全程本地跑通 AI 音乐视频:LongCat-Video-Avatar 1.5 在 5090 上生成口型MV
ConcentrateDeepTrans · reddit · 2026-10-29
Reddit 用户分享了为自己歌曲《Impossible Task》(赛博朋克风格,主题关于 AI agent 对不可能任务进行 reward hacking,灵感来自 METR 报告)制作完整 3 分钟 MV 的工作流:
- 歌手表演与头部动作:LongCat-Video-Avatar 1.5 的 plate-follow 模式,本地 RTX 5090 运行,INT8 DiT + bf16 蒸馏 LoRA,8 步采样,SageAttention,T5 卸载到 CPU 以塞进显存,480p/25fps 后期放大
- 口型同步:LongCat 嘴部牙齿效果诡异,叠加 Sync Labs sync-3(闭源,每段约 1 美元)
- 校准:Sync 3 输出平均提前 63-87ms,用 SyncNet 逐镜头测量并偏移,最终全部对齐到人声 3ms 以内
- 文字、终端图形与特效在后期制作并对齐节拍
成品 1080p 已发布,作者欢迎询问参数设置。
「多模态」频道最新
- JHU与Adobe开源纹理融合系统：多视角渲染图整合为单一无缝纹理 — ssh4net · 2026-10-29
- Farza 团队用 Sol 6.1 实时生成界面图形：AI 有了「无对话」视觉交互 — Signalman23 · 2026-10-29
- 网友 vibe coding 出本地多角色有声书生成器，Opus 却拒写爬虫 — SwimmerJazzlike · 2026-10-29
- LudovicCreator 晒「黑与绿」风格 AI 人像,赛博荧光感出圈 — LudovicCreator · 2026-10-29
- Kimi 写词 + YuE2 作曲:开源管线复刻 80 年代电视插曲 — Robonotes1760 · 2026-10-29
- 从业者直言：AI 端到端剪视频纯属吹牛，逐帧控制仍不可替代 — juliey4 · 2026-10-29