文生视频

ComfyUI+MiniMax H3 文生视频实测：12G 显存跑 21G 模型，5 分钟出片自带音效（附模型与工作流）MiniMax H3 是最近讨论度最高的视频生成模型：文生视频、图生视频一个模型全包，生成的视频原生自带立体声音轨（风声、脚步、配乐和画面一起生成，不是后期贴上去的）。很多同学的顾虑是——官方模型动辄 20G+，我这张 12G 的显卡是不是就无缘了？

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

【ComfyUI 国产模型炼丹记】第六篇：Wan2.2 I2V 提示词工程之影视级美学——从“微风拂面“到“电影级运镜“的 V100 实战公式ComfyUI_00137_提示词 = 主体 + 场景 + 运动主体：主体是视频内容的主要表现对象，可以是人、动物、植物、物品或非物理真实存在的想象物体。

【ComfyUI 国产模型炼丹记】第一篇：V100 16G 部署 Wan2.2：从环境配置到首次出片显卡：Tesla V100 16G（SXM 自改成PCIe ，价格实惠）cup型号： E5 2673V3

每天死循环

ComfyUI MiniMax H3文生视频(t2v)提示词教程：四段式写法+5秒768p实测（附模板和参数）本文记录本地 ComfyUI + MiniMax H3 导演台做文生视频（t2v）的提示词写法，全部是本机实测。环境：Windows + RTX 4090 24G + 32G 内存，H3 导演台整合包，单模型一采直出（没开高清二采）。

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。

多模态大模型视听生成本地实战从纯文本交互到跨模态感知，多模态大模型（MLLM）正成为 AI 从语言对话走向全场景智能的关键枢纽。本文从核心分类、对齐机制、任务矩阵到本地部署，系统拆解多模态技术的工程化落地全流程。

人工智能研究所

正面硬刚 Seedance 2.5, 开源视频模型：LTX-2.5 用 6.8 秒生成 10 秒视频生成 10 秒视频只需 6.8 秒。比实时还快。还开源。这不是广告语，这是 Lightricks 旗下 LTX 正式发布 LTX-2.5 时的数据。这一次，开源阵营真的打到了闭源大模型的腹地。

星朗智能语音——文生视频最近接了几个短视频和自媒体商单，甲方要那种“赛博朋克风的城市穿梭”或者“超现实的微观世界”空镜头。自己搭实景拍根本不可能，找素材库又千篇一律，很容易撞车侵权。

v1-5-pruned-emaonly.safetensors 搭配mm_sd_v15_v2.ckpt 生成视频，具体操作步骤注：本文使用RTX5060 8G显存的环境结果：出现该面板即可滚动页面找到 AnimateDiff 面板，按如下顺序设置：

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。

Seedance 2.0 API 文生视频 |支持100并发 | [灵龙AI API]这一篇我们一起来看看在Seedance 2.0中如何使用文生视频的API，先来一个视频：一、文生视频：发起任务

阿钱真强道

17 ComfyUI AnimateDiff 新手教程：最小文生视频工作流搭建与原理解析刚接触 ComfyUI 和 AnimateDiff 时，最常见的两个问题通常是：很多教程一上来就堆很多插件和节点，结果还没跑通就先被劝退了。这篇文章只做一件事：

文生视频的大模型都有哪些？Grok:截至2026年1月底，文生视频（Text-to-Video）领域已经形成比较清晰的第一梯队和第二梯队格局。以下是当前主流且公认能力最强/使用最广泛的文生视频大模型（按综合实力大致排序，非严格排名，因为不同榜单/使用场景侧重点不同）： As of the end of January 2026, the text-to-video (TTV) field has formed a relatively clear first-tier and second-tier structure. Belo

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

人工智能研究所

视频与音频碰撞，谷歌 Veo 3.1，生成“有声电影”，人物对话超震撼还记得 Veo 3.0 吗？这个是谷歌发布的文生视频大模型，其效果与质量简直惊人，它能生成令人惊叹的无声画面，但总感觉缺了点灵魂。

【论文精读】InstanceCap：通过实例感知提升文本到视频生成效果原文标题：InstanceCap: Improving Text-to-Video Generation via Instance-aware Captioning 论文链接：https://arxiv.org/abs/2412.09283v1

大模型实战：通义万相2.1-文生视频-1.3B通义万相2.1-文生视频-1.3B-480P效果演示通义万相2.1是阿里巴巴达摩院推出的多模态AI模型，专注于文本到视频（Text-to-Video）生成任务。1.3B版本是其参数规模为13亿的轻量级模型，旨在高效生成符合文本描述的短视频片段。

爱分享的飘哥

第三十九章：AI导演的“魔法时间轴”：文生视频与Video Latent扩散结构我们已经学会了如何用Stable Diffusion生成精美的图片，甚至用AnimateDiff让它们动起来。但那更像是在静态画卷上“注入”运动，每一帧依然由图像模型负责。

华为昇腾NPU卡文生视频[T2V]大模型WAN2.1模型推理使用先看效果：output_videooutput_video是之前使用910B系列 NPU，Wan2.1-T2V-1.3B模型生成的，效果没有我之前用的Wan2.1-T2V-14B生成的质量好。（参考链接：https://www.mindspore.cn/news/detail?id=3632）