Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

视频导出动作的AI

Answer

以下是关于视频导出动作的 AI 相关信息：

  • AI 视频导出方面：普通社交媒体分享选 1080P，需放大选 720P，码率越高越好，可自定义最高 5 万。
  • Move AI 推出的 Move API 能从 2D 视频生成 3D 运动数据，支持多种 3D 文件格式导出，为 AR 应用、游戏开发等提供高质量 3D 运动数据，相关链接为 https://move.ai/api 。
Content generated by AI large model, please carefully verify (powered by aily)

References

娜乌斯嘉AIGC商业片制作 2024年11月1日 - 智能纪要

AI视频制作流程与首尾帧衔接技巧AI视频下载：可一键无水印原图下载，还能在资产功能中批量操作，嗅探下载可去水印。AI视频合成：使用通用软件剪映，将下载的视频全选拖拽进行修剪，添加音效、音乐等。AI视频导出：普通社交媒体分享选1080P，需放大选720P，码率越高越好，可自定义最高5万。首尾帧衔接前提：画面构图和元素最好有一致性，如相同的透视类型。首尾帧衔接操作：在季梦上传首帧和尾帧，选择标准模式、慢速或中速，生成时长6秒较合适；可灵只能上传首帧和尾帧，无更多操作设置。首尾帧衔接问题处理：若出现渐变bug，会PS的可处理，如将原图再次拖入。利用AI工具进行图片处理与生成的技巧分享图片拖选与删除操作：将图片拖进软件，框选需删除部分，对智能对象需栅格化后再删除。前后景生成与对比：通过P图生成合理的前后景，对比了季梦、可林等工具生成效果，季梦生成较完美。工具选择与费用：介绍了不同AI工具的特点、费用和使用场景，如可短期购买Wrong Way会员。提示词运用与镜头描述：强调穿梭镜头相关提示词的重要性，列举多种镜头运动方式的描述词。人物图片生成：在AI图片生成红衣汉服美女，可规定人物面部一致性，季梦1.2版本面部易变形，可林脸部表现较好。

XiaoHu.AI日报

? https://x.com/xiaohuggg/status/1761605006535602516?s=205⃣️? Move AI推出Move API：从2D视频生成3D运动数据支持多种3D文件格式导出为AR应用、游戏开发等提供高质量3D运动数据? https://move.ai/api? https://x.com/xiaohuggg/status/1761590288576061573?s=206⃣️? AllenTom/diffusion-client项目：为Android用户提供与Stable-Diffusion-WebuUI服务交互的客户端支持图像生成、编辑、修复、换脸等包含文本到图像、图像到图像、图像修复等功能? https://github.com/AllenTom/diffusion-client?tab=readme-ov-file? https://x.com/xiaohuggg/status/1761371355583516842?s=20

XiaoHu.AI日报

? https://x.com/xiaohuggg/status/1761605006535602516?s=205⃣️? Move AI推出Move API：从2D视频生成3D运动数据支持多种3D文件格式导出为AR应用、游戏开发等提供高质量3D运动数据? https://move.ai/api? https://x.com/xiaohuggg/status/1761590288576061573?s=206⃣️? AllenTom/diffusion-client项目：为Android用户提供与Stable-Diffusion-WebuUI服务交互的客户端支持图像生成、编辑、修复、换脸等包含文本到图像、图像到图像、图像修复等功能? https://github.com/AllenTom/diffusion-client?tab=readme-ov-file? https://x.com/xiaohuggg/status/1761371355583516842?s=20

