Motion Prompt：萬用 AI Motion Graphic

2026 年 11 月 3 日 Share to X Facebook Copy link

想叫 AI 加入某種鏡頭運動或網頁效果，卻不知道該怎樣描述？Motion Prompt 把名稱、動態示例和提問範本放在一起，方便查找與轉交創作要求。

描述鏡頭運動、動態圖像或網頁效果時，光靠「有感覺一點」往往難以讓 AI 掌握方向。Motion Prompt 是一個創作名稱與示例庫，收錄 192 個名稱，每項附有動態示範、簡短解釋和提問例句，涵蓋動態圖像、鏡頭運動、UI 元件、網站效果和攝影風格。

使用者可在網上 Gallery 播放示例、搜尋名稱，再選取多項並附上備註，將整理好的要求交給 AI；不使用技能時，也可複製提示詞和示例連結。 packs/ 提供五種語言的名稱清單，包括繁體中文。項目亦提供建立自訂領域及語言版本的提示詞；說明了技能安裝方式，但沒有提供完整的手動部署流程。

與只列術語的詞典相比，Motion Prompt 把可觀看的動態參考和可直接改寫的提問放在同一項目；每個示例的參考實作以 Canvas 2D 撰寫，不依賴外部程式庫，並可逐格繪製及用於影片輸出。它提供的是創作參考與溝通素材，不代表不同 AI 模型都能產生相同效果，也沒有提供量化性能評測。

• 可播放示例，並按名稱或編號查找。
• 多選示例、加入備註，再把要求交給 AI。
• 不使用技能時，可複製提示詞及參考連結。
• 提供繁體中文清單，以及製作自訂名稱庫的提示詞。

影片創作者、設計師和需要以 AI 協作的前端團隊，可用它把抽象的視覺想法轉成較具體的術語與參考。若工作流程依賴特定模型或成品品質，仍需自行測試提示詞能否帶出預期結果；現有內容主要是示例庫，並非生成模型或效果保證。

項目主頁 · GitHub

Categories: 開源, AI productions, 模型, Video, Image, 提示詞, Content Creator, 庫, Anthropic, Skill 技能, UI/UX

---

CUA-Master：把教學影片變成電腦操作訓練資料

2026 年 11 月 3 日 Share to X Facebook Copy link

教學影片可以變成代理的操作練習，但仍要接駁沙盒。CUA-Master 串起任務挖掘、驗證與訓練資料製作。

把軟件教學影片轉成可驗證的操作任務，CUA-Master 這套框架協助團隊訓練電腦操作代理（Computer-use agents，CUAs）。它會按模型弱點補充任務，讓資料建構與模型改進互相帶動。

框架結合字幕語意與畫面變化重建操作軌跡，再抽取可重用的能力單元，控制新任務涉及的能力及應用程式數量。沙盒執行失敗後，可按回饋回復快照重試；已驗證軌跡可轉成 ms-swift 格式的監督式微調（Supervised Fine-Tuning，SFT）資料。

準備測試需要安裝依賴及接駁服務：

• 以可編輯模式安裝，加入 seeding、annotator、collection、dev 依賴。
• 複製 .env.example 為 .env，填入 API 金鑰及沙盒服務端點。
• 經 provider 介面接駁自己的沙盒後端，再按範例設定搜尋影片資料、下載選定影片；命令支援 –help。

官方公布 CUA-Master-27B 在 OSWorld Verified 得分為 80.2，在 OSWorld 2.0 為 36.9，兩者不可直接當成同一尺度比較。項目較適合有沙盒及訓練資源的代理研究團隊；提供的快速開始內容未完整展示後續流程，尚不足以照抄完成整條訓練流程。

項目主頁 · GitHub · 模型

Categories: 開源, 香港中文大學, 香港科技大學, Agentic, AI productions, 模型, 模型訓練, API, Video, 框架, 教學, 軟件

