开源 Stem Studio:把 AI 视频音轨拆成可编辑分层
eraiozei · reddit · 2026-10-31
作者为 #OpenSourceHiggsfield 比赛开发了 Stem Studio，解决 AI 视频的痛点：即使用户要求静音，生成场景仍常带配乐。工具可在音轨中分离对白、音乐、音效为可编辑图层，定向提取声音，并用波形时间线编辑对比，最终导出单独音轨或替换配乐后的视频。
- 基于自己的 ComfyUI 实例运行，提供 Windows 桌面应用和 ComfyUI 节点包两种形态
- 演示视频的生成用了 Minimax H3，TTS 用 Omnivoice 声音克隆
- 代码在 GitHub 开源，作者称更完整的深度教程即将发布
「多模态」频道最新
- NVIDIA 开源 9.6M 参数语音降噪模型，可去背景噪声与回声 — NVIDIAAI · 2026-10-31
- AI 生成《恐龙危机》1999 年电影版假想预告,复古质感以假乱真 — noizlab_studio · 2026-10-31
- ColmapView 开源 Spatial Hub:聚合近 5000 个公开空间数据集 — janusch_patas · 2026-10-31
- 单张图片生成无限穿行视频,再转成可行走 3D 高斯泼溅场景 — XRarchitect · 2026-10-31
- AI 重制《X 特遣队》小丑变说唱歌手,魔性MV质感引围观 — Silver_War5476 · 2026-10-31
- 社区整理 60+ 个 ChatGPT「斜杠风格词」:一词唤出整套视觉风格 — heyshrutimishra · 2026-10-31