另一种移除不想移除的东西的方法是简单地添加一个遮罩，例如品红色，覆盖你想移除的物体，并使用此视频作为指南。显存8G+运存32G起，如果低于这个配置，建议使用参数更低的模型，比如Q2,Q3，生成效果质量略低。启动后自动跳转WebUI，上传视频，输入提示词，设置生成视频时长和长度等参数，生成即可。进入工作流后，上传视频，输入提示词，设置生成视频时长和长度等参数，最后运行即可。，下载后，放到ComfyU

Faster Qwen3-TTS 是一个专门为实时语音合成优化的开源工具，它能在普通显卡上实现比原版 Qwen3-TTS 快数倍的推理速度，并支持语音克隆、定制声音和流式生成。提示词可以借助大模型，写出你要表达的情感，比如下面的描述：“体现撒娇稚嫩的萝莉女声，音调偏高且起伏明显，营造出黏人、做作又刻意卖萌的听觉效果”1、语音设计：可以根据文字描述设计声音，比如“温柔女声”“年轻男声”，甚至能创造全

整合一个面部表情编辑与动画生成工具，可以使用一张照片生成各种面部表情动作的表情包图片，还支持一张图加一段参考视频生成视频中的面部表情视频。面部表情精准控制‌：支持对静态照片中的面部表情进行精细编辑，包括点头、摇头、头部旋转、眼睛开合、嘴部动作等，可从示例照片中提取表情并应用到目标图像上 ‌。技术优势‌：采用深度学习算法（如GANs），确保动画流畅自然，硬件要求低，即使CPU也可以运行，但推荐独立显

Wan2.2-S2V 是阿里云开源的一款多模态视频生成模型，该模型专为音频驱动的电影视频生成而设计，其核心功能是通过一张静态图片和一段音频，自动生成电影级质量的数字人视频。上传图像和音频，调节生成时长（生成下的length，16帧为一秒，比如81帧，即生成5秒长度），输入提示词，最后点下方的运行即可。效果逼真‌：生成视频的口型与音频精准同步，面部表情自然，肢体动作流畅，甚至能模拟弹钢琴时手指的细节

视频生成模型的配音‌：该框架还可以与视频生成模型配合使用，为这些模型生成的视频提供配音。这意味着，在自动生成视频的同时，也能自动生成与之匹配的音频，进一步推动自动化内容创作的边界。虚拟现实与增强现实‌：在虚拟现实（VR）和增强现实（AR）应用中，ThinkSound可以生成与用户的交互行为实时匹配的音频效果，提升沉浸感和真实感。ThinkSound 是阿里通义实验室开源的首个音频生成模型，它能够让

比如你给一段配音，它能自动调整视频人物的嘴型，按照配音里的声音说出来，就像真人说话一样自然。简单说就是个让"假人说话像真人"的黑科技，拍视频、做直播的小伙伴用起来特别方便，也可广泛应用于数字人生成领域，自媒体必备神器。解压说明：一键包和模型包分开打包上传，分别下载一键包和模型包，先解压一键包，再下载模型包并复制到一键包目录下，右键->解压到当前文件夹，目录结构参考一键包内文档说明。注意事项：上传参

它支持多种视频生成模型，包括阿里的Wan及其衍生模型、腾讯的Hunyuan Video和LTV Video等，通过简洁易用的网页界面，用户无需深入了解复杂的模型细节，即可轻松生成想要的视频内容。使用和之前发布的Wan2.1以及类似的视频生成软件类似，根据需要，点击最上方的模型列表，切换需要使用的模型，会根据切换的模型自动下载，模型较大，耐心等待下载完成。易用性‌：提供全网页界面，用户无需安装额外软

它囊括了多种视频生成模型，包括阿里的Wan及其衍生模型、腾讯的Hunyuan Video和LTV Video等主流视频生成模型，通过简洁易用的网页界面，用户无需深入了解复杂的模型细节，即可轻松生成想要的视频内容。今天分享的 Wan2GP V11版，基于官方7月30日的V7.5打包，更新Wan2.2图生视频模型，支持首尾帧生成视频。使用和之前发布的Wan2.1以及类似的视频生成软件类似，根据需要，点

个人创作者的“AI工具箱” 短视频/自媒体： 输入文字或图片，一键生成抖音/B站风格的短视频（如旅行Vlog、美食教程），无需拍摄和剪辑。TI2V-5B最低支持8G显存生成（需开启共享显存），I2V-A14B最低支持12G显存生成（需开启共享显存）。产品展示的“动态说明书” 3D商品视频： 生成服装的上身效果、家具的摆放场景，或电子产品的功能演示，提升转化率。Wan2.2 是阿里开源的一款电影级视

前段时间还听说国外的Heygen（一个商业数字人软件，其实就是国人在国外注册的公司）把Heygem告了，由头是Heygem侵权，猜测就是因为Heygem开源了，而且开源的效果媲美Heygen的商业模型，影响Heygen卖钱了（Heygem价格不是一般的贵），这简直是把Heygen整死的节奏啊。当时开源的时候，我就自行摸索按照网上的教程本地搭建Docker，然后一步步搭建完成，但过程太复杂，中间也踩