开源本地对口型音乐视频工作流公开

Reddit 用户 Important-Apple7422 公开了一套基于开源模型、在本地制作对口型音乐视频的完整工作流，并分享了首支成片。流程由 YuE2 生成歌曲、Qwen Image 2.1 生成歌手形象和首帧、Pika H3 生成电影感镜头；Codex 按人声自然停顿切分音轨后，各段人声经 Mel-Band RoFormer 分离，仅以人声作为条件交给 LTX 2.5 生成对口型视频。 据该用户称，转为本地运行后无额度限制、无需按次计费；其硬件为 RTX 4090，生成速度允许反复重摇镜头直至满意。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。