这个开源视频制作工作流真爽啊！ 单日斩获3000 Star，真的牛～ 又一个把AI coding agent直接变成视频制作工作室的项目开源了，叫OpenMontage。 它把整个视频生产流程拆成12条结构化pipeline（动画解说、纪录片蒙太奇、电影感、Talking Head等），内置52个工具和500+个agent skills。 用户只需要用自然语言描述需求，agent就能完成调研、脚本、素材生成、剪辑合成全流程。 最硬核的是它同时支持AI生成内容和真实素材工作流，还做了生产级的质量把控（预合成验证、后渲染自检、预算控制）。 渲染引擎用了Remotion和自研的HyperFrames，能输出高质量的动态视频。 本质上它是把“视频制作”这件事彻底agent化了，让普通人也能通过对话让agent产出接近专业水准的视频内容。

现在红果短剧等各类短视频平台有多挣钱我就不说了，今天给大家介绍一款可以一站做短剧的Git仓库。 一个不会画画不会动画的人，靠一个开源工具做出了460万粉的AI动画频道，104条视频，最高一条5300万播放。这个工具就是Toonflow。 Toonflow是开源的AI短剧创作工作台，把小说或剧本直接变成动画短剧。集成了AI编剧、智能分镜、角色生成、视频合成，全流程AI化。支持7种语言界面，从写故事到出片，一个工具全搞定。 安装教程： 1. 去GitHub Releases页面下载安装包，Windows/Mac/Linux都有 2. macOS用户装完后去设置→隐私与安全性里放行，否则可能打不开 3. 启动后浏览器打开，首次登录账号admin密码admin123 4. 准备好LLM接口地址和视频生成服务接口，支持Sora、豆包视频等 5. Docker部署：git clone后yarn docker:local一键构建启动，访问localhost:10588/web/index.html 常见问题： Mac打不开→隐私与安全性里点"仍要打开" Docker部署后找不到页面→确认端口映射正确，访问路径是/web/index.html 需要自备AI服务接口，Toonflow本身不提供API key 想做AI短剧的可以收藏，一个工具从剧本到成片全搞定

收藏这5个工具，人人都能靠制作AI短剧赚钱 AI短剧最近流量特别好，大家对这种视频的接受度开始变高。AI短剧的创作者收入也开始水涨船高，那么如何开始短剧创作呢，有了下面5个工具，人人都能用AI短剧赚钱，而且不需要任何门槛： 1. 19.6K Star Pixelle-Video 应该是github最高星级的AI 视频引擎，主打的是全自动化：只需输入一个主题，Pixelle-Video 就能自动完成撰写视频文案，生成 AI 配图/视频，合成语音解说，添加背景音乐。零门槛，零剪辑经验都可以用。 2. 12.4K Star waoowaoo 首家工业级全流程 AI 影视生产工具。waoowaoo 支持从小说文本自动生成分镜、角色、场景，并制作成完整视频。 3. 12.4K Star 火宝短剧 是一个基于 AI 的短剧自动化生产平台，实现从剧本生成、角色设计、分镜制作到视频合成的全流程自动化。 4. 8.5K Star Toonflow 是开源一站式 AI 短剧创作工具，将小说、剧本快速转化为动画短剧。集成 AI 编剧、智能分镜、角色与视频生成，跨平台桌面端轻量部署，助力创作者低成本批量产出视觉内容。 5. 1.3K Star BigBanana AI Director 是一个 AI 一站式短剧/漫剧平台，面向创作者,实现从灵感到成片的高效生产。 有了上面5个工具，你也可以零门槛生产自己的短剧了。 我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

