跳到正文

#視訊/影片

RSS
今日 2 則
今天11月23日週一
  1. Dev.to Top Tech57

    用 Qwen3 TTS 和 LTX 2 製作克隆聲音與嘴型同步的說話影片

    要做出會說話的人像,聲音和嘴型得配合在一起。作者把流程分成兩段:先用 Qwen3 TTS 從一段錄音複製聲音,再讓 LTX 2 根據圖片或影片和音訊產生對應的嘴部動作。作者建議先生成完整臺詞,再用這段音訊做嘴型同步,並檢查容易對不準的爆破音和嘶聲。錄音品質會影響複製出的聲音;人物大幅轉頭時,畫面邊緣的同步也可能不自然。

11月22日週日
  1. Tom’s Hardware AI & Computing69

    烏克蘭為 500 多架 Puma 無人機換上抗幹擾通訊系統

    烏克蘭原有的 500 多架 Puma 偵察無人機,因戰場上的電磁幹擾而停飛。烏克蘭國防公司 Rise Technologies 替無人機裝上 Palych 通訊系統,操作人員可以選擇較少受到幹擾的頻段,讓飛行時的通訊更穩定。文章指出,改裝後的航程從原本的 10 英里(16 公里)增加到 31 英里(50 公里)。這批無人機原本用來觀察戰場,這次改裝讓它們能在幹擾嚴重的環境中恢復使用。

  2. Dev.to Top Tech42

    用一組 API 金鑰串接多種 AI 影片模型,Python 可自動切換路線

    大量產生 AI 影片時,選用的模型可能遇到流量限制,或暫時無法使用,讓工作中斷。這篇文章示範用 Python 串接一個入口,先列出可用的影片模型,再選一個送出任務;如果這條路線失敗,就按順序自動重試其他路線。送出時要使用同一組重試識別碼,避免逾時後重送,意外多做一份影片、重複付費。這樣可以依不同價格選擇模型,也能減少服務中斷時對使用者的影響。

  3. Dev.to Top Tech43

    SilkPlayer 實測 400 Mbps 4K 影片,播放順不順?

    播放器寫著支援 4K,不代表播起來一定順,遇到高畫質影片還可能卡住或顏色不對。作者用 SilkPlayer 2.0.2 播放 120、200、400 Mbps 的 4K 影片,還測了兩種 8K Dolby Vision 影片,五個檔案都順利播放;其中 8K Profile 5 的顏色也顯示正常。這些測試只檢查影片解碼,還沒涵蓋字幕、音訊等情況。SilkPlayer 本身不到 20 MB,免費且開放原始碼。

  4. Dev.to Top Tech63

    如何用 WebCodecs 在瀏覽器把橫式影片裁成直式,檔案不用上傳

    把橫式影片改成直式,常得先上傳檔案;作者做的 Vertical Video Maker 則在瀏覽器裡處理影片,檔案不會離開裝置。它用 WebCodecs 解碼和編碼影片,並用 Mediabunny 讀寫影片檔;預覽和匯出共用同一套畫面處理方式,讓裁切設定在成品裡也能對上。作者也分享了處理不同瀏覽器裁切差異、影片時間戳和模糊背景的方法。匯出檔案會放在記憶體裡,長影片可能需要好幾 GB;沒有 WebCodecs 的瀏覽器則無法匯出。

  5. Dev.to Top Tech48

    PySceneDetect 能找出影片切換畫面,卻不知道哪一段值得剪成精華

    想從長影片挑出精彩片段,不能只看畫面什麼時候切換:精彩可能是安靜的一句笑話,也可能是突然閃光。作者做了一段自己設計的短影片,放進 5 次場景切換和 3 個像精華的事件,再用 PySceneDetect 0.7.3 測試。結果,AdaptiveDetector 找到全部 5 次切換,但也把閃光和淡出後的黑畫面當成切換;ContentDetector 還漏掉其中一次。另一種只看畫面和聲音變化的簡單方法找到了 3 個事件,卻也把場景切換等變化一起抓進來。這提醒我們,找切換點不等於找精彩片段,剪輯的人還是得看過候選片段再決定。

