给个主题或关键词，一键出高清短视频，含字幕与配音。
它不生成画面，它检索素材库零显存
- 靠什么做到
- 它不生成画面，它检索素材库。 这是它「一键」的真相，也是它零显存的原因。
- 门槛
- 不需要显卡 —— 画面来自素材库，不经过生成模型
专项研究
AI 视频制作
做 AI 视频用得上的开源项目，按它们干的活分类摆开 —— 想配音就点声音，想把画面控住就点画面控制。
6 类 · 59 个项目 · 92 张图
一站式
从一句主题或一部小说到一条成片全包，另有一支「无限画布」：节点连线、边摆边生成。
用大模型一键解说并剪辑现成视频。
重组你已有的画面画质上限就是素材上限
- 靠什么做到
- 它不产生画面，它重组你已有的画面。 所以画面质量的上限就是你素材的上限。
- 门槛
- 不需要显卡
基于 AI 的一站式短剧生成平台，从剧本到成片全自动化。
中文短剧场景最完整之一未放 LICENSE
- 靠什么做到
- 中文短剧场景里最完整的开源实现之一。
- 门槛
- 依赖所配的云端模型
许可证附加条件：2026-10-10 核当前默认分支 LICENSE：MIT。旧版本的附加条款不自动适用于当前版本；历史分发应核对所用版本。
AI 创作平台：无限画布、AI Agent、可视化工作流，支持图像、视频、分镜和短剧创作。
小说/剧本转动画短剧剧本与分镜仍归你
- 靠什么做到
- 剧本结构、角色设定、分镜构图、模型选择仍归用户 —— 在整包类里留给你的最多。
- 门槛
- 桌面端轻量；生成走云端 API
许可证附加条件：README 明写「也可以用于闭源产品」
面向 AI 创作的无限画布工作台：生图、参考图编辑、视频生成、Agent 助手、画布编排在一张板子上。
无限画布画布状态存浏览器1306 个 fork
- 靠什么做到
- 它换的是交互形态，不是模型 —— 节点、连线、拖拽、缩放、撤销重做，你在一张能无限延伸的板子上边摆边生成，而不是填一个表单等结果。数据默认落在浏览器（IndexedDB），模型走你自己配的渠道。
- 门槛
- 不需要显卡（画面全走云端渠道）；用 Bun 装，可 Docker 部署
面向 AI 影视创作的无限画布：多模态生成、分镜编排、素材管理、Agent 工作流。
画布 + 分镜编排有真后端与异步 Worker开源仅 25 天
- 靠什么做到
- 同是画布，它把重心放在影视这条线上 —— 分镜编排与素材管理是一等功能，后端是 Go（Gin）+ PostgreSQL + 异步 Worker，素材可落阿里云 OSS 或本地。后台还统一管上传上限与账号容量（默认单文件 50MB、日上传 200MB，可调到 999MB）。
- 门槛
- 服务端推荐 systemd Linux + Docker，包含 PostgreSQL、Redis 与独立 Agent；官方 Release 镜像部署带 Host Updater，源码部署自行维护升级。
许可证附加条件：2026-10-19 核当前 LICENSE：BUSL-1.1；额外许可覆盖个人学习、非商业研究、本地开发测试等，企业商业生产、SaaS 与商业私有化部署需另行商业授权。旧 AGPL 版本需按对应提交的许可核对。
把统一创作 Agent、画布、短剧生产线、素材库和商业运营后台放进同一套 Next.js 全栈应用。
画布+短剧产线+商业后台三件套关掉页面不丢任务AGPL 社区版／闭源商业授权
- 靠什么做到
- 包含商业运营后台 —— 除了画布与短剧产线，它还带用户、套餐、优惠券、积分、订单、支付、退款、对账、内容治理、审计日志。短剧线是完整的：剧本 → 审核 → 角色/场景/道具 → 分镜 → 镜头视频 → 配音 → 字幕 → FFmpeg 合成。
- 门槛
- 不需要显卡；要 PostgreSQL，媒体可落本地目录或 S3 兼容对象存储
许可证附加条件：不可商用；许可证正文自称「不是严格意义上的开源软件许可」
把一部小说灌进去，自动拆角色、拆场景、出分镜，再合成整集短剧。中英双界面。
从小说全文进许可证自称「不是严格意义的开源」
- 靠什么做到
- 入口是小说全文，不是一句主题 —— 它先做剧本分析抽出角色与场景，把资产沉淀下来再逐镜生成，最后用 Remotion 合片。画面走云端模型接口，本地只跑编排。
- 门槛
- 不需要显卡 —— 画面全走云端 API；本地要 Node 环境与 Redis（任务队列走 BullMQ）
AI 短剧的端到端工作台：从剧本进，到分镜、角色一致性管理、出片、导出。
这一类里源码最全前后端契约走 OpenAPI社区在质疑它的星数
- 靠什么做到
- 这一类里源码最全的一个（Apache-2.0，前后端都在）。做法是把 AI 能力当基础设施：模型管理、提示词模板、文件、OpenAPI 契约各自成模块，前后端类型由 OpenAPI 生成。
- 门槛
- 不需要显卡；后端 FastAPI + Python，前端 pnpm，素材落 S3 或本地
许可证附加条件：传染性：改了并对外提供服务就要开源
桌面端 AI 影视工具（Electron）：剧本 → 角色 → 场景 → 导演 → 成片五个面板串起来。
桌面软件形态源码比安装包旧六个版本
- 靠什么做到
- 它是装在本机的桌面软件，不是网页服务 —— 素材与工程文件落在本地目录，五个面板对应制作的五个阶段，一路往下推。画面调云端模型（自述支持 Seedance 2.0）。
- 门槛
- 不需要显卡；0.2.6 起没有 macOS 打包版（issue #31，开着）
许可证附加条件：不可商用；且 README 明说后续只发 Docker 镜像、不再同步源码
一站式 AI 短剧 / 漫剧工作台，四阶段：剧本 → 视觉资产 → 分镜制作 → 导出。
明确反对「抽卡」带世界观锚点已宣布不再同步源码
- 靠什么做到
- 它明确反对「抽卡」，走的是 Script → Asset → Keyframe：先把角色、场景、道具沉淀成资产，还带世界观锚点（地图、区域、音乐风格），这些信息持续注入后面的剧情与镜头生成 —— 一致性靠资产库，不靠反复重摇。
- 门槛
- 不需要显卡；部署方式是官方 Docker 镜像，数据存在浏览器本地
许可证附加条件：AGPL-3.0 传染性最强的一档：改过之后拿去做联网服务，也要放出源码。自己内部批量出片不受影响，做成对外的 SaaS 就要当心。
带货短视频专用的一站式工具：上传商品图，自动提炼卖点、写种草脚本、配音配字幕加背景乐，产出可直接发抖音小店 / 快手 / 小红书 / 视频号 / TikTok Shop 的成片。原名「带货剪手」。
一张商品图出成片商品本体一个像素不改免费档与付费档明选
- 靠什么做到
- 它把「商品长什么样」当成不可动的输入 —— 换背景、打光都做，商品本体不改。这是带货和其它题材最根本的区别：短剧可以让 AI 自由发挥，商品不行，改了就是虚假宣传。主播用多视图定妆照锁一致性，跨镜头跨条视频不换脸。
- 门槛
- 免费档全程本地合成、不需要显卡也不需要密钥；AI 生成档用你自己的模型平台密钥，费用付给平台。
许可证附加条件：AGPL-3.0：改过之后拿去做联网服务要放出源码。桌面端自用不受影响。
跨平台桌面应用：给提示词文本加分镜素材，自动剪出产品营销或泛内容短视频。集成文案生成、语音合成、视频剪辑、字幕特效。
桌面端装了就用批量自动剪辑产品营销与泛内容都做