Others are asking
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
Ai在设备风控场景的落地
AI 在设备风控场景的落地可以从以下几个方面考虑： 法律法规方面：《促进创新的人工智能监管方法》指出，AI 的发展带来了一系列新的安全风险，如对个人、组织和关键基础设施的风险。在设备风控中，需要关注法律框架是否能充分应对 AI 带来的风险，如数据隐私、公平性等问题。 趋势研究方面：在制造业中，AI Agent 可用于生产决策、设备维护、供应链协调等。例如，在工业设备监控与预防性维护中，Agent 能通过监测传感器数据识别异常模式，提前通知检修，减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面，AI Agent 也能发挥重要作用，实现生产的无人化、决策的数据化和响应的实时化。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总： 4 月 11 日： Pika 上线 Pika Twists 能力，可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中，结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术，可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术，实现从单张图片快速生成超逼真的 3D 头像，在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage，通过图片生成可自由拼装 3D 场景，再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型，无缝支持各种视频生成任务（文本/图像/视频到视频）。 4 月 9 日： ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下，可生成完整的 1 分钟视频。 4 月 14 日： 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
ai视频教学
以下是为您提供的 AI 视频教学相关内容： 1. 第一节回放 AI 编程从入门到精通： 课程安排：19、20、22 和 28 号四天进行 AI 编程教学，周五晚上穿插 AI 视频教学。 视频预告：周五晚上邀请小龙问露露拆解爆火的 AI 视频制作，视频在视频号上有大量转发和播放。 编程工具 tree：整合多种模型，可免费无限量试用，下载需科学上网，Mac 可拖到文件夹安装，推荐注册 GitHub 账号用于代码存储和发布，主界面分为工具区、AI 干活区、右侧功能区等。 网络不稳定处理：网络不稳定时尝试更换节点。 项目克隆与文件夹：每个项目通过在本地新建文件夹来区分，项目运行一轮一轮进行，可新建会话，终端可重开。 GitHub 仓库创建：仓库相当于本地项目，可新建，新建后有地址，可通过多种方式上传。 Python 环境安装：为方便安装提供了安装包，安装时要选特定选项，安装后通过命令确认。 代码生成与修改：在 tree 中输入需求生成代码，可对生成的代码提出修改要求，如添加滑动条、雪花形状、颜色等，修改后审查并接受。 2. AI 视频提示词库： 神秘风 Arcane：Prompt：a robot is walking through a destroyed city,,League of Legends style,game modelling 乐高 Lego：Prompt：a robot is walking through a destroyed city,,lego movie style,bright colours,block building style 模糊背景 Blur Background：Prompt：a robot is walking through a destroyed city,,emphasis on foreground elements,sharp focus,soft background 宫崎骏 Ghibli：Prompt：a robot is walking through a destroyed city,,Spirited Away,Howl's Moving Castle,dreamy colour palette 蒸汽朋克 Steampunk：Prompt：a robot is walking through a destroyed city,,fantasy,gear decoration,brass metal robotics,3d game 印象派 Impressionism：Prompt：a robot is walking through a destroyed city,,big movements