  6. Dev.to Top Tech57

    Runway 和 Pika 影片方案比較:同樣 $35,能生成的秒數差很多

    Runway 和 Pika 都用點數計價,光看月費很難知道能做多少影片。作者比對兩家在 2026 年 11 月 22 日公佈的價格,換算不同方案能生成的影片秒數:$35 的 Runway Pro 可做 187 秒 Gen-4.5,Pika Creator 則可做 650 秒 Pika 2.5;若選 Pika 的 Seedance 2.5,同一方案只夠做 107 秒。兩家的模型和畫質設定不完全相同,因此不能只看秒數判斷哪家更划算。文章也提醒,Pika 的免費方案沒有每月點數,Runway 的定價頁則未列出商用授權條件。

  7. Dev.to Top Tech51

    Remix Motion 如何不用動作參考製作 Tiny Desk AI 影片範本

    要做出像熱門短片的節奏,不一定得把原影片交給模型當動作參考。Remix Motion 團隊製作 Tiny Desk AI 範本時,先量出原片的速度和三個剪接時間,再用文字寫清楚每個畫面要拍誰、何時轉向或接上獨奏。範本會依使用者上傳的照片安排主唱、薩克斯風手和鍵盤手;沒有人像的位置則由 AI 補上角色。影片配上同樣速度的原創音樂,不使用原曲或原片。作者也提醒,這種做法適合動作不多的固定鏡頭;如果笑點在舞蹈或其他動作,仍會使用動作參考。

  8. Dev.to Top Tech46

    如何把一集 Podcast 做成 10 支短影片:一套好上手的工作流程

    一小時的 Podcast 通常藏著好幾段適合獨立觀看的內容,但要從頭聽到尾找出來很花時間。作者建議先訂好挑選標準,再讀逐字稿找出 15 到 20 個候選片段,接著把開頭剪到重點一齣現就開始,配上誠實的標題文字,並讓直式畫面跟著說話的人。字幕也要校對,避免人名和專有名詞出錯。每段影片可留直式和正方形版本,排程每天發布一支;一集最後大約剪成 10 支短片。發布一兩週後,再看看哪些片段留住觀眾,每次只調整一件事,慢慢找出適合自己觀眾的做法。

  9. Dev.to Top Tech42

    用深度影片和場景圖片,讓 MiniMax H3 更照著參考片拍出賽車轉彎

    想讓 AI 生成的賽車照著參考影片轉彎,作者發現只用深度影片還不夠:畫面裡的賽道和護欄太複雜時,模型可能看不清路線。於是作者另外準備一張賽道圖片,讓 MiniMax H3 看清楚彎道在哪裡,再用深度影片帶出鏡頭和車子的移動。對照結果發現,只用深度影片時,車子的起點、鏡頭跟拍和轉彎方向都比較接近參考片;加上更多動作指示後,車子反而從不同位置出發,還往另一個方向轉。這提醒我們,先用場景圖片和深度影片確認基本效果,才看得出額外指示改變了什麼。

  10. Dev.to Top Tech47

    360° 全景圖片為什麼要是 2:1?開發者該知道的格式重點

    360° 全景圖片把四周和頭頂、腳下的畫面都放進同一張平面圖片,寬度應該是高度的 2 倍。把圖片攤開時,左右兩側要剛好接得起來;像 8000 × 4096 這種看起來差不多是 2:1 的尺寸,仍可能讓接縫對不上。手機全景照通常只有一條水平風景,缺少頭頂和腳下的畫面,不能當成完整的 360° 圖片;立體全景圖則可能是正方形,因為上下各放一個視角。檢查圖片尺寸能先擋掉不少問題,讓 360° 檢視器正確呈現影像。

  11. Dev.to Top Tech76

    StudioVisualIdentity 用一個提示詞打造 18 種短影片風格

    自己做短影片時,常會不小心用上和別人很像的版型、字幕和動畫。作者開源了 StudioVisualIdentity,整理出 18 種視覺風格,每種都有設計規則和實際做出的短片,也提供一個提示詞,讓 AI 助理挑選風格並建立新的製作專案。作者還比較了兩種判斷風格是否不同的方法:看顏色和線條的程式測試把 4 支短片分錯,盲測則把 72 個畫面全都分對。這提醒我們,判斷視覺風格不能只看配色,還得看形狀、字型和呈現方式。