- 靠什么做到
- 它剪的是你给的素材，不生成画面 —— 于是画面可控性来自你自己的素材库，AI 负责的是文案、配音与拼接节奏。这条路的稳定性比全靠生成高得多。
- 门槛
- 桌面端应用，本机不跑推理；文案与配音走外部服务。
许可证附加条件：2026-09-10 才补上 LICENSE 文件（commit「Add MIT license」）。在那之前这个仓库是没有许可证的 —— 早于那天的克隆不适用 MIT。
把一条长视频切成一批排好序的竖屏短片：用语言模型找高光片段、用 Whisper 转写、自动裁成 9:16 发抖音 / Reels / Shorts。
长视频切成竖屏短片本地档只要 ffmpeg对标 Opus Clip
- 靠什么做到
- 高光判定的算法是开的 —— 商业切片工具那一套「它觉得哪儿好」你改不了，这个能改。
- 门槛
- Python 3.10+。本地档只要 ffmpeg 加一个语言模型密钥；默认档走第三方付费接口 MuAPI。
生成 UGC 风格的口播广告：用多个视频模型出真人感的 AI 演员念你的脚本。定位是 Arcads 与 MakeUGC 的开源替代。
生成真人感的口播演员演员库不锁死自带整套 SaaS 骨架
- 靠什么做到
- 演员库是开的 —— 商业同类把演员锁在自家库里按人头收费，这个不锁。
- 门槛
- Node.js 18+；另需 PostgreSQL、它自家的接口密钥、Google OAuth 与 Stripe 账户。
许可证附加条件：Apache-2.0，商用无附加限制。注意 README 明写「这不是 Google 的官方产品」 —— 它在 Google 的营销方案仓库下，但不享受官方产品的支持承诺。
把一条已有的视频广告用生成式 AI 重新剪成适配不同版位与时长的多条。
把一条广告重剪成多条挂在 Google 营销方案下明说不是官方产品
- 靠什么做到
- 输入是已经拍好的成片 —— 于是画面质量的下限就是原片的质量，AI 只负责重新组织。这条路避开了生成模型最不稳的那一段。
- 门槛
- 跑在 Google Cloud 上，需要相应的云资源。
Agent 与 Skill
用智能体驱动模型接口出片 —— 它们自己一帧不生成，干的是编排。
许可证附加条件：传染性：改了并对外提供服务就要开源
让 Agent 编排视频生产：通过声明式流水线组织素材、生成、字幕、音频与合成。
把「怎么拍」写成 Agent 读的文件12 条流水线云端与本地 GPU 双路
- 靠什么做到
- 它把「怎么拍」写成了 Agent 读得懂的文件：`pipeline_defs/*.yaml` 定流水线、`skills/pipelines/*.md` 是给 Agent 看的作业指导、`tools/tool_registry.py` 管有哪些工具可用。换模型不改代码，改注册表。云端 API 与本地 GPU（Wan 2.1/2.2、Hunyuan）两条路都接。
- 门槛
- 不装 GPU 也能跑（全走云端 API）；有 GPU 可以切到本地免费出片。要装 FFmpeg、Python 与 Node
许可证附加条件：音频素材另按各自许可，见 ATTRIBUTION.md
为 Claude Code / Codex 提供产品宣传片镜头配方，以网页截图与文案为素材，用 Remotion 渲染；当前 README 的 Gallery 列出 150 个镜头。
代码渲染，画面可复现152 种镜头成文只适合产品演示
- 靠什么做到
- 它不调视频生成模型，它用代码渲染 —— 网页截图当素材、PageCam 组件做推拉摇移、Remotion 出片。所以画面是确定的、可复现的，代价是只适合产品演示这一类。Agent 读 `SKILL.md` 和 `references/shots/*.md` 决定用哪个镜头。
- 门槛
- 不需要显卡（不跑生成模型）；要 Node 与 Chrome（截图靠无头浏览器）
给 Agent（Claude Code / Cursor / Gemini CLI）用的多模态生成 Skill 库，一套 CLI 打通上百个模型。
一套 CLI 打通上百个模型参数先校验再发请求
- 靠什么做到
- 它是一层统一的接口：`generate-video.sh` / `generate-image.sh` 这些脚本背后是 muapi-cli，再往后接 Seedance 2.0、Kling 3.0、Veo3、Flux Kontext 等。Agent 不需要知道每家的参数长什么样，只按 `schema_data.json` 填。
- 门槛
- 不需要显卡（全走云端）；装 `muapi-cli`（npm 或 pip 都行）
许可证附加条件：转载 / 二次发布要保留原作者、仓库链接、LICENSE 与 NOTICE.md
用 Claude Code Skills 做的视频剪辑 Agent。中文侧最成型的一个，专攻口播成片。
中文指令直接触发动手前先让你确认流程只覆盖口播
- 靠什么做到
- 它管的是剪，不是生成 —— 「剪口播」「口播成片」这类中文指令直接触发对应 skill，背后是 `videocut-cli.cjs`。还带一个 MCP 工具在动手前把流程摆给你确认。
- 门槛
- 不需要显卡；要 Bun、Node、FFmpeg 与 Chrome
许可证附加条件：传染性：改了并对外提供服务就要开源
对话式视频剪辑器，本地优先。你说「第二条音轨第 8 秒加个故障转场」，它就去改那一刀。
一句话改这一刀，不是重摇本地优先Agent 通过 MCP 读写时间轴
- 靠什么做到
- 别人是「一句话出片」，它是「一句话改这一刀」 —— 时间轴是真的，Agent 通过 MCP 读写工程。所以你能一直待在对话里做精修，而不是不满意就整条重生成。可换大模型当「大脑」。
- 门槛
- 本机服务＋浏览器；须用 localhost / 127.0.0.1 或 HTTPS。跨设备普通 HTTP 缺少浏览器能力，编辑器不能正常打开。 浏览器端的本地素材工具要求服务在同一台机器运行，并配置 AGENT_IMPORT_ROOTS 允许目录；桌面版默认可访问系统允许的目录。
许可证附加条件：2026-09-05 上游把它从 CC BY-NC 4.0 换成了 MIT（commit「chore: relicense CC BY-NC 4.0 -> MIT」）。在那之前克隆的那份仍是 CC BY-NC，不可商用 —— 网上的转述多半还停在旧口径。
给编码 Agent 用的 skill：给一个主题，出一条 4K 带解说的讲解片。11 套 TTS 后端。
素材清单逐条记许可证要花钱的生成先问默认出 4K
- 靠什么做到
- 它把素材出处当一等公民：每条片子生成一份素材清单（manifest），逐条记这个素材是用户的、是许可证过审的图库的、还是 AI 生成的。要花钱生成的一律先问。声音走它自家的 ttscn，11 个后端可换。
- 门槛
- 不需要显卡；要 FFmpeg、Node、Python3，另装 ttscn
动效技能索引：55 个技能分成 18 个安装包，覆盖短视频、数据动画、网页动效、3D/WebGL、透明字幕条和口播 B-roll 等；按需安装到 Agent。
索引仓库，skill 在 15 个分仓51 个 skill 按包装40+ Agent 通吃
