新人实测 6 款视频模型做数字人教学视频,无一能完整过关
Warshawski001 · reddit · 2026-11-20
一位公司技术负责人想用 ComfyUI 生成软件培训视频——因本人镜头恐惧、录音不清晰,他希望用参考照片生成 5 秒的"说 Follow Me 后转身走开"数字人片段,并逐一实测了多款视频模型:Veo 3.1 Lite 会加多余手势且台词结巴重复;Omni1.2 Flash 效果最好但完全改变了参考照片的场景;MiniMax H3 保留了场景但台词完全不知所云;Pika H3 Flex 动作更顺滑但像绿幕抠像,且走路时身材缩放异常;Wan 2.2 动画诡异还会蹦跳一下。他尚未找到能同时保人脸、保场景、保台词的方案,正在纠结继续用静图生成还是改用真实录像加角色替换。帖子反映了当前参考图转视频(reference-to-video)在做数字人口播场景下的真实水位:单点能力尚可,三者兼得仍无解。
「多模态」频道最新
- 网友用 MiniMax H3 微调出赛博朋克写实人像,效果惊艳 — seppe0815 · 2026-11-21
- Qwen3 TTS 上线 Together AI:9 种声音、自然语言控语气、10 语言同声 — togethercompute · 2026-11-21
- 3DGS 对比点云渲染效果出色,下一步做碰撞表面重建 — jonstephens85 · 2026-11-21
- AI 视频展示 25+ 名人整形前后对比,被称年度最佳 — evisoft · 2026-11-21
- 受《理解漫画》启发的极简到写实人像过渡动画 demo — round · 2026-11-21
- Midjourney 风格码实拍感演示:蜘蛛侠照片级虚化质感 — sergeantsref · 2026-11-21