Julian Harris 详解全本地 AI 音乐视频生成工作流

前 Google 工程师 Julian Harris 发布长文，记录使用全本地 AI 从一句 prompt 生成音乐视频的完整实践。工作流涵盖音乐生成、音轨分离、节拍检测、图像生成、lip-sync，以及为 3D 场景添加 AI 质感微调模型。文章还回顾从 2019 年 prompt-to-bird 演示到如今本地跑通视频生成的技术演进，并分析各环节的工具选择与实践难点。