- 靠什么做到
- 每支 skill 都带一个「交付即自检」的回路：渲一帧 → 截图 → 核对，让 Agent 检查自己的产出而不是交上去碰运气。这是它和一堆提示词模板最实质的区别 —— 动效最难的从来不是知道该怎么做，是做完不知道对不对。
- 门槛
- 不需要显卡；跟着你用的 Agent 走
提示词
换掉任何一个工具，这一层都还在。 提示词是你和模型之间唯一的接口，所以它既不算工具也不算知识，反倒一直没有位置。三节：技能包替你写、词与例给你抄、逆向与方法教你为什么。这一格的停更月数比别处更要紧 —— 模型换一版，昨天有效的写法今天就未必。
技能包
4 个装给 Agent 的。你说一句白话，它按一套结构替你展开成模型认的提示词。
给 Agent 装的 Seedance 2.0 提示词技能：讲输入约束、@ 引用语法、镜头语言、提示词结构，并按广告 / 短剧 / MV / 教学几类片型给现成模板。
@ 引用语法讲透按片型给模板中英双份
- 靠什么做到
- 它管的是「怎么把要求说清楚」，不是「生成什么」 —— 装上以后，你说一句白话，Agent 按这套结构替你展开成模型认的提示词。
- 门槛
- 只要一个支持技能的 AI 编码客户端；把 SKILL.md 拷进技能目录即可。
面向编剧与漫剧工作室的短剧创作流水线：十个技能把一个点子或一部长篇材料，一路做成分集剧本、资产设定、图片提示词、分镜关键帧、视频提示词与审查记录。
从上千个真实项目蒸出来十个技能一条链每步要你确认
- 靠什么做到
- 靠三样东西咬住连贯性：每一步的产出归属明确、创作者要明确确认、跨集之间有连续性契约。产出的核心是文本，图片与视频要另配适配器才执行。
- 门槛
- Claude Code / Codex 或其它支持 Agent Skill 规范的运行环境。
许可证附加条件：仓库里没有 LICENSE 文件（2026-08-17 查目录确认）。没有明示授权即保留所有权利，商用前要问作者。
开源剧情剧本技能：把故事拆成分镜，并整合成 Seedance 2.0 认的结构化提示语。
剧本直接出分镜结构化提示语
- 靠什么做到
- 入口是剧本不是单句提示词 —— 于是镜头之间的顺序与因果由剧本保证，而不是靠你每条单独描述时碰运气。
- 门槛
- 支持技能的 AI 编码客户端。
一个 Claude Code 技能：把任意一个想法变成电影语言的、模型直接能用的视频提示词。
一个点子直出可用提示词偏电影语言
- 靠什么做到
- 把「电影怎么说话」那套词汇（景别、机位、运动、光线）固化进技能里 —— 你不必自己记那些词，它替你补。
- 门槛
- Claude Code。
词与例
4 个现成的提示词与风格关键词，找到最接近的一条改几个字就能用。给的是成品不是方法。
许可证附加条件：2026-10-19 核 LICENSE：CC BY 4.0。复用需署名、附许可链接并标明修改；第三方示例素材需分别核对。
整理好的 Seedance 2.0 视频提示词库，README 自述逾六千条，覆盖电影感、动画、UGC 等多种风格。
六千条起按风格分门别类
- 靠什么做到
- 它给的是成品不是方法 —— 找到最接近的一条改几个词，比从零写快得多。
- 门槛
- 无，看网页就行。
中文 AI 圈里流传最广的个人提示词仓库之一，存放作者为各家模型撰写的提示词。
中文侧最有名的个人库覆盖多家模型
- 靠什么做到
- 一个人一以贯之的口味 —— 好处是风格统一、可信；坏处是覆盖面取决于作者用什么。
- 门槛
- 无。
171 套结构化提示词风格、342 张预览；JSON 模板支持 v2.1 / v2.2，较新模板仅声明实际使用的变量。
提示词写成 JSON 模板参数可换不用重写
- 靠什么做到
- 把提示词拆成结构化字段，于是换风格只改一个字段，不用整句重写 —— 批量出多个变体时这一点是决定性的。
- 门槛
- 无。
许可证附加条件：仓库里没有 LICENSE 文件（2026-08-17 查目录确认）。README 也声明作者与 MidJourney 官方无关。词表本身是事实性罗列，但整包转载前要问作者。
一份带示例图的风格与关键词对照表：同一个提示词加不同风格词，画面变成什么样，逐个列出来。
风格词表带对照图一万两千星的老库停更一年多
- 靠什么做到
- 它的价值不在 MidJourney，在那份词表本身 —— 「厚涂」「赛璐璐」「低多边形」这类词跨模型通用，配上对照图就知道该点哪个。配着本站「视听语言 › 动画的画法」一起读。
- 门槛
- 无。
逆向与方法
3 个从别人的成片反推提示词，以及「为什么这么写有效」这件事本身。
AI 视频提示词分析工具：丢进一条别人的视频，反推出它的提示词与创作脚本，并做画面分析、音频识别（可提取台词文案），还能一句话剪出你要的片段。
从成片反推提示词顺带扒台词网页版
- 靠什么做到
- 方向和其它项目相反 —— 别人是「想法 → 提示词」，它是「成片 → 提示词」。这条路的好处是有参照物：你看得见目标长什么样。
- 门槛
- 网页版；分析要接模型接口。
提示词工程的系统性指南：教程、论文、课程笔记与可运行的示例。不针对视频，讲的是提示词这件事本身。
七万五千星的方法论底座论文与笔记齐全多语种
- 靠什么做到
- 它管的是「为什么这么写有效」 —— 上面那些词库给的是成品，这里给的是原理。两者是互补不是替代。
- 门槛
- 无。
AI 视频提示词、技能与方法论工具包。2026-10-10 README 自述：604 条提示词、24 个模型、7 个 Claude 技能、21 篇方法论；数量按本次快照，不代表实测覆盖。
提示词配方法论一起给从企业项目里逼出来的
- 靠什么做到
- 提示词和方法论放在一起 —— 这一类里少见：多数要么只给词、要么只讲理，而真正难的是「什么场合用哪条」。
- 门槛
- 无；技能部分要 Claude Code。
模型与组件
自己搭一套时用得上的零件：底座、生成模型、画面控制、训练、声音、后期、装配件。
底座
3 个跑其它一切的地方：工作流引擎和本地模型服务。它们自己不出画面，上面几类多半挂在它们身上。
节点式工作流底座。图像 / 视频 / 音频 / 3D / 文本共用一个底座。
节点式工作流图/视频/音频/3D 共用一个底座生态最大
- 靠什么做到
- 九个决定在节点图上各自成为独立节点，可单独替换、单独接线、单独复用。
- 门槛
- 仓库未说明显存要求；自带模型卸载与量化支持
一条命令在本机跑开源大模型。写脚本、翻译这两段靠它才不出本机。
一条命令跑本地大模型文本那条腿的底座
- 靠什么做到
- 文本那条腿的底座 —— 和 ComfyUI 平级：ComfyUI 让图像/视频不出本机，Ollama 让文本不出本机。
- 门槛
- 按所跑模型定；小模型消费级显卡即可
魔搭扩散模型工程框架，覆盖图像、视频、音乐推理与训练；近期加入 FLUX.3、MOSS-Image 与 OPD 蒸馏加速训练。
写代码的底座一套 API 跑多家模型显存能压到 6GB
- 靠什么做到
- 它和 ComfyUI 不是一类底座：ComfyUI 是连线的，它是写代码的 —— `pipe(prompt=..., seed=42)` 三行起步。真正的卖点是显存管理做到了层级、能把模型换到磁盘上，所以 6GB 也能跑本来要 24GB 的活。