---

WaveForcing：讓多步影片生成每秒 134.8 幀

2026 年 11 月 3 日 Share to X Facebook Copy link

WaveForcing 讓多段影片同步去噪，持續輸出畫面；高速度背後，仍要付出多張高階 GPU 的成本。

WaveForcing 讓影片不同片段同步去噪，毋須逐段完成才繼續。這套串流影片擴散方法在流水線填滿後，每輪前向運算便輸出一個片段，適合研究連續影片生成的團隊。

Wave Parallelism 讓各張圖形處理器（Graphics Processing Unit，GPU）持有完整模型，分工處理不同片段與去噪階段，而非拆開模型。較嘈雜的新片段可參考較乾淨的舊片段，Wave Runtime（WaveRT）則把資料傳送與運算重疊，減少等待。

• WaveForcing-1.3B 提供 4-step、5-step 權重。
• 推理程式與 WaveRT 已開源。
• 快速開始範例採用八張 GPU，並非單卡配置。

測試環境已驗證 Python 3.12、PyTorch 2.11.0+cu128、SGLang diffusion runtime 及 Hopper GPU。準備測試須下載基礎模型與 WaveForcing 權重。

4-step 版本在八張 H200、832×480 解像度下，連同解碼達每秒 134.8 幀。這個結果展示多卡串流吞吐量，不能當作單卡速度或首幀延遲；硬件成本仍是採用門檻。

項目主頁 · GitHub · 模型

Categories: 開源, 北京大學, AI productions, 模型, 視頻模型, Video, Python, 中國

---

387 篇獨特論文與資源，關於影片生成遇上 Harness

2026 年 11 月 3 日 Share to X Facebook Copy link

想了解 AI 影片生成如何由單次生成走向規劃、互動和持續改進，這份研究索引整理了 387 篇論文與相關資源，並提供三條互補的閱讀路徑。

由創作影片、探索生成世界，到改進生成系統，研究者關心的問題各不相同。Awesome Agentic Video Generation 是一份論文與資源索引，整理 Agent harness 如何連接目標、工具、記憶、回饋與執行流程，協助讀者追蹤 Agentic Video Generation、Agentic World Modeling 和 Recursive Self-Improvement（RSI）相關研究。

三條閱讀路徑分別聚焦影片創作流程、生成世界中的行動與狀態，以及資料整理、模型訓練、評估和改進程序。它們代表不同研究情境，而非能力排名；同一項資源亦可能出現在多條路徑中，387 是去重後的總數。

索引收錄的題目涵蓋從創作簡報規劃影片、生成鏡頭和後期剪輯，到讓代理在生成世界中行動並維持狀態。例如 CutVerse 聚焦媒體後期剪輯的 GUI agents benchmark；CineAGI 探討以 LLM 編排多模態生成及跨場景整合。這些題目讓讀者可以按工作流程或研究問題尋找相關方向，但索引本身不代表每個項目都已證明具備 RSI。

• 創作：查找規劃、素材、鏡頭生成、剪輯與來源追蹤相關研究。
• 互動：追蹤動作條件影片、語意控制、狀態記憶及互動世界評估。
• 改進：了解資料、訓練、評估和 harness 改進如何支援未來的 RSI 研究。
• 延伸閱讀：資源連結通往論文或項目；整理者亦提供貢獻入口，方便提交新資源。

對研究者、影片生成系統開發團隊，以及需要快速掌握相關文獻的讀者，這份索引可作為分類閱讀的起點。它的價值在於整理與導覽，而非提供可直接執行的影片生成工具。

項目主頁 · GitHub

Categories: 開源, Agentic, AI productions, 模型, 多模態模型, 視頻模型, 模型訓練, Video, World-Action Model, 工具, Dataset 數據集

---

Wizard：讓 AI 即時改動遊戲世界與戰鬥規則

2026 年 11 月 2 日 Share to X Facebook Copy link

Wizard 讓玩家用指令改變場景、角色和戰鬥狀態，再即時生成連貫影片。它適合探索互動遊戲原型與可控世界模型的創作方式。

改變地形、召喚敵人，甚至令角色變身，Wizard 都能把這些操作整合到即時遊戲畫面中。這個世界模型項目以代理控制修改遊戲狀態，再由影片生成模型呈現變化，目標是讓互動不只限於移動角色，也能改動環境與戰鬥規則。

