全开源本地复刻 80 年代功夫片:单卡 4090 零次重生成成片
Important-Apple7422 · reddit · 2026-11-18
Reddit 用户为了怀旧 80/90 年代功夫片,用全开源、全本地模型栈自制了一部《DRUNKEN TOFU FIST》短片,零次重新生成即达到成片效果:
- 关键帧:Qwen Image 2.1(int8)+ Qwen3-VL 8B 文本编码器,用参考图保持角色跨镜头一致
- 视频+音频:MiniMax H3(图生视频,原生同步音频,int8)配 Pika H3 Flex LoRA 和 Qwen3-VL 32B 文本编码器,单个模型生成画面、普通话口型同步、配音与音乐
- QA:Gemma 4 E2B 转录每段生成片段与配音,校验台词是否正确
- 运行环境:ComfyUI 0.45.5,单张 RTX 4090(24GB),无云、无 API 费用
作者附完整教程链接。展示了当前开源视频生成栈在本地 24GB 显存上的实际能力上限。
「多模态」频道最新
- Suno 推出 Visuals 功能,AI 音乐自动配 AI 生成的画面与视频 — The Decoder · 2026-11-18
- AURA 2.0 发布:流式视频模型学会主动开口说话并调用工具 — Shuhan Li · 2026-11-18
- 像素修女跑动动画实战:用视频模型抽帧解决滑步难题 — Reyan999 · 2026-11-18
- 反其道的黑五营销:同一只马克杯,三张照片卖 4/18/80 美元 — LudovicCreator · 2026-11-18
- Midjourney 风格码 sref 3859897744 实测:厚涂插画感拉满 — sergeantsref · 2026-11-18
- 用两张低质参考图五分钟出电影级画面,Minimax-Image 实测惊艳 — GrungeWerX · 2026-11-18