- 门槛
- 按所跑模型定；官方举例：HunyuanVideo 129×720×1280 在 24GB 上跑，129×512×384 压到 6GB
视频生成
6 个把文字或图片变成一段会动的画面。整条链路的发动机，也是显存吃得最凶的一环。
文生 / 图生 / 语音驱动 / 角色动画替换，480P–720P。五个变体。
混合专家按信噪比路由5B 变体单张 4090 能跑Apache 商用无灰色地带
- 靠什么做到
- 权重可下载、可离线运行、可锁定版本；随机种子为命令行参数。
- 门槛
- TI2V-5B 需 24GB（三个降显存开关全开）；不开优化及 A14B 系列需 80GB
许可证附加条件：许可证正文首句写明不适用于欧盟、英国、韩国
腾讯的开源视频生成模型，文生视频与图生视频。720×1280、129 帧。
官方把显存要求写成了表格生态最全的开源底座45GB 起，消费级跑不动
- 靠什么做到
- 权重可下载可离线跑，`--seed` 是命令行参数。它把大参数视频模型的门槛摆到了明处：官方自己写清了 720p 要 60GB、540p 要 45GB，没有含糊。
- 门槛
- 720×1280×129 帧最低 60GB 显存，544×960×129 帧 45GB；官方推荐 80GB。开 `--use-cpu-offload` 才可能往下压
许可证附加条件：代码 Apache-2.0；部分权重另按 OpenRail-M 发布
Lightricks 的视频生成模型，主打快。文生 / 图生 / 视频续写，默认 1216×704、30 帧。
主打快8GB 卡一分钟出 121 帧拿质量换速度
- 靠什么做到
- 这一格里唯一把「快」当第一目标的：蒸馏版在 8GB 的 4060 上不到一分钟出 720×480×121 帧，官方称最小 1GB 显存可跑。`--seed` 是命令行参数。
- 门槛
- 官方称蒸馏版最低 1GB 显存；实测口径是 8GB 的 RTX 4060 不到一分钟出 720×480×121 帧
许可证附加条件：排除欧盟 / 英国 / 韩国 / 美国；年营收超 2000 万美元需另行书面授权
全模态生成：文字、图片、视频、音频进同一个 Transformer，出带 32kHz 立体声的视频。24 帧、4–15 秒、短边 768。
音画同出，不是后期配音只开源了三段里的中间一段许可证按地区排除
- 靠什么做到
- 权重可下载、可离线跑，请求体里有 `seed`（官方示例脚本就叫 reproducible-768p-*）。但开源的只有中间那一段 —— 前置的 H3-Context-IR 和后置的 2K 重生成都没放出来，仍要调它的云端 API。
- 门槛
- 官方部署示例是 4 张卡（`sglang serve --num-gpus 4 --ulysses-degree 4`）；仓库没有给单卡显存数字
实时交互流式数字人引擎，音视频同步对话。支持 ernerf、musetalk、wav2lip、Ultralight-Digital-Human 四种模型，声音克隆、全身视频拼接、多并发。
实时可打断四种数字人模型换着用WebRTC/RTMP 直出
- 靠什么做到
- 支持说话被打断 —— 这是直播和录播的分水岭：录播只要口型对上，直播要能在观众提问时立刻停下来接话。另有动作编排，不说话时播自定义视频。
- 门槛
- 要显卡跑实时推理；具体占用取决于选哪种数字人模型。
把 13B 视频模型压进 6GB 显存的桌面程序。图生视频，一分钟长度、30 帧。
6GB 显存出一分钟显存不随时长增长作者是 ControlNet 作者
- 靠什么做到
- 它换的是生成顺序，不是模型：一段一段往下预测，并把已生成的上下文压成固定大小 —— 所以显存占用不随视频长度增长。作者是 ControlNet 的作者 lllyasviel。
- 门槛
- 最低 6GB 显存（官方原话「Yes 6 GB, not a typo」），RTX 30/40/50 系；模型要下 30GB 以上
画面控制
4 个不靠形容词、靠结构信号说话：线稿、姿势、深度、参考图、运动轨迹。要什么画面就给什么信号。
给扩散模型加条件控制。九种结构信号：Canny 边缘、直线、HED 边界、涂鸦、人体姿势、语义分割、深度、法线、线稿。
用结构信号控画面线稿/姿势/深度已停更但仍是事实标准
- 靠什么做到
- 用结构信号锁住构图，不再靠提示词描述。
- 门槛
- 有低显存模式，8GB 显卡可用
用图片当提示词，锁住风格或人物。仅 22M 参数。
参考图直接参与生成不用训练
- 靠什么做到
- 参考图直接参与生成，不用训练。
- 门槛
- 22M 参数，附加在已有模型上，显存开销极小
许可证附加条件：权重仅研究用途
一张脸照做身份保持生成，零样本、免调优。
一张脸就能锁角色权重仅研究用途
- 靠什么做到
- 人物身份由参考照锁定，不随镜头漂移。
- 门槛
- 仓库未说明；issue #104 用户实测约 24GB 显存，可用 enable_model_cpu_offload 压
一个模型里分开控制镜头运动与物体运动。支持 SVD、VideoCrafter/LVDM、AnimateDiff 三种底座。
镜头位姿可指定轨迹要手画或从视频里提这一格唯一的开源方案
- 靠什么做到
- `condtype` 选 camera_motion / object_motion / both —— 镜头与物体分开下指令，这正是提示词做不到的事。
- 门槛
- 仓库未给显存数字；轨迹数据依赖 RealEstate10K 与 WebVid
训练与微调
2 个把一套画风或一个角色训进模型，以后不必每次都重新描述。
训练脚本集：覆盖 SD1.x/2.x、SDXL、SD3/3.5、FLUX.1；2026-10-18 的 v0.12.1 新增 MOSS-Image LoRA 支持。
图片 LoRA 的事实标准参数命名一脉相承
- 靠什么做到
- 参考图锁不住的，训练能锁住。 角色参考只给一张图当锚，LoRA 是把这个角色写进权重 —— 这是自持能力最深的一档。
- 门槛
- 仓库未给 LoRA 训练的最低显存
许可证附加条件：仓库根目录没有 LICENSE 文件；README 声明大部分代码 Apache-2.0，hunyuan_model 等目录随上游许可
视频模型的 LoRA 训练器。同一套代码训 Wan 2.1/2.2、HunyuanVideo、FramePack、Qwen-Image 等多条线。
视频模型的 LoRA 训练器一套代码覆盖多个底座12GB 也能训
- 靠什么做到
- 它是 sd-scripts 作者 kohya 做的视频版：一个模型一套 `*_train_network.py` 脚本，共用同一个 LoRA / LyCORIS 网络实现。真正的活儿在显存 —— 块交换（block swap）与隐变量预缓存，让 12GB 也能训。
- 门槛
- 图像训练 12GB 起、视频训练 24GB 起；内存建议 64GB。12GB 要把分辨率压到 960×544 并开 `--blocks_to_swap`、`--fp8_llm`
声音
4 个配乐、配音、翻译、口型 —— 画面之外的另一半，也是这条链路上最容易自己拿下的一段。
音乐生成基座：文生音乐、歌词编辑、音色复刻、remix。