    推薦理由:這個專案把 18 種短影片視覺風格整理成 AI 助理可讀的設計資料,並用盲測結果說明單看顏色與邊緣容易誤判風格差異。

  12. Dev.to Top Tech44

    影片編輯器怎麼計費?每次操作、每小時影片,還是每上傳一分鐘?

    使用 AI 編輯影片時,費用可以按每次操作、影片時數,或上傳分鐘數計算。按次收費容易對照模型成本,但使用者可能因為重做也要付費而不敢多試;按影片時數收費比較好懂,不過各家算的是上傳、錄影還是剪輯後的影片,可能不同。Cutora 選擇按上傳分鐘數計費:每個專案裡的檔案都算,取消或失敗的上傳不算,重新剪輯、匯出和加入音樂音效也不扣分鐘。這讓使用者能放心反覆調整,但重做多次會增加 Cutora 的成本。

  13. Dev.to Top Tech47

    教你用 ElevenLabs 和 Python 製作影片 AI 配音工具

    替影片換成另一種語言的配音,常得找人錄音,再把新聲音對準畫面,過程又花時間又麻煩。這篇教學用 Python、ffmpeg 和 ElevenLabs 把流程串起來:先取出影片聲音,再產生新的配音,調整長度後放回影片。沒有現成臺詞時,也可以先把原音轉成文字,再翻譯成目標語言;例如,想把影片改成另一種語言,就能把翻譯好的臺詞交給 ElevenLabs 合成語音。這套做法能讓影片配音更容易自動處理,但新聲音仍要配合影片長度。

  14. Dev.to Top Tech45

    AI 影片升頻到 4K 怎麼做?解析度、位元率、影格率和畫面瑕疵一次看懂

    AI 影片放進 4K 時間軸後,常會變得模糊或像抹開一樣。升頻能把畫面放大,也會猜出原本看不清的細節;來源解析度越低,要猜的部分就越多。像 1080p 放大到 2160p 是 2 倍,720p 則要放大 3 倍。若影片本來就模糊,先改善模糊再升頻,並檢查人臉、文字和畫面有沒有閃動;升頻也救不回原本沒拍到的細節。 升到 4K 後,影片有 4 倍於 1080p 的畫素,因此重新壓縮時也要留足位元率,否則剛補出的細節可能又被壓掉。有些升頻工具還會改變影格率,例如 VideoUpscalerAI 的 Standard 模型最高輸出 24 fps。做 4K 前,先確認影片長度、畫質和用途;如果只是用手機看,或必須確保人臉等細節完全準確,升頻未必划算,也不一定可靠。

  15. Aravind Srinivas51

    想在月球和火星上開著漫遊車探險,可以直接用瀏覽器玩《Getsumen Express》。這款遊戲由 Fable 5.2 打造,玩家能走路或駕駛漫遊車,檢視阿波羅登月地點、Curiosity 和 Viking 1 等真實地標,也能搭乘星際列車往返兩個星球,並在火星上用電漿卡賓槍射擊外星人。遊戲使用 Three.js、WebGPU 和 WebGL2,部分角色與物件由圖片轉成 3D 模型,再用 Blender 整理;地形、岩石和音效則由程式產生。製作約花費 73,000 點數,約合 730 美元。

11月21日週六
  1. Dev.to Top Tech63

    Wan2.2 教學:用一般電腦或 Google Colab 免費生成 720p 影片

    想用 AI 生成影片,常得按片付費;這篇教你免費執行 Wan2.2,並說明電腦沒有顯示卡時可以怎麼做。一般電腦可透過 ComfyUI 使用 5B 模型,生成 720p、每秒 24 格的影片;也能上傳照片,把靜態圖片做成影片。沒有 NVIDIA 顯示卡的人可試 Google Colab 的免費 T4,但免費資源不保證有空位,閒置時工作階段也會結束,影片要記得存到 Google Drive。文章提醒,5 秒影片可能要花幾分鐘生成,14B 模型則需要更多顯示卡記憶體;從 5B 和短片開始比較容易上手。

