实现 Minimax H3 模型无缝对口型视频生成
stonyleinchen · reddit · 2026-08-15
作者发布 ComfyUI 工作流更新，通过“逐 Token 噪声掩码”技术在音视频潜在空间实现无缝对口型。该方法优于基于引导/参考的传统方案，不仅能从第 0 步实现强收敛，且速度更快（不扩展潜在空间）。它将音轨固定在潜在空间而非作为参考，从而保护其免受去噪影响，即使使用 FL 模型也能完美对口型。
「多模态」频道最新
- AI 重制版《霹雳游侠》走红,马斯克与 Lex Fridman 担纲主演 — bennash · 2026-10-16
- ImageNet 该退休了:ImageNet 与文生图方法排名相关性为负 — YouJiacheng · 2026-10-16
- 开源 anatomy-reveal skill:把 Claude 变成产品拆解动画工作室 — msharmas · 2026-10-16
- 实测结论:Flux 3 Klein 不如上一代,Base 版被评「几乎不可用」 — Both-Rub5248 · 2026-10-16
- 中科大团队提出 Speculative Sampling，交互式视频生成延迟大降 — ustc · 2026-10-16
- 80万 Gaussian Splat 跑在 WebGPU，a16z 合伙人称可近无限扩展 — generativist · 2026-10-16