試觀眾是否喜歡黑人故事,再拿觀眾反應和觀看資料爭取真人影集的製作機會。這種方式能較快推出內容,也能收費並觀察觀眾反應;但演員和業界人士擔心,AI 會搶走原本就不多的工作。Mansa 沒有公開這些 AI 影集的表現資料。

  2. Dev.to Top Tech59

    MediaPipe 和 YOLOPose 怎麼選?即時姿勢辨識要先顧好整條流程

    即時姿勢辨識就算模型找得到關節,畫面還是可能因為延遲、掉格或光線變化而卡住。作者建議把工作拆成擷取影像、推論和畫出骨架三段,先訂好整體延遲,再分開處理推論與畫面繪製,避免特效拖慢下一張影像。文章也說明,MediaPipe 型別的流程較精簡;YOLOPose 型別會先找出人物,再辨識姿勢,適合不同的需求。實際測試時應在預定使用的相機和硬體上量測,並事先決定過載時丟掉哪一張影格,以及低信心時如何呈現骨架。

  3. BlockTempo 動區動趨49

    華策影視《心動再開機》讓 10 位 AI 虛擬人上戀愛實境節目

    戀愛實境節目常靠嘉賓真實的情緒和意想不到的互動吸引觀眾,但 AI 演出的戀愛故事好不好看,還沒開播就引起討論。華策影視與凡酷文化製作的《心動再開機》,安排 5 男 5 女共 10 位 AI 虛擬人住進海邊別墅,一起生活、完成情感任務;他們的設定是 5 對分手的前任。節目共 8 集,11 月 17 日起在愛奇藝獨播,最後配對成功的組合還會出演愛奇藝的「S 級定製劇」。這些虛擬人的情緒互動能不能讓人看得投入,仍要等觀眾反應。

  4. Dev.to Top Tech54

    Ant Media Server 的兩種 MoQ 直播路徑,各有什麼取捨?

    直播觀眾變多時,既想讓畫面快點送達,也可能需要錄影、調整畫質和支援不同播放方式,單靠一條傳送路徑不一定夠。文章說明 Ant Media Server 3.0.0 以上版本的 MoQ 外掛提供兩種做法:讓瀏覽器直接把直播送到中繼站,處理較少、延遲較低,但不會經過伺服器的錄影和轉碼流程;或把直播交給 Ant Media Server 處理,再提供錄影與不同畫質的影像,代價是增加運算負擔和延遲。作者也提醒,這套實作採用 moq-lite,並建議在相同網路和裝置條件下測量延遲、耗用資源與可同時觀看的人數。

  5. Dev.to Top Tech44

    My Virtual World 2.6.0:一行指令安裝,加入 30 種動態野生動物

    My Virtual World 2.6.0 推出免本機建置的一行指令安裝方式,並加入 30 種具骨架繫結與動畫的 3D 野生動物模型。 安裝與平臺:使用預先建置的 Docker 映像檔,執行 git clone && cd my-virtual-world && docker compose up -d 即可啟動;支援 64 位元 PC、ARM 裝置、Apple Silicon Mac 與 Raspberry Pi。 更新與操作:新版本推出時,應用程式會通知使用者並提供更新說明與步驟;/stop 可立即結束工作階段,也適用於其他地方啟動的聊天、排程工作及重新啟動後仍在執行的回答。 試用方式:可免費使用 Demo Mode;輸入 License Key 可解鎖全部功能,金鑰連結位於應用程式的 Settings > License。

  6. Dev.to Top Tech48

    LiveFaceSwap 如何將瀏覽器中的 AI 影片輸出至 OBS

    LiveFaceSwap 的瀏覽器工作室能即時處理網路攝影機畫面,但其他應用程式無法直接選取這段處理後的影片;作者因此加入 OBS 擷取方式,並在 Windows 桌面版中透過原生攝影機來源提供影片。 OBS 使用方式:可擷取瀏覽器工作室視窗並裁切至處理後的畫面,也可用 OBS Virtual Camera 將合成場景提供給通話軟體;調整視窗大小或版面後,可能需要重新設定裁切。 Windows 原生攝影機:桌面版以 Electron 執行網頁工作室,並透過橋接程式將處理後的影格交給 Windows Media Foundation,讓其他應用程式以 LiveFaceSwap Camera 選取。此版本是適用於 Windows 11 22H2 或更新版本、x64 的未簽署預覽版。 影格傳輸與驗證:目前目標規格為 1280 × 720、每秒 30 格;原始畫素資料名目上約 111 MB/s,不代表網路速度需求或實測影格率。傳輸遇到尚未完成的提交時會略過該次影格,以免佇列累積;作者也將裝置探索與各接收應用程式的即時輸出分開檢查。