使用者可透過按鍵、文字指令或單張畫面控制世界。場景幾何、角色骨架、動作和戰鬥狀態會分開記錄，因此系統可以處理平台升降、地面變形、角色攻擊與受傷等變化；影片生成器則以每秒 24 幀輸出畫面。項目亦稱，展示中的場景和角色都是模型未曾見過的內容。

整個流程分成快速建置和遊戲期間的控制。建置階段會重建場景與角色、配置骨架並整理動作；遊戲期間，代理更新幾何、動作和戰鬥狀態，再交由 Wan2.2-TI2V-5B 生成影片。文字指令會轉成幾何操作程式，戰鬥則由狀態追蹤、攻擊規劃和規則控制器處理。

• 適合想測試可互動遊戲場景、角色動作及戰鬥變化的研究者與創作者。
• 可用文字指令、按鍵或畫面輸入控制世界，也能比較生成影片與場景代理畫面。
• 每秒 24 幀生成，並以兩步去噪處理；項目描述的建置階段少於五分鐘。
• 程式碼尚未公開，現有資料亦未提供下載或使用流程。

Wizard 把可明確追蹤的遊戲狀態與即時影片生成結合，適合探索「能否直接操控世界規則」這類互動設計。它的應用仍受限於目前展示和程式碼尚未開放的狀態，外部使用者暫時難以自行驗證或整合。

項目主頁

Categories: 騰訊, Agentic, AI productions, 模型, 視頻模型, 世界模型, Qwen, Video, Image, 框架, Content Creator, 動畫

---

FrameForge「換場景、不換主角」統一三種影像生成

2026 年 11 月 2 日 Share to X Facebook Copy link

FrameForge 把 HunyuanVideo 1.5 的影片時間帶入影像生成，讓同一套模型處理主體生成、邊緣圖生圖和指令式編輯。

同一張參考圖可以用來保留主體、遵循 Canny 邊緣結構，或按照文字指令改變內容，但三種任務對「要保留多少、要改變多少」的要求並不相同。

FrameForge 是一個「給它一張參考圖，再用文字指示生成或修改圖片」的 AI 研究專案。它的特色是借用影片模型理解畫面變化的能力，來處理靜態圖片。

它用同一個模型處理三種工作：

功能	你提供什麼	可以做什麼
參考主體生成	一張人物、動物或物件的參考圖，加上文字描述	保留主體的辨識特徵，重新生成不同場景，例如把同一隻狗放到海灘上
邊緣圖轉圖片	一張 Canny 邊緣圖，也就是描出物件輪廓的線條圖，加上文字描述	依照既有輪廓、姿勢與構圖生成完整圖片
文字指令修圖	原始圖片，加上修改指令	改變動作、加入物件或轉換風格，例如「把貓的動作改成睡覺」，同時盡量保留其餘內容

這三種功能分別適合「保留是誰／是什麼」、「保留畫面結構」以及「修改指定內容」的需求；不是每次都從文字重新生一張毫無關聯的圖。

技術上有兩個重點：
– MoTE：動態選擇不同的虛擬時間間隔，對應不同程度的畫面變化。
– CoTR：加入一個潛在中間狀態，作為原圖轉換到目標圖的中間路徑。

官方已提供推論程式及模型下載方式，環境需要 Linux、Python 3.10 和支援 CUDA 的 GPU；公開流程以 512 × 512 輸入及輸出圖片、50 次去噪步驟運行，部分模型下載也需要先申請存取權。

注意「同一個模型整合三類圖片工作流程」，可作為評估自建圖像生成／編輯服務的 PoC 起點。官網目前提供的是研究結果與部署入口，不能直接視為已具備完整產品能力。

項目主頁 · GitHub · 模型

Categories: 開源, AI productions, 模型, 模型訓練, Qwen, NVIDIA, Stable Diffusion, Video, Image, 影像模型, Linux, Python, 庫, 中國, LoRA