8GB 显存出音乐Apache 商用
- 靠什么做到
- 配乐在本地生成，不依赖曲库授权。
- 门槛
- 最低 8GB 显存；4090 上生成 1 分钟音乐需 1.74 秒（实时倍率 34×）
识别 → 翻译 → 合成 → 回封装的整条流水线，做跨语言配音与字幕。
识别→翻译→合成→对齐每段可换官方文档站齐全
- 靠什么做到
- 三段都可换成本地引擎（Faster-Whisper / Ollama / CosyVoice），全链路不出本机。
- 门槛
- Windows / macOS / Linux；GPU 可选。README 的 GPU 加速配置限定 NVIDIA，需 CUDA 12.8 与 cuDNN 9.11。
许可证附加条件：月活超 1 亿或年营收超 10 亿人民币需另行申请；不得用于改进其它 AI 模型
B 站开源的零样本语音合成：给一段参考音就能克隆音色，情感可以单独指定。中英双语。
音色与情感分开给B 站开源有营收与月活门槛
- 靠什么做到
- 它把音色和情感拆成了两个输入：说话人参考音管音色，情感可以用另一段音频、一段文字、或者一个 8 维向量单独给 —— 所以能做到「同一个人，换一种情绪」，这是多数 TTS 做不到的。
- 门槛
- README 未给统一最低显存；IndexTTS-2 使用 FP16，IndexTTS-2.5 使用 BF16，半精度可降低显存。安装文档使用 uv。
字节开源的口型同步：音频直接驱动潜空间扩散，不经过中间的运动表示。
让画面里的人对上口型
- 靠什么做到
- 先配音再改嘴 —— 有了它，「后期配音」那条路才真正成立：改词只重配那一句，不用重出视频。
- 门槛
- 1.5 版推理 8GB，1.6 版 18GB；训练 23~55GB（按阶段与分辨率）
后期
3 个画面出来之后的补救与放大。
视频插帧：在两帧之间算出中间帧，把 24 帧的片子补成 48、60 帧。作者是 RIFE 论文作者。
靠光流不靠生成插帧这一格开源侧只有它星数低但不是冷门
- 靠什么做到
- 靠光流，不靠生成：IFNet 估双向光流，再把两帧按流场扭曲、融合出中间帧 —— 所以它不会凭空编内容，只会把已有的两帧之间填满。这是它和生成式补帧的根本区别。
- 门槛
- 没有显存门槛这一说（4K 素材建议 `--scale=0.5`）；Python ≤ 3.11
许可证附加条件：仅限非商业用途，许可证正文第一句写明
人脸修复：把糊掉、压坏、老照片里的脸修回来。图片与视频都能做。
靠 1024 条码本修脸保真度可调只许非商业用途
- 靠什么做到
- 靠码本，不靠猜：先训一个人脸 VQGAN 学出 1024 条码本，修复时用 Transformer 去预测该取哪几条码 —— 所以它补出来的一定是「像人脸」的东西，不会糊成一团。可调保真度与画质的权衡。
- 门槛
- 最低 4GB 显存、8GB 内存、10GB 硬盘放模型（DeepWiki 环境要求页）
通用图像 / 视频超分修复，支持 2× / 3× / 4×，含动漫专用与轻量模型。
只做放大这一件事作者本人有讲解视频
- 靠什么做到
- 720P 封顶的模型也能补到 1080P 以上。
- 门槛
- 需 PyTorch，推荐 GPU；有各平台可执行文件
工作流与节点包
3 个ComfyUI 生态里的装配件：装节点的、把某个模型接进来的、以及官方给的现成工作流。它们不是模型，是让模型跑起来的那一层 —— 多数人第一次卡住都卡在这里。
ComfyUI 的节点管理器：装节点、装模型、修依赖、查注册表。ComfyUI 生态的事实标准。
解决「工作流打开一片红」带 pip 重映射与黑名单
- 靠什么做到
- 它解决的是「工作流打开一片红」这件事 —— 缺哪个节点它去找、去装、去修依赖。界面与命令行（`cm-cli.py`）两套入口，背后是几份注册表 JSON。
- 门槛
- 跟着 ComfyUI 走，本身不吃显存；要 Python 3 与 git
把 Wan 系列模型接进 ComfyUI 的节点包。社区里跑 Wan 的事实标准封装。
社区跑 Wan 的事实标准封装块交换省显存1281 个 issue 开着
- 靠什么做到
- 它的价值全在显存调度上：块交换（block swap）、异步预取、LoRA 权重作为 buffer 挂进块里 —— 所以同一张卡上能跑起官方仓库跑不动的配置。作者 Kijai 是 ComfyUI 生态里最高产的节点作者之一。
- 门槛
- 跟着所跑的 Wan 变体走；块交换的块数是主要调节旋钮（README 用「1GB LoRA / 20 块 → 多占 500MB」举了例）
ComfyUI 内置的那批官方工作流模板与子图蓝图的真身仓库。
官方现成工作流的真身带可复用子图蓝图
- 靠什么做到
- 你在 ComfyUI 里「浏览模板」看到的就是它 —— 每个新模型上线时官方给的那份能跑的工作流，都先进这个仓库。另外还有子图蓝图（可复用的节点组件），出现在节点面板里。
- 门槛
- 本身只是 JSON 与预览图；跑起来的门槛由所选模板对应的模型决定
视听语言
画面和声音怎么说话。 前半是基本功，后半是可以点名要的风格 —— 既有导演、工作室、演员与类型片这些「谁的风格」，也有水墨、赛璐璐、厚涂、胶片颗粒、青橙调色这些画法与质感。「赛璐璐平涂加清晰描边」比「日漫风」具体一百倍。
一
基本功
9 组 · 46 条画面和声音怎么说话。这一段学完，你才知道自己在要什么。
1
镜头怎么说话
13同一句台词，用远景还是特写，观众感受完全不同。这是视频里最基本的一层语法，也是提示词里最容易漏写的一层。
- 景别、角度、构图、焦段、运镜：一篇讲完↗
StudioBinder·英文
50 多种镜头逐个拆。写提示词时「近景 / 中景 / 广角」到底指什么，看这一篇就够。
- 运镜的类型与用法↗
StudioBinder·英文
推、拉、摇、移、跟各自在表达什么 —— 而不只是「镜头动了一下」。
- 电影摄影（词条）↗
维基百科·中文
中文侧的总览入口，术语对照用。
- 景深（词条）↗
维基百科·中文
为什么背景该虚该实。这一条直接影响画面像不像「电影」。
- 电影摄影是什么↗
StudioBinder·英文
把摄影师到底在决定什么讲清楚 —— 读完你会知道「镜头感」不是玄学。
- 景深怎么控↗
StudioBinder·英文
配合词条读。虚化多少是一个可以指定的量，不是模型随机给你的。
- 分镜脚本（词条）↗
维基百科·中文
分镜和分镜脚本不是一回事 —— 后者是给全组人看的执行文件。
- 怎么列镜头表↗
StudioBinder·英文
镜头表是提示词的上游。列完再写提示词，比边想边写省一半重摇。
- 一镜到底（词条）↗
维基百科·中文
AI 现在最难做到的一种 —— 单次生成时长有限，接起来就露馅。想清楚再要。
代表作《鸟人》→为什么好看▾
不剪，观众就没有喘息的机会。 时间是连续的，紧张感会一直累积；同时它逼着场面调度必须一次做对 —— 所以它既是炫技，也是一种诚意。
- 长镜头↗
StudioBinder·英文
为什么不剪反而更有压迫感。和上一条对着读。
代表作《1917》→为什么好看▾
剪辑是在替观众做决定「现在该看哪儿」。不剪，就把这个决定还给了观众 —— 画面里同时发生的事全都成立，紧张感来自「你可能漏看」。
- 荷兰角（斜角）↗
StudioBinder·英文
