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
- Kernel 接入 Stripe Link：浏览器 Agent 一行 API 即可安全付款 — jeff_weinstein · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 用 GPT-6 Astra 加 Hyper3D MCP 免建模做 3D 落地页 — FellMentKE · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Codex 用户实测：Sol 搭配 Astra/Luna 子代理更省额度 — pvncher · 2026-09-11
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11