  2. Dev.to Top Tech58

    作者把 faceless-qc-lite 的六項影片上傳檢查整合成一套工具

    上傳影片前要分別檢查音量、黑畫面、字幕和縮圖,常得安裝好幾個工具。作者把六項檢查整合進 faceless-qc-lite v2.0.0,執行一次就能收到總結果;沒有資料可檢查的專案會標成略過,不會當成通過。只要有一項未通過,整體結果就會是 HOLD;有警告則是 PASS WITH WARNINGS。作者也提醒,連結檢查只看網址格式,PASS 只代表沒找到工具能檢查的問題,不保證影片表現好。

  3. Dev.to Top Tech67

    如何在瀏覽器把 canvas 動畫輸出成 MP4

    把網頁上的廣告動畫存成影片,常會遇到字型還沒載入、手機記憶體不夠,或影片無法順利播放等問題。作者示範在瀏覽器裡逐格畫出 canvas 畫面,再用 WebCodecs 編成 H.264,並包成 MP4 檔案;若瀏覽器沒有 VideoEncoder,也能改用 MediaRecorder 錄下 canvas。實作時要先載入字型、控制編碼排隊,並把影片索引放到正確位置。iPhone 需要等影片做好後再點一次,才能開啟分享選單儲存影片;整個製作過程在裝置上完成,不會把素材傳出去。

  4. Dev.to Top Tech68

    Seedance、Kling 和 Veo 影片提示詞的六段寫法

    只寫「女孩在街上跳舞」,影片模型可能每次都做出不同的鏡頭、動作和光線。作者分享一套六段式寫法,依序交代主角、動作、地點、鏡頭、光線與風格,以及模型會生成的聲音;短片最好只安排一個動作和一種鏡頭移動。測試時可以固定隨機種子、一次只改一項並記下結果,再用低解析度和短片長先試,減少重做花掉的點數。文章也用 Seedance 2.5 示範舞蹈、商品和風景影片的提示詞。

  5. Dev.to Top Tech58

    如何寫提示詞,讓第一人稱影片鏡頭穩定 30 秒

    AI 影片常在播放到一半時突然切成旁觀視角,或讓人物臉出現在鏡面裡,失去第一人稱感。作者分享一套提示詞寫法,把角色、場景、鏡頭、聲音和結尾分開說清楚,例如指定鏡頭一路連拍、不要出現臉或鏡子,並先做幾張靜圖當參考,確認畫面符合要求後再生成影片。作者也提醒,這套提示詞還沒完整測試,第一支影片應先短片試跑;影片要標示為 AI 生成,角色必須是虛構的。

  6. Dev.to Top Tech54

    MakeAI Media 如何修正 MP4 驗證器誤擋手機影片

    手機拍的 MP4 明明能正常播放,卻可能被伺服器擋下,讓使用者無法取得正確的上傳報價。作者發現,錯誤訊息把尺寸問題說成影片長度不合規,而驗證器又把影片顯示尺寸當成整數畫素;手機影片的尺寸可能帶小數,或沒有填這個值。修正後,系統會先四捨五入顯示尺寸,無效時再讀取影片實際編碼的尺寸。伺服器仍會從影片資料計算長度來保護計費,也會把真正的錯誤原因告訴使用者。

  7. Dev.to Top Tech61

    InferenceKey 實測 SenseNova 6.8 Code2Video:單張 RTX 4090 的上下文額度才是限制

    用一張 RTX 4090 跑影片生成 AI 助理時,模型權重灌得下,不代表長時間工作就能順利完成。InferenceKey 用 SenseNova 6.8 Code2Video 製作影片,發現上下文快滿時,Claude Code 得先把舊對話整理成摘要;但摘要也受單次輸出額度限制,三次整理都沒成功,最後沒有產出完整影片。作者也檢查生成畫面,發現影片的點陣排列不符合需求,原有檢查只看解析度、影格率和片長,沒確認畫面內容。這次測試只有一次,作者提醒要先確認摘要能否寫完,也要檢查影片實際畫面。