把画面歪一下表示不安。一个词就能点到的具体做法。
代表作《第三人》→为什么好看▾
人对水平线极其敏感。画面一歪，身体先于脑子觉得不对劲 —— 所以它不用交代任何剧情就能制造不安。用多了会腻，一场戏里一两次最好。
- 希区柯克变焦↗
StudioBinder·英文
推轨 + 反向变焦，背景「涌上来」。有名字，模型也认这个名字。
代表作《迷魂记》→为什么好看▾
推轨和变焦反着来，人物大小不变、背景却在涌动。这是「天旋地转」的视觉直译 —— 观众看到的是主角此刻的心理状态，不是他看到的画面。
- 跟拍镜头↗
StudioBinder·英文
镜头跟着人走。和「运镜」那一篇配合读。
代表作《盗亦有道》→为什么好看▾
镜头贴着人走，观众就成了同行者而不是旁观者。一段长跟拍能在没有台词的情况下交代一整个世界：路过谁、谁点头、门怎么开。
2
画面怎么摆
3「好看」不是玄学，是可以拆开说的几条规则。知道规则之后，你至少知道自己在破什么。
- 三分法（词条）↗
维基百科·中文
构图的第一条规则，也是最容易被机械套用的一条。
- 三分法：怎么用、什么时候该破↗
StudioBinder·英文
配合上面那条词条读 —— 词条讲是什么，这篇讲什么时候不该听它的。
- 场面调度（词条）↗
维基百科·中文
画面里的一切怎么摆：人、景、光、动。这是「构图」上面那一层。
3
怎么剪才不跳
7AI 一次只给你几秒钟，接起来的活全是你的。剪辑是这条链路上 AI 最帮不上忙、也最决定成片质感的一段。
- 连贯剪辑：让观众感觉不到剪过↗
StudioBinder·英文
为什么两个镜头接在一起会「跳」。这是最该先读的一篇。
- 180 度规则↗
StudioBinder·英文
越轴之后观众会突然分不清谁在左谁在右 —— 而 AI 生成的镜头经常自己就越轴了。
- 蒙太奇（词条）↗
维基百科·中文
两个镜头并置产生第三种意思。这是剪辑的立身之本。
- 剪辑（词条）↗
维基百科·中文
中文侧的总览。
- 跳接（词条）↗
维基百科·中文
AI 分段生成最容易出的就是跳接感 —— 先知道它叫什么，才好判断是不是要避。
- 跳接：什么时候是错，什么时候是风格↗
StudioBinder·英文
同一个现象，用错了是穿帮，用对了是节奏。
- J 剪与 L 剪：声音先进或后走↗
StudioBinder·英文
让画面接得顺的头号技巧，而且只跟声音有关 —— 多数新手完全不知道有这回事。
4
故事怎么搭
5选题和结构是 AI 现在完全不接的一步（九道工序里，这一步没有任何工具替你做）。
- 三幕结构↗
StudioBinder·英文
最通用的一套骨架。短视频也吃这一套，只是每一幕被压到几秒。
- 三幕剧（词条）↗
维基百科·中文
中文对照。
- 分镜（词条）↗
维基百科·中文
把故事拆成一格一格 —— 这一步做完，提示词几乎是照抄。
- 一句话梗概（logline）怎么写↗
StudioBinder·英文
一句话说不清的故事，三分钟也讲不清。 这是开工前最省时间的一步。
- 剧本（词条）↗
维基百科·中文
格式与构成。中文对照用。
5
声音怎么用
2新手最容易整段忽略的一层。画面糊一点观众能忍，声音不对他们立刻出戏。
- 有声源与无声源：声音从画面里来还是从画面外来↗
StudioBinder·英文
环境音、角色说话是画面里的；配乐、旁白是画面外的。两者混着用才有层次。
- 声音设计是什么↗
StudioBinder·英文
对白、音效、环境、配乐四层怎么叠。画面糊观众能忍，声音不对立刻出戏。
6
光怎么打
6AI 出图时描述光位，用的就是这一套词。 不知道这些词，你能写的只有「好看的光」——而那正是模型最没法执行的一句。
7
色彩怎么用
4色调决定观众对一个画面的第一判断，而它常常是提示词里唯一没写的东西。
- 色彩理论↗
StudioBinder·英文
互补、类似、三分色这些配色关系，读完你会知道自己在选什么。
- 电影的配色方案↗
StudioBinder·英文
拿真实影片拆配色。照着挑一套当参考，比形容「电影感」有用得多。
- 色彩心理学（词条）↗
维基百科·中文
颜色与情绪的对应关系从哪来。别当定律，但值得知道。
- 颜色（词条）↗
维基百科·中文
底层概念补齐用。
8
人物怎么立
3这是 AI 目前完全帮不上的那一半。 画面它能给，一个让人看得下去的人它给不了。
9
交付前要懂的数
3这几个数定错了就得整条重来 —— 而它们全都在你按下生成之前就该定好。
二
可以点名要的风格
6 组 · 42 条有名字的做法。「韦斯·安德森式对称」比「构图好看」具体一百倍 —— 模型认前者。
1
导演的招牌手法
6不同导演的招牌不在画风，在调度、结构、节奏。
- 韦斯·安德森：对称、正面、平移↗
StudioBinder·英文
辨识度最高、也最容易被模型认出的一种风格。 对称构图 + 正面机位 + 横向平移，三条就够用。
代表作《布达佩斯大饭店》→为什么好看▾
把镜头摆正、把东西摆对称，画面立刻像一张插画而不像现实。 这种「过于整齐」本身就是喜剧感的来源 —— 人物越一本正经，观众越想笑。镜头只做水平平移和 90° 转，不给你任何随手感。
- 斯皮尔伯格：他怎么调度镜头↗
StudioBinder·英文
长镜头里完成信息交代、人物走位带动镜头。「斯皮尔伯格式」指的是调度，不是画风。
代表作《拯救大兵瑞恩》→为什么好看▾
他很少切碎。人物走位带着镜头走，一个镜头里把「谁在哪、发生了什么、下一步去哪」交代完 —— 观众不会意识到自己被引导了，只觉得这场戏「顺」。
- 诺兰：结构与实拍↗
StudioBinder·英文
他的招牌一半在剪辑结构上 —— 这部分 AI 帮不了你，得自己搭。
代表作《敦刻尔克》→为什么好看▾
他的招牌一半不在画面上，在时间线的排法：把同一件事的不同时间尺度并排推进，结尾对齐。看着「烧脑」，实际是剪辑在制造悬念，而不是剧情本身有多复杂。
- 杜琪峰（词条）↗
维基百科·中文
「杜琪峰站位」说的是人物在画面里的几何关系 —— 静止对峙、三角构图、枪战里的位置感。中文侧最值得点名的一种调度风格。
代表作《枪火》→为什么好看▾
枪战不靠快剪，靠站位。 人物在空间里各占一个点、彼此不动，紧张感来自「谁先动」。他常用静止长镜 + 三角构图，把一场戏拍成棋局 —— 这和好莱坞的碎剪动作戏是两条路。
- 王家卫（词条）↗
维基百科·中文
抽帧、色调、独白。「王家卫感」在中文提示词里几乎是通用词。
代表作《花样年华》→为什么好看▾
抽帧让动作拖出残影、霓虹与浓色调压住画面、独白盖过同期声。三样合起来的效果是「回忆感」 —— 你看的不像正在发生，像有人在追述。
- 昆汀·塔伦提诺（词条）↗
维基百科·中文
章节式结构、长对白、脚部特写这类签名镜头。
代表作《低俗小说》→为什么好看▾
章节式结构把时间打乱，观众先看到结果再看到原因，注意力从「会怎样」变成「为什么」。加上长段闲聊式对白：越日常，接下来的暴力越突兀。
2
动画与工作室
5动画不是一种风格，是四套完全不同的做法 —— 点名到工作室最准。
- 皮克斯动画工作室（词条）↗
维基百科·中文
「皮克斯风」= 三维渲染 + 拟人化设定 + 明确的情感弧线。 说这三个字模型基本能对上。
代表作《玩具总动员》→为什么好看▾
它的辨识度不在画风，在结构：一个非人角色 + 一条明确的情感弧线 + 一个能用一句话说清的设定。画面上是柔和的三维渲染、圆润造型、高饱和但不刺眼的色彩。