2025-04-20
ai写程序
以下是关于使用 AI 写程序的相关内容： 1. 对于技术纯小白： 从最基础的小任务开始，让 AI 按照最佳实践写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，以学会必备的调试技能。 若学习写 chrome 插件，可让 AI 按照最佳实践生成简单的示范项目，包含全面的典型文件和功能，并讲解每个文件的作用和程序运行的逻辑。若使用 o1mini，可在提示词最后添加生成创建脚本的要求，并请教如何运行脚本（Windows 机器则是 create.cmd）。 2. 明确项目需求： 通过与 AI 的对话逐步明确项目需求。 让 AI 帮助梳理出产品需求文档，在后续开发时每次新起聊天将文档发给 AI 并告知在做的功能点。 3. 在独立游戏开发中的经验： 单独让 AI 写小功能没问题，但对于复杂的程序框架，可把不方便配表而又需要撰写的简单、模板化、多调用 API 且牵涉小部分特殊逻辑的代码交给 AI。 以 Buff 系统为例，可让 AI 仿照代码写一些 Buff。但目前 Cursor 生成复杂代码需要复杂的前期调教，ChatGPT 相对更方便。 教 AI 时要像哄小孩，及时肯定正确的，指出错误时要克制，不断完善其经验。 4. 相关资源和平台： AI 写小游戏平台：https://poe.com/ 图片网站：https://imgur.com/ 改 bug 的网站：https://v0.dev/chat 国内小游戏发布平台：https://open.4399.cn/console/ 需要注意的是，使用 AI 写程序时，对于技术小白来说，入门容易但深入较难，若没有技术背景可能提不出问题，从而影响 AI 发挥作用。
2025-04-19
excel表格导出的用户的对话记录，来进行自定义标签并打标，有哪些好用的现成方案或者工具
目前在 Excel 表格导出的用户对话记录进行自定义标签并打标方面，以下是一些常见且好用的工具和方案： 1. Microsoft Excel 本身：可以利用其数据筛选、排序和函数功能来辅助标签和打标。 2. Google Sheets：具有类似 Excel 的功能，且在线协作方便。 3. R 语言：通过编程实现复杂的数据分析和标签处理。 4. Python 及相关库，如 Pandas：能够灵活处理数据和进行标签操作。 但具体选择哪种方案或工具，取决于您的具体需求、技术水平和使用习惯。
2025-04-07
有没有什么AI工具，可以把收藏的小红书内容链接批量导出
以下是一些可能满足您需求的 AI 工具： 1. MediaCrawler：这是一款一键抓取工具，支持小红书、抖音、快手、B 站和微博等平台内容抓取。它集成了 IP 代理池，可防封，还支持视频、图片、评论等多种数据格式保存。相关链接：https://github.com/NanmiCoder/MediaCrawler 、https://x.com/imxiaohu/status/1769569874601546034?s=20
2025-03-30
GPT-SoVITS怎么导出
GPTSoVITS 是一个声音克隆和文本到语音转换的开源 Python RAG 框架，具有以下特点和使用方法： 特点： 零样本 TTS：输入 5 秒的声音样本即可体验即时的文本到语音转换。 少量样本训练：只需 1 分钟的训练数据即可微调模型，提高声音相似度和真实感。 跨语言支持：支持与训练数据集不同语言的推理，目前支持英语、日语和中文。 易于使用的界面：集成了声音伴奏分离、自动训练集分割、中文语音识别和文本标签等工具，帮助初学者更容易地创建训练数据集和 GPT/SoVITS 模型。 适用于不同操作系统：项目可以在不同的操作系统上安装和运行，包括 Windows。 预训练模型：项目提供了一些已经训练好的模型，你可以直接下载使用。 导出方法： 先剪出音频，使用 https://elevenlabs.io/speechsynthesis 或使用 GPTsovits 克隆声音，做出文案的音频。 调整语气和语调的方式之一是换参考音频。 相关资源： GitHub： 视频教程： 基础 wav2lip+高清修复整合包下载地址： 产品：
2024-12-13
能直接导出PPT的免费AI有哪些