  7. aihot74

    美團 LongCat 開源 LongCat-Video-Avatar 1.6,讓語音帶動數位人影片

    製作數位人影片時,嘴部動作不自然、聲音和嘴型對不上,影片變長後畫面也可能不連貫。美團 LongCat 開源 LongCat-Video-Avatar 1.6,改進嘴型、臉部和身體動作的協調,也減少接續生成影片時累積的畫面誤差,能生成超過 10 分鐘的影片。團隊以 33,051 張有效人工投票比較六套系統,這個版本排名第二;新版本也加入推理最佳化,並提供單人和多人影片生成方式。

    推薦理由:LongCat-Video-Avatar 1.6 的人工偏好評測顯示,它在六個系統中排名第二;文中也說明瞭長影片生成與推理速度的改進。

  8. Dev.to Top Tech37

    如何在 OBS 預覽中測試虛擬人物鏡頭而不開啟直播

    OBS 預覽可用來排演虛擬人物影像,但無法證明會議參與者看到的畫面相同;文章建議將排演與實際傳送分開測試。 - 預覽檢查:建立只含預定虛擬人物來源的新場景,確認畫面比例是否拉伸臉部或裁切動作,並錄製一段包含說話、緩慢轉頭與靜止畫面的本機影片,回放檢查音訊是否重複收錄,以及是否出現不該進入工作通話的疊加畫面。

  9. aihot74

    Anthropic 推出 Claude Meetings 測試版,讓 Claude 以參會者身分加入視訊會議

    Anthropic 推出 Claude Meetings 測試版,讓 Claude 以可見參會者身分加入視訊會議,回答問題、協作建立檔案與白板,並產生會議紀要和行動項。

    推薦理由:Claude Meetings 的測試範圍、免費期限與外部來賓隱私預設,提供團隊評估會議流程整合與參與者同意要求的具體依據。

11月12日週四
  1. Runway66

    Runway 現已支援 3D,可從文字或圖片生成模型,或上傳自有模型,並匯出至其他 3D 工具。 生成模型:使用 Tripo H3.1 從文字或圖片生成詳細的 3D 模型。 後續運用:可選擇任意角度,將模型作為下一張圖片或影片的參考。

    推薦理由:Runway 將文字或圖片生成、模型角度選擇與跨工具匯出整合在同一流程,呈現 3D 模型如何銜接後續影像與影片創作。

  2. Dev.to Top Tech47

    RecToText:免費的瀏覽器音訊與影片轉錄工具,支援 MP3/MP4/WAV/M4A 轉成 TXT/SRT

    RecToText 可在瀏覽器中將音訊與影片轉錄成文字或字幕,支援 MP3、MP4、WAV、M4A、MOV,並提供自動語言偵測與時間戳記。 輸出與語言:支援 99+ 種語言,可匯出 TXT 文字檔或 SRT 字幕。 免費方案:無須註冊,每天可免費轉錄 2 次;檔案上限為 25MB/10 分鐘。

  3. Hugging Face Diffusers Releases72

    Hugging Face Diffusers 0.43.0 整合五種生成與模擬模型

    Hugging Face Diffusers 0.43.0 新增五種模組化模型整合,涵蓋影像生成與編輯、影音生成、語音驅動動畫及世界模擬。具體包括 MiniMax-H3-Image、Pika H3 Flex、P-H3-Image、Kandinsky S2V 1.0 和 PAN 2。

    推薦理由:Diffusers 0.43.0 將五種生成與模擬模型整合為模組化流程,並補上平行化、注意力後端及 LoRA 等工程改進,呈現其應用範圍與部署變化。

  4. Dev.to Top Tech47

    從空白頁到完成影片:我在單一瀏覽器分頁完成影片的 4 步工作流程

    作者分享使用 Arui.AI 在同一個工作區製作產品短片的 4 步流程,從訊息定調、分鏡圖片、生成動態,到最後加入旁白與音樂並組合輸出。 - 流程順序:先用一句話定義影片訊息,再以靜態圖片規劃分鏡;只讓需要呈現變化的畫面動起來,最後才錄製旁白、加入音樂並組合影片。