AI 影視製作工具

Veo 2

Google 最先進的視頻生成模型。它創建了高質量的視頻剪輯，可與用戶提示的樣式和內容相匹配，並在分辨率高達4K的分辨率下。

根據 Google 的指引，使用 Veo 2 產生影片時，您應該在文字提示中指定以下內容：

• Subject: The main focus of the video
• 主題：影片的重點
• Action: What the subject is doing
• 動作：主體正在做什麼
• Composition: How the scene is framed (wide shot, low-angle, aerial etc.)
• 構圖：場景的構圖方式（廣角、低角度、空中等）
• Scene: The location of the shot (busy street, space, beach, etc.)
• 場景：拍攝地點（繁忙的街道、太空、海灘等）
• Camera motion: Whether the camera is panning or zooming
• 相機運動：相機是平移還是縮放
• Ambiance: How color and light contribute to the scene (blue tones, night, foggy, etc.)
• 氣氛：顏色和光線如何影響場景（藍色色調、夜晚、霧氣等）
• Style: The artistic style or vibe you want (cinematic, retro, cartoon, etc.)
• 風格：您想要的藝術風格或氛圍（電影、復古、卡通等）

Beeble – AI Lighting

Luma Lab – Dream Machine

Seaweed

Seaweed is a video generation foundational model by ByteDance Seed.

FlashVideo 可以透過提供一張或幾張參考臉部圖像和文字提示，輕鬆地隨時個性化自己的照片。我們的方法與 DiT 擴散模型不同，DiT 擴散模型在文字到視訊生成方面取得了巨大成功，利用了它們在模型容量和資料規模方面的可擴展性。然而，與文字提示一致的高內容和運動保真度通常需要大量的模型參數和大量的功能評估（NFE）。真實且視覺上吸引人的細節通常反映在高解析度輸出中，進一步擴大了運算需求——尤其是對於單階段 DiT 模型。為了應對這些挑戰，我們提出了一種新穎的兩階段框架 FlashVideo ，它在各個階段策略性地分配模型容量和 NFE，以平衡生成保真度和品質。在第一階段，透過低解析度流程優先考慮保真度，利用大參數和足夠的 NFE 來提高運算效率。第二階段建立低解析度和高解析度之間的流匹

FlashVideo

video2x

A machine learning-based video super resolution and frame interpolation framework. Est. Hack the Valley II, 2018. – k4yt3x/video2x