  8. Dev.to Top Tech58

    如何檢查 AI 影片片段有沒有音訊串流

    組合 AI 影片片段時,有些檔案沒有音訊串流,可能讓整段影片在渲染前失敗。作者示範用 ffprobe 檢查單一檔案:先看指令是否成功,再確認結果裡有沒有音訊串流;如果檔案本來就讀不到,也要和串流缺失分開處理。沒有音訊不一定是錯,例如之後才會加旁白的鏡頭可以接受;預期要保留對話的鏡頭則應送回檢查。把檢查結果和鏡頭編號放在一起,渲染出錯時就更容易找出原因。

  9. Dev.to Top Tech45

    如何用一張照片做感恩節影片?10 種 AI 場景帶來的實用心得

    想把家人的照片變成感恩節影片,最重要的往往不是提示詞,而是照片選得好不好。照片轉影片工具會從靜態照片接著生成幾秒動作,所以臉和細節可能改變;場景也要短而簡單,作者發現約 10 秒適合說完一個小笑話。像是兩人一起舉叉子時,如果照片裡只有一個人,模型可能會憑空補出陌生人;照片裡人太多,則可能只留下其中一張臉。挑清楚、腰部以上、光線正常的照片,並確認人數符合場景,成品通常更容易看懂。使用別人的照片前,也要先取得同意。

  10. 🚨 AI News | TestingCatalog54

    工作時常會遇到現成工具不合用,還得另外找軟體處理的情況。ClickUp 推出一系列新功能,使用者可以用 Brain² AI 描述想要的應用程式、儀錶板或報告,讓它依照 ClickUp 裡的資料來製作;Creative Studio 測試版也能依提示詞產生影片片段、圖片和音效,並在 ClickUp 裡編輯。AI Workflows 測試版則可調整 AI 執行任務各步驟的方式,並加入核准流程。ClickUp Labs 提供免費搶先體驗,讓使用者自行開關新功能。

  11. Unsloth AI Releases65

    Unsloth 推出 Inkling 2 Mini,更新圖片生成、影片改風格與 MCP 對話

    在小型 GPU 上跑圖片生成模型常會佔用不少記憶體,和 AI 助理使用 MCP 工具時,每次對話都重新處理舊內容也會浪費資源。Unsloth 這次推出 Inkling 2 Mini,並更新多項桌面功能:Linux 和 macOS 載入 GGUF 圖片模型時,記憶體用量減少 52% 到 66%;Mac 可替整段影片換上新風格;使用 MCP 的聊天則只處理新內容,在工具測試中少用 83% 到 87% 的提示詞 token。更新也修正了圖片生成、檔案匯入和模型訓練等問題。

    推薦理由:這次更新同時改善小型 GPU 的圖片生成、Mac 影片改風格與 MCP 對話處理,可看出 Unsloth 如何擴充套件桌面端的使用情境。

  12. Dev.to Top Tech65

    PeakCut 讓開發者自架影片剪輯工具,選片不一定要用 AI

    想把長影片或直播剪成短片,通常得交給線上剪輯服務處理。PeakCut 是可自架的開源工具,能接收影片或連結,剪出直式短片並加上逐字字幕。語音辨識在操作者自己的電腦或伺服器上執行;選片則可接雲端模型、本機模型,或不使用 AI,改按音量挑片段。影片、剪輯檔和設定也會存放在自訂資料夾。自架能讓人自行管理媒體處理,但儲存空間、帳號設定和對外連線安全也得由操作者負責;若使用雲端模型或社群平臺,相關服務仍會在流程中。