以下是一些可以直接导出 PPT 的免费 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供自动布局、图像选择和文本优化等智能设计功能，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/ 4. 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理领域的技术优势，提供智能文本生成、语音输入、文档格式化等功能。网址：https://zhiwen.xfyun.cn/ 目前市面上大多数 AI 生成 PPT 通常按照以下思路完成设计和制作： 1. AI 生成 PPT 大纲。 2. 手动优化大纲。 3. 导入工具生成 PPT。 4. 优化整体结构。 推荐 2 篇市场分析的文章供参考： 1. 《》 2. 《》 需要注意的是，内容由 AI 大模型生成，请仔细甄别。
2024-12-06
基于消费者均衡条件与边际效用递减原理推导出需求曲线向右下方倾斜、
消费者均衡条件是指在既定收入和价格下，消费者购买各种商品的数量组合使其获得最大效用。边际效用递减原理指在一定时间内，在其他商品的消费数量保持不变的条件下，随着消费者对某种商品消费量的增加，消费者从该商品连续增加的每一消费单位中所得到的效用增量即边际效用是递减的。 当消费者在消费过程中遵循消费者均衡条件时，由于边际效用递减，消费者为了获得相同的总效用，会在商品价格下降时增加对该商品的购买量，在商品价格上升时减少对该商品的购买量。 假设商品 X 的价格下降，根据边际效用递减原理，消费者在消费商品 X 时，每增加一单位商品 X 所带来的边际效用是递减的。但由于价格下降，使得每一单位货币能购买到更多的商品 X，从而使得消费者在购买商品 X 上获得的边际效用增加。为了达到新的消费者均衡，消费者会增加对商品 X 的购买量。 反之，当商品 X 的价格上升时，每一单位货币能购买到的商品 X 减少，消费者在购买商品 X 上获得的边际效用减少，为了达到新的消费者均衡，消费者会减少对商品 X 的购买量。 综上所述，随着商品价格的变化，消费者对商品的购买量呈现出反向变动的关系，从而推导出需求曲线向右下方倾斜。
2024-11-12
能接收并阅读PDF文件，并将其导出PNG格式思维导图的AI软件
目前暂时没有能够直接接收并阅读 PDF 文件，并将其导出为 PNG 格式思维导图的 AI 软件。但您可以通过以下步骤来实现类似的效果：首先，使用专门的 PDF 阅读软件打开 PDF 文件，然后通过手动整理关键内容，再利用支持生成 PNG 格式思维导图的工具（如百度脑图、XMind 等）来创建思维导图，最后导出为 PNG 格式。
2024-08-09
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
需要做一个自动化出视频的工作流
以下是一个关于自动化出视频工作流的详细介绍： 优势： 全自动化处理，解放双手。 40 秒快速出片，效率提升。 成本低廉，每条仅需 0.0x 元。 输出质量稳定专业。 DeepseekR1 保证文案质量。 还能改进，例如可以加入配套 BGM，让视频更有感染力；增加更丰富的画面内容和转场效果；使用免费节点替代付费插件，进一步降低成本；优化模板样式，支持更多展示形式；增加自动化程度，支持批量处理。 工作流程： 1. 可以在扣子商店体验，建议自己搭建。 2. 工作流调试完成后，加入到智能体中，可以选择工作流绑定卡片数据，智能体则通过卡片回复。 3. 选择发布渠道，重点如飞书多维表格，填写上架信息（为了快速审核，选择仅自己可用），确认发布等待审核，审核通过后即可在多维表格中使用。 4. 创建飞书多维表格，添加相关字段，配置选择“自动更新”，输入相关字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 5. 表单分享，实现“填写表单，自动创建文案短视频”的效果。 6. 全自动视频合成使用多视频融合插件，一键导出成品。但需注意节点产生的视频是异步生成，可能无法马上展现，需耐心等待几秒。 如果您还有其他疑问或需要进一步的帮助，请随时联系。
2025-04-14
国外免费的动作模仿AI