- 吉卜力工作室（词条）↗
维基百科·中文
手绘质感、自然光、慢节奏空镜。注意：这是有版权的品牌名，商用时点名要谨慎。
代表作《千与千寻》→为什么好看▾
手绘线条 + 大量自然光 + 敢让画面「什么都不发生」（空镜、吃饭、走路）。节奏慢下来之后，观众才会注意到风、云和食物 —— 那正是它想让你注意的东西。
- 宫崎骏（词条）↗
维基百科·中文
和上一条一起读 —— 工作室的风格与个人的风格不完全是一回事。
代表作《龙猫》→为什么好看▾
和工作室的共性之外，他个人的签名是飞行与失重：几乎每部都有一段在空中的段落，而那一段通常不推进剧情，只负责让人心里一松。
- 定格动画（词条）↗
维基百科·中文
一种模型很容易模仿出来的质感：轻微抖动、材质感、帧率偏低。想要「手作感」点它。
代表作《了不起的狐狸爸爸》→为什么好看▾
逐帧摆拍留下的轻微抖动与真实材质，是三维渲染刻意模仿也不太像的东西。它天然带「手作感」，也因此适合怪诞和童话 —— 观众知道这是假的，反而更愿意进去。
- 动画电影（词条）↗
维基百科·中文
总览。分清二维、三维、定格、剪纸各是什么之后，提示词才写得准。
代表作《头脑特工队》→为什么好看▾
「动画」不是一种风格，是四种完全不同的做法：二维手绘、三维渲染、定格摆拍、剪纸/拼贴。它们的质感差别比「什么画风」大得多 —— 先分清这四种，提示词才写得准。
3
演员立住的那一类
4有些类型是演员本人定义的。
- 成龙（词条）↗
维基百科·中文
动作喜剧：用环境道具打、危险动作配笑点、节奏靠剪辑不靠特效。这一套是可拆解的，不只是「打得好看」。
代表作《警察故事》→为什么好看▾
打斗被拍成解题：环境里有什么就用什么，梯子、桌子、衣架都是招式的一部分。危险动作接一个笑点，观众的紧张立刻被释放 —— 这就是「动作喜剧」区别于纯动作片的地方。镜头多用中景、少用特写，因为要让你看清动作是真的。
- 周星驰（词条）↗
维基百科·中文
无厘头。表演夸张 + 突然的静场 + 反差配乐 —— 三件套缺一件就不像。
代表作《喜剧之王》→为什么好看▾
夸张表演推到顶点，然后突然静场 —— 落差本身就是笑点。配乐经常与画面情绪相反（悲情场面配欢快曲），观众笑完才反应过来这场戏其实很惨。
- 无厘头（词条）↗
维基百科·中文
把上一条那个「味道」讲成一套可描述的手法。
代表作《大话西游》→为什么好看▾
逻辑被故意打断：对话答非所问、动作没有理由、时空说变就变。它的可执行版本是「每隔几秒破坏一次预期」 —— 而不是「演得夸张一点」。
- 功夫片（词条）↗
维基百科·中文
和动作片不是一回事。功夫片讲究完整招式与实拍长镜，这一点直接影响你要不要用长镜提示。
代表作《醉拳》→为什么好看▾
和动作片的分水岭是招式的完整性：一套动作要看得见起承转合，所以镜头要远、要长、要少剪。剪碎了就成了「动作片」，观众感觉到的是速度而不是功夫。
4
类型片与流派
7点一个类型，等于一次性给出十几条约束：光怎么打、故事怎么走、观众预期是什么。
- 黑色电影↗
StudioBinder·英文
低调布光、百叶窗阴影、雨夜街道。最容易用一个词唤起一整套画面的类型。
代表作《双重赔偿》→为什么好看▾
低调布光 + 硬阴影 + 夜雨街道，画面里永远有一半是暗的 —— 视觉上先建立「这里有事瞒着你」，剧情再慢慢揭。
- 黑色电影（词条）↗
维基百科·中文
中文对照。
代表作《唐人街》→为什么好看▾
中文条目补上它的历史来路：战后的悲观情绪 + 德国表现主义的用光。风格不是凭空长出来的。
- 西部片（词条）↗
维基百科·中文
广角、地平线、逆光剪影。类型与画幅、镜头选择绑得很紧。
代表作《黄金三镖客》→为什么好看▾
宽画幅 + 低地平线 + 逆光剪影，人在画面里很小 —— 一眼就说明了「人对抗环境」这件事。所以它对画幅比例特别敏感，竖屏几乎拍不出西部片。
- 赛博朋克（词条）↗
维基百科·中文
AI 出图最容易「用力过猛」的一个类型 —— 知道它的构成要素，才好做减法。
代表作《银翼杀手》→为什么好看▾
高科技 + 低生活：霓虹、雨、拥挤、廉价食物摊。关键是「脏」 —— 少了那层脏和潮，画面就只是「未来城市」，不是赛博朋克。AI 出图最容易在这里用力过猛。
- 法国新浪潮（词条）↗
维基百科·中文
跳接、手持、实景。很多现在被当成「随性风格」的做法源头在这里。
代表作《精疲力尽》→为什么好看▾
跳接、手持、实景、自然光 —— 当年是因为没钱，后来成了风格。它证明了一件对现在特别有用的事：技术上的「不完美」可以是表达，而不是失误。
- 香港电影新浪潮（词条）↗
维基百科·中文
中文语境里绕不开的一段。
代表作《投奔怒海》→为什么好看▾
实景、快节奏、市井题材。中文语境里绕不开的一段 —— 现在短剧的节奏感和街头质感，很多源头在这里。
- 蒙太奇学派（词条）↗
维基百科·中文
剪辑能产生意义这件事，是从这里被系统论证的。
代表作《战舰波将金号》→为什么好看▾
两个镜头并在一起会产生第三种意思，这件事是在这里被系统论证的。对 AI 视频尤其重要：你手上是一堆几秒的片段，意义就产生在你怎么把它们摆在一起。
5
动画的画法
11这一组答的是「这一帧是怎么画出来的」，和上面几组答的「谁的风格」是两回事。 「水墨」「厚涂」「赛璐璐」不属于任何一个作者 —— 正因为如此，它们才是最干净的提示词：点一个画法，等于一次性锁死线条、上色、帧率与质感。
- 水墨画（词条）↗
维基百科·中文
中文侧最有辨识度的一种画法，模型认「水墨」这个词。（注：中文维基没有「水墨动画」独立条目，画法看这条、动画那一支看代表作。）
代表作中国动画（词条，水墨动画那一支在这里）→为什么好看▾
墨色靠水稀释出浓淡，边缘自然晕开、没有描边线。要它就别再要「线条清晰」—— 两个要求互相打架。
- 赛璐璐（词条）↗
维基百科·中文
「日漫风」说的多半就是它：平涂色块 + 清晰描边 + 两三档阴影。比说「动漫风格」准得多。
代表作传统动画（英文词条）→为什么好看▾
早期动画画在透明赛璐璐片上，颜料只能平涂、阴影只能分档 —— 今天的「二次元感」是那套工艺留下的痕迹。
- 有限帧动画（英文词条）↗
Wikipedia·英文
日式作画那种「一顿一顿」的节奏，来源在这儿。 想要那个味道就点它，别只点「anime」。
为什么好看▾
为省成本一秒只画八到十二张、只动局部。省下来的钱堆到关键帧上，于是形成了「静止—爆发」的独特节奏。
- 日本动画（词条）↗
维基百科·中文
总览。知道它由哪些具体做法构成，才不会只会写「日漫风」三个字。
- 厚涂（词条）↗
维基百科·中文
「厚涂风」的正名。 笔触留在画面上、不描线、靠明暗塑形。
代表作Impasto（英文词条）→为什么好看▾
颜料堆得厚，笔触本身成为造型手段。所以它天然和「线稿清晰」冲突 —— 要厚涂就别再要描边。
- 像素艺术（词条）↗
维基百科·中文
AI 最容易做假的一种 —— 生成模型给的多半是「像素风滤镜」，不是真的按网格对齐。
为什么好看▾
真像素画每个点都是人放的，分辨率与调色板都受限。模型不受这些限制，于是出来的东西放大看是糊的。
- 低多边形（词条）↗
维基百科·中文
面数少、棱角硬、色块平。一个词就能唤起一整套画面。
为什么好看▾
早期三维硬件跑不动高面数，如今反过来被当作风格用 —— 技术限制变成美学。
