用 Wan 2.2 把电影压成 1MB 再重建
Willsolo · reddit · 2026-07-19
作者把电影压缩到不到 1MB 的文本后，再用 Wan 2.2 重建成带声音的视频。
流程
- 用 PySceneDetect 将影片切成约 2,000 个镜头
- 用 Gemini Flash-Lite 基于每个镜头抽取的 8 帧，生成约 100 词的结构化描述
- 文本再用 xz 压缩到约 320KB
- 逐镜头送入自托管的 Wan 2.2 TI2V-5B 在 RunPod A6000 上生成画面
- 音频由 MMAudio（音效）+ MusicGen（配乐）生成，台词用 ElevenLabs TTS 按原时间戳补回
主要难点
- 角色一致性最难：因为每个镜头独立生成，所以作者把角色描述做聚类后注入提示词
- 对于超过 5 秒的镜头，采用“上一帧到下一帧”的链式生成
成本与资料
- 估算每部电影约 $30
- 还提供了更详细的案例、成本对比、写作链接和 GitHub 代码仓库
作者也在征求反馈。
「编程与Agent」频道最新
- 把一切接入 Dot:达人分享突破 ChatGPT 订阅额度限制的用法 — teortaxesTex · 2026-10-27
- UCSB 教授王骁连获三笔超 18 万美元资助，推进实用高效主动式 AI Agent — xwang_lk · 2026-10-27
- 开发者观点：生成式游戏不必实时渲染，回合制交互同样可行 — djcows · 2026-10-27
- 用 Claude 三周重制《街霸2》HD，token 花了 3000 美元 — Fantastic-Jeweler781 · 2026-10-27
- 求职作品集反向工程法：先用 Agent 调研面试官，再定作品要传达的一两个亮点 — brandon_galang · 2026-10-27
- 给 AI 一台无隐私裸机 24/7 放养：比任何 agent 课程学得都多 — EXM7777 · 2026-10-27