想做真人口播视频，又不想自己对着镜头一遍遍念稿，找配音、对口型、剪字幕一套下来半天没了。 video-ai-talking 这个开源工具，丢进去一段真人出镜视频，脸清楚就行不用说话，再写好要说的话，本机就能合成一条竖屏 MP4。 流程是先配音，火山引擎和阿里百炼选一家，再把真人视频和配音交给百炼的对口型接口，最后用 FFmpeg 拼上字幕合成。 GitHub： 口播文案自己手写，也能填个主题让 DeepSeek 生成，成片时长 15 到 60 秒可选。某几句想换画面，把视频素材拖到那句字幕旁边就行。 字幕样式有多套皮肤，标题字幕能单独开关。密钥只存在自己浏览器里，任务和成片写在本机，没有云端服务器。 参考视频不用念台词这点省事，随手录一段正脸就能反复用。作者在 B 站录了介绍视频，想做知识口播又懒得出镜念稿的可以试试。

🔮 又发现一个变态开源项目，把出图、生成视频、配音和对口型全做进了同一个桌面应用 GitHub 揽获 2.7 万 stars，Mac、Windows、Linux 的安装包都已经打好了。 以前做一条短视频素材，画面在一个网站生成，配音去另一个平台，对口型再找第三个工具，几个标签页来回切，文件下了传、传了下。Open Generative AI 把这一串收进同一个界面，图像、视频、音频、口型同步和工作流都在里面，一步做完直接接下一步。 桌面端集成了 sd.cpp，也能接一个自己跑的 Wan2GP 服务。联网的活交给 的接口去跑，想在本机出图就走本地推理，两条路自己选。 创作工具的终点，大概就是不用再来回切窗口。 GitHub：

美团 LongCat 团队刚发布了 LongCat-Video-Avatar 1.5，一个开源的音频驱动虚拟人生成框架。 输入一张照片和一个音频文件，就能生成对口型的说话视频。 解决了现有 AI 头像工具的几个常见问题： - 面孔变形 - 口型不同步 - 身份漂移 - 长视频生成不稳定 支持新闻播报、教育、娱乐、电商等场景，中英文都可以，有写实和动画两种风格。 MIT 许可证，可以商用。 1.5 版本升级了 Whisper-Large 模型，口型同步更准确，推理速度也更快。 之前做这种视频需要摄制组、工作室和后期剪辑，现在一个开源工具就能搞定。 对于那些收费几千美元的工具来说，这相当于来了个免费竞争对手。 GitHub 仓库链接在评论区。

Seedance 2.0 API 正式发布了，企业和个人用户现在都能从火山引擎调用。海外市场 BytePlus 同步上线，海外用户终于也可以使用了。 定价 46 元每百万 token，纯视频生成大概 1 元 1 秒，按量付费，注册账号就能调用。海外 BytePlus 的具体定价以官网公布为准。 API 真正的价值在于能融入自己的工作流，大幅提升创作效率。 过去做一支 AI 视频得串起好几个模型：图生图、图生动画、对口型，每个环节都要抽卡。Seedance 2.0 支持文字、图片、音频、视频四种模态输入，配合火山方舟上一键完成的人脸验证、肖像授权和 1 万多个预置虚拟人像，整条流程可以用代码或者 Agent Skills 自动化串起来，大幅提升创作效率。 官方公告中提到了一些实际数据。技术服务商巨日禄接入后，精品 AI 剧综合制作效率提升近 10 倍；九州文化、麦芽传媒这批内容制作方从剧本到剪辑全流程提效 80%-90%，对比传统工艺降本 70%-90%。在广告营销侧，筷子科技用它给头部品牌做多版本营销素材，与光同尘给 OPPO K15 Pro 做的宣发视频 60 小时内播放量破 2000 万。 有一点让我意外的是视频生成现在开始应用在具身智能和自动驾驶的数据生成。 数十家机器人企业正在用 Seedance 2.0 生成符合物理规律的交互数据，用于机器人作业、室内行走等场景的跨环境泛化训练。自动驾驶公司则用它生成暴雨、大雾、降雪这类极限工况，以及复杂碰撞风险的 corner case 数据，补充实拍难以采集的训练集。 宇树科技王兴兴此前在亚布力论坛上表达过类似思路：如果视频生成质量足够好，让模型生成一段机器人在家干活的视频，某种意义上把这个视频对齐到真实机器人上，机器人就能照着干。视频生成模型正在被当作“世界模型”的雏形来用。 Seedance 2.0 API 全面开放，对个人开发者和创业团队来说也是机会，可以借助 API 高效创作 AI 视频，也可以基于 API 开发配套工具，这块未来市场很大，机会还蛮多。 API 调用官方文档可以在火山引擎方舟平台上获取。 完整可以看：《Seedance 2.0全面开放API服务》 BytePlus： 火山引擎方舟平台：

