同行已哭晕！@Manus，这样的视频你做得出来吗？

最新推荐文章于 2025-06-03 19:46:31 发布

数字罗塞塔计划

最新推荐文章于 2025-06-03 19:46:31 发布

阅读量997

点赞数 8

文章标签：音视频档案文明大数据人工智能

本文链接：https://blog.youkuaiyun.com/weixin_56245650/article/details/146093589

版权

关注我们 - 数字罗塞塔计划 -

PART.01

创作背景及思路

随着DeepSeek的横空出世，AIGC（Artificial Intelligence in Generation of Content，人工智能生成内容）概念又被推向了新一轮的高潮。相对于静态的图文阅读，动态的微视频在新媒体平台的传播力和影响力更大，以此同时，当下长短视频创作需求攀升，创作者面临周期紧、成本高、创意受限难题，需要通过各种途径在网上搜集素材，去现实场景中拍摄，以及设计师的后期制作，耗时耗力，借助AIGC技术辅助创作者降本增效，快速获得市场竞争优势已经是必然的选择。

将AIGC用于微视频制作本号也已经探索了将近一年，在去年的两篇文章《大运河申遗十周年，AI科技再现千年繁华》和《AIGC赋能红色档案微视频制作实践》中，我们已经发布过利用AIGC技术辅助制作而成的微视频成果。特别是在后一篇文章中，详细介绍了如何利用AIGC技术一步步通过“文生图、图生图、图生视频”的方式，尝试制作红色档案微视频《人民音乐家冼星海》的过程。

微视频

详细视频请在公众号文章中观看

随着AI技术的飞速发展，上面这个视频在今天看来已经有很多可以改进的地方，在本文中我们就将介绍以更加优化的方式制作本号文章《赤道南北两总星图：星汉灿烂，中西合璧》的介绍微视频，生动还原“两总星图”的创作过程。

PART.02

软硬件设备及工具

与上期AIGC制作的视频所不同的是，此次我们采用了免费开源、且对设备要求不高（本地只需8G显存），1分钟内就能产出4-8秒左右视频的快速制作方法。这种方法优势明显，不仅能够大幅提升效率，快速生成内容，实现流程自动化，还能激发创意，打造独特的视觉效果，满足个性化创作需求。同时，还能减少人力和设备投入，降低创作门槛，让更多人有机会参与到视频创作中来。

01、AIGC平台及工具

此次工具的选择主要遵循“开源、免费、快速、简单易上手”的原则。

· LLM模型：DeepSeek，通义千问，豆包等；

· 图像模型：ComfyUI的Flux.1；

· 视频模型：LTX-Video；

· 插件：Stable Diffusion的Deforum；

· 配音&剪辑：剪映。

02、设备配置

普通PC机即可，本地只需8G显存！

PART.03

制作步骤

01、AI提炼总结文章并生成视频分镜

首先，将文章通过大语言模型处理生成视频脚本，大语言模型不需要本地搭建，直接使用在线免费的如DeepSeek、通义千问、豆包等模型即可。

示例

将文章交给DeepSeek并输入指令：

“帮我把这个文档改写成一个时长2-3分钟的分镜脚本，脚本结构包括序号、景别、风格、画面内容、镜头时长、镜头运动、台词。用表格的形式列出来。”

AI快速根据源文档生成了一份适合制作视频的分镜脚本：

AI生成视频分镜脚本

02、AI根据分镜脚本生成图片

视频采用“先通过文生图，再用图生视频”的方式制作，之所以不直接通过脚本生成视频，主要在于AI文生视频的随机性强、可控性较差。

“文生图”可以采用在线或本地运行两种方法，在线方式更便捷，本地运行更灵活，两者可以结合使用。

方法一：

使用在线平台通过AI生成需要的图片

主流的AI平台大多提供免费的“文生图”服务，直接在线使用即可。由于视频中有大量中国古代元素的人物、建筑，国产模型相较于国外模型更合适。

示例

以豆包的文生图为例，输入指令：

“帮我生成图片：图片风格为「电影写真」场景是一个远景，中国明朝皇帝身穿黄色龙袍，在皇宫里欣赏一副屏风，屏风由8块组成。傍边有侍女跟众多文武大臣，画面从背面看去。比例「16:9」”

AI根据这些提示词生成相应图片。

AI根据提示词生成图片

AI生成图片效果

方法二：

通过本地搭建环境，使用AI来写提示词，再到开源的Flux.1中去生成图片

Flux.1是由Black Forest Labs开发的前沿AI图像生成模型，由Stability AI前核心成员主导开发。这个模型在细节丰富度、风格多样性和文本理解能力上表现出色，能生成高质量的图像，某些方面甚至能和Midjourney等知名模型相媲美。Flux模型有3个，分别是Flux Pro、Flux Dev、Flux Schnell，目前ComfyUI已支持该模型，更新到最新版就能使用。

示例

先通过大语言模型生成英文提示词，如与DeepSeek对话：

“为图片生成器制作详细的提示语。当我提供一个描述时，将其转换为能体现电影般品质的提示语，重点关注场景、风格、氛围、灯光和具体的视觉细节。确保提示语能够营造一种丰富且沉浸式的氛围，突出纹理、深度和真实感。保持用词精准又富有描述性，直接可用，旨在实现高质量且具有电影风格的效果，提示词用英文给我，了解回复收到即可。”

简单描述需求后，AI会自动生成提示词。之后在ComfyUI中使用官方的文生图工作流，把提示词写入文本编码器就能生成图片。

AI生成英文提示词

模型根据英文提示词生成图片

通过上述两种方法，生成视频分镜所需的所有图片素材：

AI生成所有分镜所需的图片素材

03、AI通过图片生成视频

接下来，便到了本文介绍的重点——LTX - Video，这是由Lightricks公司推出的开源AI视频生成模型，基于Diffusion Transformer（DiT）架构，能实时生成高品质视频。它支持文本到视频以及图像到视频的转换，短时间内就能产出高质量内容，并且其最大优势就是生成速度快。

LTX - Video对提示词的要求较为严格，要是生成的视频和创作者预期有偏差，比如画面重点不突出、场景元素缺失，可以通过反推提示词，能精准找到需要调整和补充的关键信息，优化视频内容。而人工写提示词既繁琐又不符合本文追求的“增效”原则。我们可以在ComfyUI工作流中引入DeepSeek大语言模型。让AI根据图片反推提示词，得到相关描述后，再用图片加提示词的方式生成视频。我们只需在节点中简单描述想要的运镜动画和人物动作，LTX - Video就能快速生成视频。