---

ai-manju-skills 一句故事點子延伸成動漫製作流程

2026 年 11 月 1 日 Share to X Facebook Copy link

由企劃、分集劇本一路寫到分鏡提示詞和發布文案，這套模板把 AI 漫劇製作拆成可逐步推進的工作流程。21 種題材可供選用，但測試覆蓋程度不一，生成內容仍需自行檢查。

由一句故事點子開始，創作者可以逐步整理出企劃、人物與世界設定、分集劇本、分鏡和影片提示詞，再準備封面及發布文案。ai-manju-skills 是一套 AI 漫劇創作模板，針對製作流程中不同階段的內容整理，提供 21 種題材的 SKILL.md，不需要安裝依賴。

流程分成五部分：企劃案、人物與場景等資產提示詞、分集劇本、分集導演手冊，以及發布包。預設規格為 30 集、每集約 4 分鐘和 9:16 直屏，亦可以在故事點子中指定其他設定；篇幅較長的輸出會分批生成，再用「繼續」推進。這讓創作者能逐段修改內容，而不是一次處理整部作品。

模板可貼到 DeepSeek 等聊天工具使用，也支援 Claude Code 和 WorkBuddy。聊天工具的做法是選定題材、貼上完整模板，待模板就緒後再提供故事點子；一部劇建議使用獨立對話，減少不同故事設定混在一起。Claude Code 則可把所需題材資料夾放入 ~/.claude/skills/；使用其他影片工具時，提示詞用 {{Mixed N}} 引用第 N 張參考圖，換工具時需改成相應寫法。

目前版本已在 WorkBuddy 測試；玄幻修仙版曾作實際使用測試，宮斗、宅斗、年代文、系統無限流、總裁甜寵、重生復仇和職場商戰完成安裝檢查或階段試跑，其餘題材尚未逐一測試。模板要求人物和設定保持原創，但生成內容的品質、版權和平台合規仍需創作者自行把關，懸疑刑偵與民俗怪談亦要留意平台規則及 AI 生成標示。

• 21 種題材模板，涵蓋幻想、古代、現代和類型片。
• 由故事企劃延伸至劇本、分鏡提示詞和發布文案。
• 可在聊天工具、Claude Code 或 WorkBuddy 使用，毋須安裝依賴。
• 預設每部 30 集、每集約 4 分鐘，可按故事需要調整。
• 測試並未涵蓋全部題材，發布前須自行核對內容與平台要求。

GitHub

Categories: 開源, AI productions, DeepSeek, Video, 提示詞, 工具, Content Creator, Anthropic, Skill 技能

---

RGB MoCap：把影片動作變成可編輯角色動畫

2026 年 11 月 1 日 Share to X Facebook Copy link

拍一段影片即可重建人體動作，再修正接觸點、套用角色並匯出動畫。

拍攝一段人物影片後，RGB MoCap 會重建人體動作，讓你在 3D 預覽中檢查身體網格與骨骼，再輸出可編輯的人體動畫。這個項目屬於本地運行的 Windows 動作捕捉工具，主要處理由普通影片取得角色動作、修正滑步，以及套用到不同角色格式的工作。

它不只追蹤身體，還提供腳掌和手掌接觸修正，接觸時間可以手動調整；動作可重新套用到 Mixamo FBX、VRM 和 PMX 人形角色，並輸出 FBX，亦可選擇是否連同網格一併匯出。多個 AI 模型的結果能分開保存，方便比較和重做。

安裝需要 Git for Windows、Blender、FFmpeg，以及 ExMR、FlowHMR、GVHMR 等模型運行環境；模型權重和註冊的人體檔案要在 Model Manager 另行準備，部分模型需要帳戶登記和手動下載。MAMMA 與 PromptHMR 屬於可選運行環境，另需 Visual Studio 2022 C++ Build Tools、Windows SDK 和 CUDA Toolkit 12.8；PEAR 則可用於 webcam 或影片中的單人即時身體及手指骨骼預覽。

