全本地开源模型做出 10 分钟动画剧集，单集仅需约 4 GPU 小时
Zangetsu__0 · reddit · 2026-10-26
作者用全开源权重模型在单张 AMD MI300X（ROCm + ComfyUI）上制作了约 10 分钟一集的 2.5D 动画传记（讲印度圣人 Valmiki），零付费 API，Mac 负责 upscale 和音频。
工作流
- Qwen-Image 生成角色各年龄段的定妆照，prompt 中逐字重复固定身份描述行；不用 Qwen-Edit 链式生成（会漂移）
- 分镜静帧：Lightning LoRA 8 步出景，角色用 Qwen-Image-Edit + 定妆照；群像只用文本并写明「不同面孔」防脸串
- Wan 2.x I2V（4 步 Lightning）：7 秒镜头约 4 分钟出片（原需 45-60 分钟），以与静帧的清晰度对比为门槛
- InfiniteTalk（4 步）只做特写口型同步
- AI4Bharat Indic Parler-TTS 配音（Mini 版；Large 在 ROCm 下有噪声），混音前统一 -16 LUFS
- ACE-Step 1.5 配乐，压低 10-12 dB
- Real-ESRGAN x2 + Blender 深度视差收尾
踩坑教训
- 正向 prompt 里的否定词会被画出来（「没有人、没有电线杆」导致 7 张里 6 张出现），排除内容只放负面 prompt
- InfiniteTalk 会让画面里所有脸都动嘴，多人群像不能直接对口型，要改用无口型远景+说话者特写
- 480p 放大毁眼睛，必须原生 720p 再 ESRGAN x2
- 静帧裁切别超过 1.5x；文化元素要具体描述（否则「古城」出莫卧儿穹顶）
- 单卡跑两个 ComfyUI 只快 10-20%，瓶颈是 RAM
现在每集约需 3.5-4 GPU 小时。
「编程与Agent」频道最新
- 语音输入让 prompt 更长更丰富,但模型仍难捕捉长口语中的细节 — Suspicious_Orchid770 · 2026-10-26
- 印度语音 Agent 报价每分钟仅 2 卢比，欧盟开发者直呼看不懂 — Relative-Ad2665 · 2026-10-26
- 开发者实测：Anthropic API 搭配 Cloudflare Chat Agent 自建 harness 体验极佳 — TejasKumar_ · 2026-10-26
- SpaceX AI 工程师方法论:把缺失上下文写成 skill,单月 1000 个 PR — nikola_mr64990 · 2026-10-26
- 智能电视广告与追踪太烦?博主称用 Claude Code 15 分钟搞定 — alex_verem · 2026-10-26
- DeepMind 工程师演示 Gemini Managed Agents：一次 API 调用跑云端编码智能体 — AI Engineer · 2026-10-26