以下为您介绍国外免费的动作模仿 AI： 在 SD 中，ControlNet 是一个强大的插件，包含姿态约束类预处理器。可以使用扩展图片的方法将图片发送到图生图进行处理，还能使用 tile 模型细化。若无法找到满足需求的动作图片，可在【扩展】【加载扩展列表】中搜索【posex】插件，或拷贝插件文件夹至指定目录并重启软件。在 ControlNet 界面，可通过拖动鼠标左键旋转视角、中键缩放视角、右键拖动视角，玩坏了还能重置镜头和动作。 Viggle 是一个有免费额度的 AI 视频工具，其网址为 http://viggle.ai，discord 免费体验地址为 https://discord.com/invite/viggle 。它支持图片+动作视频转视频、图片+文字动作描述转视频、文字转视频，可完成视频换脸。其功能包括/mix、/animate、/ideate、/character、/stylize 等，官方提供了多种动作提示词可供参考，提示词地址为 https://viggle.ai/prompt 。
2025-03-31
视频生成人物动作不准确
目前在视频生成人物动作方面存在不准确的情况。例如，使用 Midjourney 生成时，过多角色（甚至可能是 2 个）的生成效果不佳，对于拟人角色的需求较难满足。像小龙喷火到小兔子举着礼物盒这样的场景，难以生成满意的效果。在让角色做出较大动作（如转头、掉眼泪、抬手等）或更生动的表情变化时，现有技术有限，还需更先进的技术、丰富的数据和强大的计算能力。 解决策略方面，应尽量规避制作需要大动作表现的视频。若无法避免，可尝试制作只涉及小动作的场景，并通过加入台词和场景描述来补充细节和深度，帮助观众更好地理解场景背景和角色心理，增强表现力，以弥补视觉上的不足。 相关技术如 LivePortrait 可以精确控制眼睛和嘴唇的动作，还能无缝拼接多个肖像，将不同人物特征合并成一个视频，确保过渡自然流畅。其使用了不同于主流扩散方法的隐式关键点框架，在计算效率和可控性之间取得平衡，生成的动画质量优于现有的非扩散和扩散模型方法，在 RTX 4090 GPU 上生成速度为每帧 12.8 毫秒。 工作流与模型地址： https://pan.baidu.com/s/1FkGTXLmM0Ofynz04NfCaQ?pwd=cycy https://pan.quark.cn/s/8dfd7ace4f05 内容依技术发展更新，请以文档为准：https://xiaobot.net/post/74238a84d2734b2ca195ed2858b24ffe
2025-03-05
如何控制图生图的形象和动作呢
要控制图生图的形象和动作，可以参考以下方法： 1. 使用 ControlNet 插件： 姿态约束类预处理器：包含了所有人物信息的预处理器，可将图片发送到图生图，通过“缩放后留白”和提高重绘幅度改变背景，再次发送到图生图使用 ControlNet 中 tile 模型细化，最后使用 SD 放大插件。 自定义动作骨架：在【扩展】【加载扩展列表】中搜索【posex】安装插件，或将插件文件夹拷贝至指定目录，确保软件是最新版本并重启。重启后点击“将图片发送至 ControlNet”，可通过拖动鼠标左键旋转视角、中键缩放视角、右键拖动视角，玩坏了可点击重置镜头和动作。 2. 参考风格 reference：首先进入文生图，填写提示词生成一张图。然后将图片拖入到 ControlNet 中，预处理器选择 reference only，控制模型选择“均衡”，保真度数值越高对图片的参考越强。可以通过添加关键词的方式来改变人物的服装、表情、动作等。 3. 利用 ControlNet 控制姿势：大模型和关键词正常填写生成想要的小姐姐照片，接着鼠标滑到最下面点击“ControlNet”，上传指定姿势的照片并点击“启用”，在“预处理器”和“模型”里选择“openpose”，点击“预览预处理结果”，最后点击生成照片。
2025-02-28
生成漫画动作参考图
以下是一些生成漫画动作参考图的方法： 1. 喂参考图：先上传喜欢的参考图，复制其链接。在关键词处填写“图片链接+这张图的关键词”，例如“链接图片.png,a Super cute sports girl,wearing a basketball vest,blueshortsbig watery eyes,clean bright basketball court background,super cute boy IP by pop mart,Bright color,mockup blind box toydisney stylefine luster,3D render,octane render,best quality,8k brightfront lightingFace Shot,fine luster,ultra detail,ar 9:16”。还可以通过修改关键词改变服装颜色等细节。 2. 使用 panels 命令：此命令可生成连续的动作和表情设计，将模型设置改为 niji mode 画动漫角色效果更好。