Pika 1.5这波破圈确实有高人指点，看了一下Google Trends的数据，热度翻了3倍，高于Kling，接近Runway，要知道Pika是AI视频产品里势力最弱的一家，背后资本和团队的规模都完全比不上同行，这波以弱胜强了属于是。 大多数人初次面对AI工具的迷茫主要在于不知道怎么提需求，文本领域还好，影像领域相当于给人一块空白画布让人发挥，其实还真不好马上就能写出Prompt来，Pika相当于预置了几个标准化的模版套用，随便就能用表情包整活，上手难度为零，一下子就爆掉了，这几天服务器一直过载。 充气、融化、爆炸、捏揉、压扁……这些模版本身都是YouTube上的热播tag，用AI的方式做超现实演绎，很能产生怪异的酸爽感。 TikTok/抖音早期也是这么冷启动的，大家打开App后不知道拍什么，于是平台就预先埋了对口型唱歌、卡节奏跳舞等模版内容，直接照抄就行，内容库存很快就起来了。

周末来办公室跳个舞吧 seedance 2.0 prompt: 真人实拍短视频风格，总长11.87秒，横屏4:3，30fps。人物全程使用预设角色#1# 穿着 ，保持精致五官，佩戴装饰眼镜 ，脚穿深紫色高跟鞋。人物身份、脸型、发型、身材、服装、丝袜、眼镜和鞋子全程固定，任何镜头均不得更换。 气质为冷艳克制60%、俏皮性感40%，动作自信、轻盈、干净，性感但不夸张。表情与舞蹈同步变化：背面镜头保持自然，正面镜头以冷静直视、嘴唇微启、轻微歪头、柔和微笑为主。 音乐使用128 BPM、4/4拍的Future House与Electro Pop舞曲，低频清晰、鼓点紧凑。全片没有台词和对口型，所有硬切、脚步、抬腿、摆胯、手臂落点和最后定格均踩在鼓点上，动作短促利落，不拖拍。 场景为明亮现代创意办公室：灰色地毯，黑橙配色办公桌和展示柜，橙色高背办公椅；桌面放置显示器、键盘、笔记本电脑和少量模型摆件。展示柜里有书籍、奖杯、圆形纪念牌、小雕像和白色球形装饰，并挂有少量红色中式挂饰。背景是白色墙板、明亮落地窗和黑色条形吸音吊顶。自然日光从窗外进入，窗外略微过曝，室内曝光真实均匀。 严格时间轴： 00:00—00:00.70｜镜头贴近灰色地毯，从人物背后采用超低机位仰拍，仅拍摄丝袜包裹的双腿和深紫色高跟鞋，暂时不露脸。人物踩着两个短促鼓点向前完成两步交叉猫步，鞋跟清晰落地，双腿自然交错，步幅小而有力。镜头固定，仅保留很轻的手机手持感。 00:00.70｜鼓点硬切。 00:00.70—00:01.57｜切到人物侧后方近景，画面裁切在胸部以下至膝盖上方。人物向后坐进橙色高背办公椅，坐下过程干净迅速；腰背保持挺拔，双臂自然弯曲抬起，为下一动作蓄力。镜头略低于腰部，不拍完整面部。 00:01.57｜鼓点硬切。 00:01.57—00:02.40｜侧面中广景。人物坐进橙色老板椅后，腰背贴住椅背并明显向后仰，身体呈放松、掌控全场的老板姿态。她将双腿作为一个整体平稳抬起，不做交替踢腿：靠近桌面的一条腿先轻轻架上桌沿，另一条腿立即贴着跟上，随后双脚稳稳落在桌面，脚踝自然交叉叠放，鞋尖绷直，深紫色高跟鞋保持完整清晰。完成架腿后立刻停止腿部动作，维持夸张、自信、略带俏皮的“老板式”定点pose。上身保持稳定，一侧手臂放松搭在老板椅扶手上，另一只手自然落在大腿或椅侧。