• AI 處理在本機完成，適合重視素材私隱的 Windows 使用者
• 支援多人重建、動作骨骼預覽和 Multi Cam MoCap 工作流程
• 接觸修正可減少滑步，但仍需人工檢查時間點和追蹤結果
• 角色重定向涵蓋 Mixamo FBX、VRM、PMX，方便接入 3D 製作流程

提供安裝、更新、模型準備和恢復指引，也附有動作捕捉及角色重定向示例。適合視為可本地測試的製作工具，而不是已有完整性能保證的商用捕捉系統；動畫師、VRM／PMX 角色創作者，以及需要把影片動作帶入 Blender 的團隊會較容易受益。

GitHub

Categories: 開源, AI productions, 模型, NVIDIA, API, Video, 工具, Content Creator, 3D, 庫, 動畫, Dataset 數據集

---

h3-motion：沿路徑移動照片主體並重生成影片局部

2026 年 10 月 31 日 Share to X Facebook Copy link

沿路徑移動照片主體，或為影片局部加上遮罩再重新生成；h3-motion 透過自架 ComfyUI 串連影像理解與動畫模型。

想沿路徑移動照片主體，或只重做影片局部，h3-motion 把兩種編輯流程整合在獨立 React app，透過 Comfy SDK 操作自架 ComfyUI。流程只用開放權重模型，不依賴 Comfy Router、合作夥伴節點或封閉 API。

照片流程以 SAM 3.1 選取主體，並可用點擊修整遮罩；Qwen3-VL 描述主體，Qwen Image 2.1 清除主體並補回背景。使用者設定路徑、大小或翻轉後，由 MiniMax H3 透過 Time-to-Move 生成動畫與聲音。

影片可用矩形或橢圓標出範圍，設定 keyframe 路徑或讓遮罩跟隨物件，並加入描述及可選參考圖。H3 重生成遮罩區域後，由 app 合成回原片；原有聲音可保留、參照或替換。

• 照片：主體分割、背景清除，再沿路徑生成動畫。
• 影片：局部遮罩、路徑或物件跟隨，並合成回來源影片。
• 模型串連 SAM 3.1、Qwen3-VL、Qwen Image 2.1 與 MiniMax H3。

需要 NVIDIA 或 AMD GPU、近期 ComfyUI、ComfyUI-vlo 0.3.0 或更新版本，以及 Node.js 22.12 或更新版本；原生 Windows 尚未測試。文件未提供速度或畫質評測，較適合熟悉 ComfyUI、需要精細編輯影像局部的創作者。

GitHub

Categories: 開源, ComfyUI, AI productions, 模型, Qwen, NVIDIA, API, Video, Image, Audio, Content Creator, 動畫, MiniMax

---

HDR mini-skill 讓 AI 片由 SDR 轉為 HDR

2026 年 10 月 31 日 Share to X Facebook Copy link

纯 ffmpeg + 自己生成的 3D LUT，不依赖 zscale / libplacebo / drawtext（Homebrew 的 ffmpeg 常常没带）。

把普通（SDR）視頻或其中一段，轉成 10-bit HEVC / HLG / BT.2020 的 HDR 文件：在 HDR 屏幕上，雲、太陽、水面反光、 金屬高光會“發光”。還能做左右對比：同一個文件里左邊 SDR、右邊 HDR。

• 輸出 HLG HDR、10-bit HEVC 及 SDR/HDR 對比片。
• 效果取決於素材。 米色卡片、文字、PPT 這類畫面轉成 HDR 只是把“紙”變亮，不適合。
• 只有在 HDR 屏（Mac XDR、iPhone）上用 QuickTime 才有效果；普通播放器里會發灰、紅偏橙，這是正常的。
• 原片已經是 HDR 的，腳本會拒絕（退出碼 2）。
• 沒在真正的 HDR 屏上做過觀感驗證，也沒驗證過上傳各平台後是否保持 HDR；詳見 SKILL.md 末尾“已驗證 / 沒驗證”。

GitHub

Categories: 開源, 文字轉語音, AI productions, 數字人, 模型, Video, 框架, 工具, Content Creator, 3D, 庫, 語音, Anthropic, MiniMax, Skill 技能, LoRA

---