MiniMax 发布技术博客，披露其 M2 系列大模型无法输出人名「马嘉祺」的根因排查过程。排查从一个个例出发，最终揭示了一个波及整个词表近 5% 的系统性退化问题。 根本原因是大模型两个训练阶段的数据覆盖严重脱节。第一阶段（预训练）用海量互联网文本编出了一本约 20 万词的「字典」；第二阶段（后训练）用精选的对话数据教模型说话，但这份对话数据只覆盖了字典里的一部分。字典里有、但对话数据里没练到的词，就会在第二阶段逐渐被遗忘。 「嘉祺」就是这样的一个词。分词器（tokenizer，负责把文字切成模型能处理的最小单元）因为在互联网文本中见到「嘉祺」连用的次数够多，就把它合并成了一个独立单元。预训练时模型学会了这个词，但后训练的对话数据里包含「嘉祺」的样本不到 5 条。后训练不断调整模型参数，练到的词越来越准，没练到的词则在参数更新中被带偏。最终，模型仍然「认识」马嘉祺、能准确回答相关信息，丢失的只是把这个名字写出来的能力。 退化排名靠前的还有「传奇私服」「无痛人流」等互联网 SEO 垃圾词。这类词在预训练的互联网语料中铺天盖地，分词器给了它们独立编号，但精选的后训练对话数据不会收录这些内容，结果同样被遗忘。 团队对完整词表做了全量扫描，发现约 4.9% 的词发生了显著退化。退化最严重的是日语：29.7% 的日语词显著退化，远超韩语 3.3%、俄语 3.7%、中文 3.9% 和英文 3.5%。 日语的严重退化还解开了一个旧谜。此前模型在日语对话中偶尔混入俄语或韩语字符，一直找不到原因。这次分析表明，大量日语词退化后，在模型内部的参数空间里「漂」到了其他语言的地盘上，导致模型该写日语时错写成俄语或韩语。 修复方案是构造一份覆盖全词表的合成数据，让模型用简单的复读任务把字典里每个词都练一遍。效果立竿见影：日语回答中混入俄文字符的比例从 47% 降至 1%，全词表参数稳定度从最低 0.329 升至全部高于 0.97。

最近体验了几套全流程 AI 工作台，最直观的感受是：跨软件反复折腾的摩擦成本终于被干掉了。 以前做一条短视频，流程极其繁琐：在文档软件里写脚本，去画图工具跑分镜，再进剪辑软件加字幕和音效，中间得在四五个软件之间反复切换。现在的全流程工作台直接把这些环节串在一个界面里，从脚本生成、画面匹配到初稿合成，在一个窗口里就能跑完闭环。 “一个人搭出一条内容流水线”确实已经不是噱头。当纯技术执行的门槛被彻底抹平后，以后做内容真正拉开差距的，不再是看谁操作软件更熟练，而是谁能把控选题的方向与成片的审美。

重磅，雷总又来整顿市场了 MiMo-V2.5 全系最高降 99%，今日生效。输入 ¥3，输出 ¥6，缓存 ¥0.025 MiMo 额外砍了两刀：Token Plan 加量 5-8 倍，已耗额度全部重置；TTS 语音合成限时免费 智力上，DeepSeek V4 Pro 是标准学霸，SuperCLUE 总分第一，数学知识样样精通。但致命伤是幻觉率高达 94%，不懂也硬编，做研究得逐句验证。 MiMo-V2.5-Pro 是工程偏科天才。SWE-bench Pro 代码实测 57.2%，与 GPT-5.4、Claude opus4.6持平；全球开源 Agent 能力第一。实测 4.3 小时自主写完编译器，11.5 小时独立完成视频编辑器，零人工干预。 总之大家有福了，deepseek写代码可能还不那么聪明，但是mimo这个价格是真的可以玩了。

🌐 输入一个网址，把它的底细全给你扒出来 GitHub 已经封神，34.5K stars 想搞清楚一个网站的来路，通常要开一堆工具：这边查 DNS，那边验 SSL，再找个站看它用了什么技术栈，最后还得确认一下有没有被标记成恶意站点。 Web-Check 把这些合成一次查询：IP、SSL 证书链、DNS 记录、HTTP 标头、Cookie、开放端口、重定向链路、技术栈、TLS 配置和恶意网站记录，一次性摊开给你看。 部署方式给得很全，Netlify、Vercel、Docker、Render 都行，Docker 镜像在 Docker Hub 和 GHCR 都有。还能关掉图形界面只跑 API，接进自己的流程里。想让某些检查更准，可以配上 Shodan、SecurityTrails、URLScan、BuiltWith 这些服务的凭据。 在跟一个陌生网站打交道之前，先花十秒看看它的底细。 GitHub：