图生视频

ComfyUI+MiniMax H3 图生视频实战：一张静态图 5 分钟变带音效大片（12G 显存，附工作流）上一篇我们跑通了 MiniMax H3 的文生视频（没看过的可以翻我主页）。但实际创作里更常用的其实是图生视频：手里已经有一张满意的图——AI 生成的成图、自己拍的照片、上一步视频的某一帧——让它动起来、配上声音。H3 的 i2v 模式正是干这个的：首帧严格锚定你的输入图，然后延续出 5 秒带立体声音轨的动态画面。

1.6 亿参数跑出 42 FPS：IMTalker 在实时数字人赛道卡住了什么位置（含实测）作者：Bo Chen, Tao Liu, Qi Chen, Xie Chen, Zilong Zheng（上海交通大学 X-LANCE Lab × 北京通用人工智能研究院 BIGAI）代码与权重：https://github.com/bigai-nlco/IMTalker

MiniMax H3-Base 开源后快速出片：VDN-H3、FastH3和QuantFunc对比分析此后两个月内，社区与产业界沿至少三个正交方向交出了有代表性的答卷（同期还有 SANA、M4V 等其他探索，本文聚焦这三条）：VDN-H3（UC Berkeley / OpenVDN）改注意力架构，FastH3（FastVideo + Nuva Lab + NVIDIA FastGen）压缩采样步数、用训练换取注意力稀疏度，QuantFunc 4bit（QuantFunc 公司）砍权重精度、把模型送进消费级显卡。另外还有一个参照系——vLLM-Omni 用纯系统栈优化给出无损 1.445×，它不改变本文的三

HyperAI超神经

在线教程丨最高2K+原生双声道，MiniMax H3统一音视频生成从一句创意描述到一段完整视频，MiniMax H3 正在推动 AI 视频生成从「内容生成」迈向「智能创作」新阶段。

梦想的颜色

ComfyUI 深度硬核科普：节点式 AI 生成框架完整实战（安装、原理、使用场景、避坑）2026 年，不管是 AI 绘画、AI 漫剧短剧、图生视频、Flux 图像生成，ComfyUI 已经成为专业玩家、独立开发者事实上的标准工具CSDN博...。很多人接触 SD 先使用 AUTOMATIC1111‑WebUI，表单式点按钮，开箱即用，但遇到复杂流水线、角色一致性、批量生成、AI 视频时处处受限。

LTX2.3 最强开源视频生成模型｜文生图 / 图生视频 / 音频驱动｜消费级显卡本地部署｜一键整合包LTX2.3 是 Lightricks 推出的开源音视频生成模型，支持文生视频、图生视频、音频驱动生成视频，原生音画同步、支持 4K / 竖屏，消费级显卡可本地部署，一键整合包开箱即用。

阿钱真强道

19 基于 ComfyUI 工作流学习 AnimateDiff：单图生成视频的入门实践与问题分析AnimateDiff 是当前基于扩散模型实现图像动态化的重要方案之一，在 ComfyUI 生态中也已经形成了较为成熟的接入方式。对于初学者而言，单图生成视频是理解 AnimateDiff 工作机制的一个合适入口。

阿钱真强道

04 ComfyUI + SVD 系列（二）：最小工作流实现图片生成视频（24 帧 + mp4 合成）上一篇已经把 ComfyUI + SVD 的环境装好了，目标是：这一篇就不再讲安装，直接进入最核心的实战部分：

阿钱真强道

05 ComfyUI + SVD 系列（三）：最小图生视频工作流拆解——节点含义、输入输出、参数作用与核心实验上一篇已经把 ComfyUI + SVD 的环境装好了，也已经成功跑通了一个最小的单图生成视频工作流。但如果只是“照着图把节点连起来”，其实还不算真正学会。

阿钱真强道

03 ComfyUI + SVD 系列（一）：Ubuntu 24 + RTX 4090D 环境安装与启动验证最近准备做一个 “输入一张图片，输出一段短视频” 的最小验证。一开始其实纠结过两条路线：如果目标是：先快速完成“单图生成短视频”的最小闭环验证

