MiniMax 图生视频新玩法：结合 fl2va 与 ref2va 实现声音克隆
spiderofmars · reddit · 2026-08-14
作者分享了在 MiniMax 图生视频工作流中，意外发现可以使用 fl2va 和 ref2va 模型实现声音克隆的方法。
- 工作流设置：在 ref2va 节点中输入首帧参考图和音频样本，即可克隆声音并生成新对白。
- 模型对比：fl2va 模型的音质更好且动作自然；ref2va 模型音质较差，但会自发增加额外的镜头运动（如模拟车内视角的晃动）。
- 效果评估：作者认为声音相似度可达 95%，但发现克隆出的声音在情感表达上不如模型随机生成的声音丰富。
「多模态」频道最新
- HeyGen 解释 Video 1 生成速度背后的技术细节 — HeyGen · 2026-10-16
- 博主用 ElevenCreative Recast 把弟弟「换进」电影预告片名场面 — HeyAmit_ · 2026-10-16
- 蚂蚁联合清华开源 Realtime-Venus:实时多模态 Agent 替代 OpenAI Realtime API — aigclink · 2026-10-16
- Flux 3 Klein 实测:信息图排版能力惊艳,开膛手杰克悬赏海报以假乱真 — JadedScorpion · 2026-10-16
- meloform 技术拆解:可微分电路学 1022 个正弦系数复现人声 — henloitsjoyce · 2026-10-16
- 纪录片导演安利 AI 影片《You Can See Everything》 — kyliebytes · 2026-10-16