例如“a Super cute sports anime girl,style by Miyazaki Hayao,6 panels with different poses 8K”，也可以使用“continuous running”生成更稳定的连续动作，甚至做成 gif 动画。 3. 利用 character sheet 命令：创建一个角色的多角度以及特写细节，例如“a Super cute sports anime girl,style by Miyazaki Hayao,character sheet,full body,8k”。 4. 使用 emoji、expression sheet：emoji 代表表情包，expression sheet 代表各种表情组合，可用此核心关键词设计出表情包。例如“图片链接.png a Super cute sports anime girl,style by Miyazaki Hayao,emoji,expression sheet,8k”。 另外，使用 ControlNet 插件也能生成漫画动作参考图。首先进入文生图，填写提示词生成一张图。然后将图片拖入到 ControlNet 中，预处理器选择 reference only，控制模型选择“均衡”，保真度数值越高，对图片的参考越强。可以通过添加关键词的方式给人物换装、更改服装和表情、更改动作和表情、更改姿态、环境和表情等。这个功能在绘制系列插画、漫画、小说插图等工作时，能保持主角形象的统一，也能根据情况实时调整，后期配合 lora 潜力巨大。
2025-02-11
我想知道目前最新、效果最好、代码和模型开源的动作捕捉算法，也叫做人体姿态估计，是哪篇文章
目前最新、效果较好且代码和模型开源的人体姿态估计（动作捕捉算法）相关的研究有以下两篇： 1. 【SD】最强手部识别，controlnet 新预处理器 dw openpose 作者：白马少年｜公众号：【白马与少年】 发布时间：20230813 20:00 原文网址：https://mp.weixin.qq.com/s/_RiKxWy9MXt4DUJIKH5w 介绍：在 controlnet 中，手部识别一直使用的是 openpose 预处理器，但复杂手势有时无法识别。新的 dw openpose 预处理器能完美解决手部识别问题，将其放入特定目录即可使用。但需说明的是，目前这个 DW Pose 只是更精确的 openpose 预处理器，未对 ControlNet 的 openpose 模型做改动。 2. YOLONAS Pose：一个开源的实时人体姿态估计模型 应用场景：基于骨骼标记为基础，适用于智慧体育等场景，可对训练过程的姿态、数据、状态等进行统计和管理。 技术类型：视频、AI 学习模型 简介：主要功能是识别图片和视频中人的姿势，能快速处理图像并实时返回姿态数据，适应不同场景和设备。 主要特点： 实时性能：旨在提供实时的姿态估计，适用于需要即时反馈的应用。 高精度：利用神经网络架构搜索（NAS）提高姿态估计的准确性。 优化的网络结构：NAS 自动测试不同网络结构，找到最优模型。
2024-12-31
midjourney中如何结合A图片的人物和B图片的动作和内容
在 Midjourney 中结合 A 图片的人物和 B 图片的动作和内容，可以使用新上线的“Character Reference”（cref）功能。以下是一些关键方法和示例： 1. 锚定细节：您可以掌控姿势、表情、情感、服装、道具、场景、动作等细节。例如：“Jo is a young woman with blue curly hair, pink sunglasses, and a colorful scarf around her neck. She waits in line at the bank. cref https://my.image.host/joisstanding.jpg”。 2. 让 cref 处理大部分工作：提示无需加强标志性细节，只是“操纵”或“定位”角色。例如：“有人正在银行排队等候。 cref https://my.image.host/joisstanding.jpg”。 3. 只提供场景：如果您的 cref 图像已包含想要的姿势和其他细节，您可以仅描述环境、周围环境、背景或情境，Midjourney 将努力将角色融入场景中。但可能会出现不连贯的结果，此时可尝试使用更高值的样式化，如“s 800”。 需要注意的是，此功能在使用 Midjourney 生成的图像人物时效果最佳，不太适用于真实人物或照片。同时，在 Midjourney V6 的 Web Alpha 版本中，您可以通过拖放或粘贴图像到想象栏，并选择相应图标来设置图像为图像提示、风格参考或角色参考。
2024-11-18