十除以十等于一

EasyAnimateV5图生视频企业应用：房地产户型图→沉浸式VR看房视频生成买房这件事，对很多人来说既期待又焦虑。光看平面户型图，很难想象真实空间的尺度感、采光方向、动线流畅度；而传统3D建模+渲染方案，一套精装户型动辄需要2-3天、成本上千元，中小房产中介和长尾开发商根本用不起。直到最近我们把EasyAnimateV5图生视频模型真正用进售楼一线——一张标准户型图上传，6秒后自动生成一段带镜头运镜的沉浸式VR看房视频，全程无需建模师、不依赖专业软件、不增加额外人力。这不是概念演示，而是已在三家本地房产公司落地的真实工作流。

从几秒走向几分钟：长视频生成进入 LongCat 时刻在短短一年里，AI 视频生成已经从「炫技几秒」进化到「真的能讲故事」。而真正能撑起国内开源长视频创作的一员猛将，也终于登场了——来自美团的 LongCat-Video。它的能力很好概括：一句话？给你拍成一段剧情；一张图？它能让画面自己动起来；视频断在一半？它立刻替你续拍下去。 LongCat-Video 基于 136 亿参数的视频生成大模型，同时支持文字转视频、图片转视频和视频续写，让创意能够持续往前推进。它不是只会做几秒炫酷短片，而是从训练阶段就融入了长时序逻辑，让光影不飘、角色不丢、剧情不突兀

为（FramePack）的视频生成添加首尾帧功能前提是这个：《笔记本6GB本地可跑的图生视频项目（FramePack）》。目前官方的代码仅支持首帧。但是在这个PR Add Start and End Frame control，works great! 当中，用户TTPlanetPig在4月20日添加了尾帧功能。

笔记本6GB本地可跑的图生视频项目（FramePack）它是视频生成中下一帧预测模型的输入帧上下文打包方法的官方实现。项目的主页，仓库，论文。最大的特点本地可以跑，可以生成长视频，漂移较少。

Ubuntu源码版comfyui的安装Comfyui也出桌面版了，但是想让大家多个人都使用怎么办呢？也有方法，安装Linux版，启动后会生成个网页地址，打开就能用了。

AIGC专栏18——EasyAnimateV5.1版本详解应用Qwen2 VL作为文本编码器，支持轨迹控制与相机镜头控制在EasyAnimateV5中，我们将模型规模扩大到了12B，并使用了MMDiT结构。参考最新的一些文生图与文生视频算法，我发现我们还有很多比较重要的tricks还没有使用，比如Flow采样器，比如使用大语言模型作为文本编码器，比如使用奖励模型等，我们将这些技巧都进行了应用，实现了EasyAnimateV5.1，性能相比之前也有比较大幅度的提升。

AIGC专栏17——EasyAnimate V5版本详解应用MMDIT结构，拓展模型规模到12B 支持不同控制输入的控制模型前段时间开源了CogVideoX-Fun，学习了很多CogVideoX的代码与思想理念，发现EasyAnimate之前的版本存在非常多不合理的地方，比如说embedding的添加方式、模型规模等。在这个基础上我们开发了EasyAnimateV5，提升了EasyAnimate系列的模型生成能力。

文生视频、图生视频 AI 大模型开源项目介绍【持续更新】

LivePortrait 数字人：开源的图生视频模型，本地部署和专业视频制作详细教程看到上面面部表情动态图片，是不是感觉挺有有意思？它就是通过快手、中科大和复旦大学联合研发的图生视频开源大模型LivePortrait（灵动人像）生成的视频。通过LivePortrait大模型，我们只需要一张人脸正面图片和一段文字或音频，即可制作专业的视频内容，例如产品介绍、教学课程、趣味视频等。

政安晨【零基础玩转各类开源AI项目】基于Ubuntu系统部署MuseV （踩完了所有的坑）：基于视觉条件并行去噪的无限长度和高保真虚拟人视频生成目录下载项目创建虚拟环境启动虚拟环境&执行项目依赖基于DOCKER的尝试A. 安装引擎B. 下载桌面安装包