- 卡通渲染（词条）↗
维基百科·中文
三维模型渲成二维手绘的样子。要「三渲二」就点这个词，别描述半天。
为什么好看▾
把连续的光照压成两三档色阶、再补一圈描边，于是立体的东西看起来像画的。
- 皮影戏（词条）↗
维基百科·中文
剪纸片与皮影动画的源头。中文语境里点得出名字的画法之一，剪影加半透明色。
代表作剪纸（词条）→为什么好看▾
形象是剪出来的平面片，关节处分件、逐格摆动 —— 所以动作天然是「转折式」的，不连贯反倒是特征。
- 转描（英文词条）↗
Wikipedia·英文
照着实拍逐帧描。运动像真人、画面像手绘 —— 这个组合别的做法给不了。
为什么好看▾
动作数据来自实拍，所以重心与惯性是对的；但描出来的线条又带手绘的抖动。
- 黏土动画（英文词条）↗
Wikipedia·英文
定格里最好认的一支，指纹与材质都留在画面上。
代表作逐格动画（词条）→为什么好看▾
黏土会被手捏变形，每一帧都有微小差异 —— 那种「呼吸感」正是它区别于三维动画的地方。
6
实拍的影像质感
9同一场戏，用什么拍、怎么调，出来是两部片。 这一组是实拍侧对应「画法」的那一层：颗粒、宽银幕、色调、景深。它们不改内容，只改「看起来像什么年代、什么成本、什么心情」。
- 胶片颗粒（英文词条）↗
Wikipedia·英文
「电影感」里最容易被点到、也最容易被用过头的一项。
代表作底片（词条）→为什么好看▾
颗粒是感光银盐的物理结构，随机分布且随亮度变化。数字加的均匀噪点假就假在这里 —— 太规则。
- 变形宽银幕（英文词条）↗
Wikipedia·英文
横向拉伸的画幅、椭圆形的光斑、横向的蓝色光晕。「大片感」很大一部分来自它。
代表作变形镜头（词条）→为什么好看▾
镜头先把画面横向压缩录进底片，放映时再拉开。这个来回让焦外散景变成椭圆、强光拉出横条。
- 特艺七彩（词条）↗
维基百科·中文
要「上世纪中叶好莱坞那种浓艳」就点这个名字，比说「色彩鲜艳」准得多。
为什么好看▾
三条黑白底片分别记录红绿蓝再套印，色彩饱和度远超自然 —— 那种红是化学工艺的产物，不是调出来的。
- 黑白电影（词条）↗
维基百科·中文
去掉颜色不是减法，是把注意力全压到光影与构图上。
为什么好看▾
没有色彩区分主体，就只能靠明暗对比和形状 —— 所以黑白片的布光通常比彩色片硬得多。
- 明暗对照法（英文词条）↗
Wikipedia·英文
大面积暗、小块强光。黑色电影、恐怖片、审讯戏的底层做法。
为什么好看▾
光比拉大到只剩轮廓可辨，观众自动往暗处补想象 —— 恐惧来自看不见，不是来自看见。
- 青橙调色（英文词条）↗
Wikipedia·英文
现代商业片最泛滥的一套调色。知道它叫什么，才知道怎么避开它。
代表作调色（英文词条）→为什么好看▾
人的肤色偏橙，把背景推向青蓝就能让人物跳出来。好用，也正因为太好用而变得千片一面。
- 焦外散景（英文词条）↗
Wikipedia·英文
背景化开的那一片光。说「浅景深」是参数，说「散景」是质感 —— 后者模型更认。
为什么好看▾
光圈叶片的形状决定光斑是圆是多边，镜头的光学缺陷决定它是柔是硬。所以不同镜头的散景不一样。
- 手持摄影（英文词条）↗
Wikipedia·英文
要「纪录片感」「临场感」就点它。 但要清楚：AI 生成的抖动多半是噪声不是运动。
为什么好看▾
人扛着机器走，抖动跟着呼吸和步伐走，是有节律的。随机抖只会让人晕，不会让人信。
- 自然光（Available light，英文词条）↗
Wikipedia·英文
不打灯、只用现场光。和「电影感布光」是相反的两条路，别同时点。
为什么好看▾
只用现场光意味着接受高感光噪点与不均匀的照度 —— 换来的是真实感和不可复制的偶然性。
三
法与权
1 组 · 4 条在中国做 AI 视频有强制标识义务，2025-09-01 起施行。素材与音乐的授权同理。
1
法与权
4素材、音乐、肖像的授权同理 —— 出事时「我不知道」不是理由。
- 《人工智能生成合成内容标识办法》全文↗
国家网信办·中文
四部门联合发布，2025-09-01 起施行。 显式标识与隐式标识都要做；用户往平台传 AI 生成内容时，要主动声明并用平台的标识功能。
- 官方答记者问↗
新华网·中文
比法条好读。想快速知道「我到底要做什么」，先看这篇。
- 著作权（词条）↗
维基百科·中文
素材、音乐、字体各自的授权都落在这里。免费下载 ≠ 可商用。
- 肖像权（词条）↗
维基百科·中文
拿真人照片做参考图、做数字人之前先读这一条。
每条下面的「它解决你哪个困惑」与「为什么这么拍好看」都是我们的判断； 链接指向的原文和代表作条目才是出处。
作品
这条路做出过什么。只收制作方自己公开说明过管线的作品。
Kök Börü
2026-08闭源平台- 制作方
- Higgsfield · 12 人团队（5 名动画师、2 名编剧、3 名声音制作、1 名色彩、1 名声音总监）
- 用了什么
- Higgsfield Soul Cartoon + Motion Control + Cinema Studio / Supercomputer（闭源平台）
15 分钟历史题材动画，SIGGRAPH 2026 首映，现场把整条混合管线讲了一遍：角色、环境、布局先用 Soul Cartoon 生成，再由动画师在数位板上手绘细化；表演用真人拍下来再经 Motion Control 迁到动画角色上，不用动捕服也不用绿幕。12 人两周，对照传统一到两年、100 万～200 万美元。人声是哈萨克语母语演员配的。
丧尸清道夫
2026-05闭源平台- 制作方
- 刘梓瑜（Mx-shell），一个人
- 用了什么
- 字节小云雀 + Seedance 2.0（闭源平台）
3 分 34 秒短片，抖音播放 460 万以上、点赞 222 万。10 天、3000 块。作者受访时把做法说透了：不写死剧本，用「场景参考图 + 角色图 + 文字指令」控机位，成片里 80~90% 的画面直接来自 Seedance 2.0、音画同出所以省掉了单独做声音；一段舞蹈重摇了将近 20 次。片尾把用到的模型当剧组人员一样署了名。
Hell Grind
2026-05闭源平台- 制作方
- 导演 Aitore Zholdaskali、联合编剧 Adilkhan Yerzhanov，另有 15 人的导演 / 摄影 / 剪辑团队
- 用了什么
- Higgsfield（闭源平台，全片在其平台上完成）
95 分钟动作奇幻长片，戛纳期间首映 —— 号称第一部完全在一个 AI 平台上做出来的长片。公开的成本与周期是14 天、50 万美元以内。这两个数字是它值得记一笔的原因：长片的门槛第一次被压到这个量级。
查过，按规矩没收
- 余烬之后（After the Ember） 查不到制作方公开的管线说明 —— 只找到成片本身与播放渠道，没有「用了什么」的公开口径。按规矩不收。 核验 2026-08-16
- 2026-08-17 又搜了一轮 换了四个角度找「制作方自己公开过管线」的新作品（中文爆款幕后 / 英文导演访谈 / 工作流复盘 / 平台官方案例），**捞上来的全是工具指南和平台宣传，没有一部具体作品的制作方公开写过自己的管线**。这一格暂时就这三部。 核验 2026-08-17
许可证、星数增速、停更月数、门槛来自仓库原文，点得开核对；优势 / 局限 / 不适用是判断。