面部表情：冷静从容，嘴角带很浅的得意微笑。眼神／目光：先看向桌面确认落脚位置，脚踝交叉定点的重拍瞬间抬眼看向侧前方。禁止连续抬腿、左右踢腿、踩踏空气、双脚乱蹬或反复交叉。 00:02.40｜鼓点硬切。 00:02.40—00:03.03｜背面中全景。人物已经站在办公桌前，身体向前倾，双手手掌撑住桌面，腰背形成自然流畅曲线，双脚稳定站立。髋部只完成一次短促的左—右重心转移，动作克制利落，不反复摆动；脸部完全不出现。 00:03.03｜鼓点硬切。 00:03.03—00:04.27｜低机位正面偏三分之二近景。人物一只手继续支撑桌沿，另一只手从肩侧沿弧线举过头顶并轻轻掠过头发。开始时下巴微抬、头部轻轻后仰；随后慢慢收回下巴，将眼神落向镜头。结尾直视镜头，表情冷艳镇定，嘴唇自然微启，装饰眼镜保持端正，发丝只有轻微惯性摆动。 00:04.27｜鼓点硬切。 00:04.27—00:06.23｜展示柜前正面略偏左的中全景。人物双臂在头顶交叉形成清晰定点姿势，随后双手沿脸侧、肩部和身体两侧有层次地下降至腰间；过程中完成两次小幅肩部律动，并配合连续但克制的左右摆胯。上身不乱晃，双脚基本留在原地。目光大部分时间直视镜头，先保持冷静，后半段嘴角出现很浅的俏皮微笑。 00:06.23｜鼓点硬切。 00:06.23—00:07.97｜背面中全景。人物背对镜头完成两个小幅调整站位的脚步，随后保持节拍明确的左右髋部律动。双手先停在腰侧，再将掌心短暂向外、向上翻开，形成一次俏皮的“无所谓”手势，然后自然落回身体两侧。动作紧凑，不露脸，不回头。 00:07.97｜鼓点硬切。 00:07.97—00:09.90｜正面中全景。人物右手先在脸侧做一个短促精致的小手势，随即移到脑后，手肘向外上方抬起；髋部持续左右律动，肩部保持放松。头部轻轻向左倾，眼睛自然闭合片刻，嘴角出现柔和微笑；随后睁眼，手指顺着头发滑下。表情由俏皮转为温柔，不做夸张挑逗动作。 00:09.90｜鼓点硬切。 00:09.90—00:11.87｜较近的正面三分之二中景。人物双肘弯曲、双手位于身体两侧，先跟随两个鼓点完成两次短促的肩部与髋部回弹，眼神冷静直视镜头，嘴唇微启。随后双手下降，一只手落在腰侧，另一只手自然横放于下腹前方；身体转成三分之二侧身，重心落在后腿，侧髋轻轻送出。最后下移目光，露出很浅的柔和微笑，保持自信定点姿势直至结束。 拍摄方式：高端手机后置摄像头真实直出质感，约24—28mm等效广角；首镜使用贴地超低机位，其他镜头采用低机位、腰部高度或中景机位。九个镜头全部使用清晰硬切，不使用溶解、闪白、旋转、推拉或虚拟转场。允许极轻微手持漂移，但画面主体稳定；自动对焦始终锁定人物，腿部、鞋子、眼镜和面部细节清晰。色彩自然清爽，肤色白净但保留真实皮肤纹理，无厚重磨皮、电影颗粒、胶片滤镜和强HDR。 排除：角色换脸、五官漂移、年龄变化、发型改变、身材改变、换装、丝袜消失、眼镜消失、鞋子变色、服装穿模、多人、镜中多出人物；多余肢体、多余手指、手脚粘连、关节反折、腿部扭曲、鞋跟变形、脚底滑动、动作僵硬、动作拖沓、违背重力、抬腿失衡；夸张扭胯、低俗挑逗、触摸敏感部位、夸张口型；错误运镜、无故推拉、镜头乱转、频繁变焦、切镜时人物位置跳变、背景瞬移、画面抖动、运动拖影、模糊、低清、噪点、字幕、文字、水印、logo。