  13. Apple Machine Learning Research72

    Depth Pro 2 用同一個模型估算照片與影片的景深

    從單張照片估算景深時,物體邊界可能不夠清楚;處理影片時,深度又可能一格一格地跳動。Apple 的研究團隊提出 Depth Pro 2,用同一個可擴充的網路處理照片和影片,並以原始畫面解析度估算每個畫素到相機的公尺距離。團隊表示,這個模型能同時做到距離準確、物體邊緣清楚,且影片前後畫面穩定,表現也勝過先前方法;研究團隊並釋出模型和程式碼。

    推薦理由:Depth Pro 2 把單張照片與影片深度估計放進同一個模型,呈現邊界清晰度和畫面穩定度如何兼顧。

  14. Dev.to Top Tech55

    如何檢查 VAST MediaFile 是否符合播放器需求

    VAST 標籤裡的影片檔可能各自符合不同條件,讓程式誤以為有檔案能播放。作者用 JavaScript 示範,尺寸、編碼格式和位元率必須同時符合在同一個 MediaFile 上;範例中的大尺寸檔案不符合 h264,小尺寸檔案則未達尺寸要求,因此沒有合格候選。文中也提醒,缺少位元率或編碼資訊不等於數值為零或已符合要求。選出檔案後,還要檢查網址實際提供的影片,並在目標播放器測試,分開記錄宣告內容、檢查結果和解碼狀況。

  15. aihot79

    可靈推出 Kling Image 4.0,支援原生 8K 影像生成

    想生成高解析度圖片或修改圖片時,畫質、文字呈現和價格都是挑選工具時會考慮的事。可靈推出 Kling Image 4.0,主打原生 8K 影像生成、真實感、一組圖片的一致性和文字呈現。Artificial Analysis 的評測中,它的文生圖排名第 7、圖片編輯排名第 6;相較 Kling Image 3.0 Omni,兩項排名的 Elo 分數都提升超過 225。黑色星期五優惠期間,2K 圖片每張最低 $0.022,原生 8K 每張最低 $0.033。

    推薦理由:Artificial Analysis 的排名與 Kling Image 3.0 Omni 比較,呈現新模型在文生圖和圖片編輯上的變化,也提供不同解析度的價格資訊供讀者參考。

  16. ElevenLabs Official Blog58

    ElevenLabs Ads Engine 新增影片廣告改版與多語在地化功能

    影片廣告製作又慢又花錢,換個開場或進入新市場,往往得重新拍攝。ElevenLabs 的 Ads Engine 現在能連線 Google、Meta、LinkedIn 和 TikTok 的廣告帳戶,參考現有素材與成效,替影片更換開場或配樂,也能翻譯字幕、調整圖片並配上其他語言的配音。團隊可以先請真人檢查,再自行核准或送到廣告平臺;系統也會留意成效開始下滑的素材,提醒團隊更新。

  17. Dev.to Top Tech36

    FrameTrellis 發布 v1.5.1,改善影片匯出穩定度與播放精準度

    剪影片時,如果匯出進度亂跳,或影片長度、畫面尺寸等資料有問題,可能會讓人以為匯出成功,結果檔案卻不可靠。FrameTrellis v1.5.1 加強檢查匯出和播放時的資料,也改良匯出視窗,讓設定更清楚;遇到格式不對的結果,系統會更仔細確認。這次更新也讓時間軸跳到很遠的位置時,計算更穩定。Windows 版提供安裝程式和免安裝 ZIP;Linux 和 macOS 版需自行從原始碼建置。Windows 套件目前沒有數位簽章,兩項 Windows 問題仍在調查中,更新也沒有宣稱已修好。

11月20日週五
  1. Dev.to Top Tech57

    如何用 FFmpeg 為 MP4 產生 SRT 字幕並檢查時間

    字幕文字正確,時間卻可能對不上影片,讓觀眾來不及讀完,或在剪接後慢了幾秒。這篇教學示範如何用 FFmpeg 找出 MP4 裡有對白的音軌,再產生帶時間標記的 SRT 字幕,並用小程式檢查字幕是否重疊、時間長度不對,或超出影片結尾。程式只能找出時間問題,不能確認字幕文字是否正確,所以還要用準備發布的影片播放字幕,檢視開頭、剪接後和接近結尾的片段,再修正時間並確認每行字幕容易閱讀。