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
- Obsidian CEO 开源日常 Claude Skills 配置 — Roger_M_Taylor · 2026-07-20
- GBrain为LLM挑选上下文 — garrytan · 2026-07-20
- 12个Agent实战项目清单 — Roger_M_Taylor · 2026-07-20
- HF 上的 lingbot-video 在热榜 — victor · 2026-07-20
- 用真实代码说服 AI 怀疑者 — alex_verem · 2026-07-20
- MCPgrade给MCP服务器打安全分 — LankyStruggle7605 · 2026-07-20