AI 全分类/多模态创作
ONBALLS / TOPIC DOSSIER

多模态创作

从创意、素材到最终作品，理解多模态制作中的工具与选择。

读内容→选工具→继续讨论
01

最终作品要满足哪些规格？

02

素材与使用范围是否清楚？

03

生成、编辑与检查怎样衔接？

从原始来源继续读

X 收藏与一手资料，保留原始日期和阅读范围。

82 条精选
图像与视频近期动态

Topview T1 视频模型：对标 Seedance 2.5，成本降 62%

Topview 自研视频模型 T1 上线，官方称在 1080P 画质上对标 Seedance 2.5；gkxspace 概括：1080P 成本降 62%，支持单次 30 秒镜头、50 个参考素材和多语言台词字幕，Ultra 年费会员另有权益（节选截断）。servasyy 称同一提示词做出的视频与 Seedance 2.5 几乎一样。

X 帖子
@gkxspace
阅读导读
图像与视频近期动态

蚂蚁 Ming-3.0 语音系列开源：0.5B TTS 登榜

蚂蚁百灵开源 Ming-3.0 语音系列共 5 款模型（TTS、音频理解、ASR），MIT 许可。Artificial Analysis 称其 0.5B 的 Ming-3.0-tts 为可控语音榜开源权重第一；转述称它的发音稳健度 93.2%，与 31 个模型并列第一，高于 Eleven v4 的 91.7%，并支持语音克隆。

X 帖子
@stargridcompass
阅读导读
图像与视频近期动态

HyperFrames：用代码复刻一位博主的 10 分钟视频

一条视频展示了 HyperFrames 的 code-to-video：复刻某位知识博主（小Lin说）一个片段，再完整复刻 10 分钟，最后创作她没讲过的新题目《一口气了解泰国经济》，时长 9 分 34 秒。多位观众先以为是原片，看到说明才知道是 AI；也有人担心专业内容出品被模型取代，另有人认为这是『分发时代』的营销案例。

X 帖子
@rwayne
阅读导读
图像与视频近期动态

Viggle JST-2：在 3D 空间里学习的世界模型

Viggle 发布 JST-2，称是首个全栈、物理原生的世界基础模型：不在像素或视频空间学习，而是把整套模型建在 3D 中，数秒生成 3D 场景并可继续扩展。有开发者称一张图可直出带骨骼和动作的 3D 人物，并用它加 Opus 5.5 一天做出浏览器 3D 格斗游戏。

X 帖子
@gorden_sun
阅读导读
设计与演示观点观察

DHH 嫌国产软件粗糙：功能易抄，打磨难抄

DHH 说他尊重中国的 AI 模型与硬件，却不解为何多数软件仍很粗糙，举了微信、支付宝、HarmonyOS。中文开发者反应分化：okooo5km 称见过抄袭 Zipic 的 App，功能几乎一致但界面没对齐、文字被截断，『功能很快能抄，剩下的十里在打磨』；也有人说十亿用户的软件很难不显杂。

X 帖子
@okooo5km
阅读导读
图像与视频观点观察

AI 短剧：工具已成熟，行业利润却在变薄

开源工具 Toonflow 被称可把小说或剧本一路生成分镜、角色和视频，转述称两小时、成本约 120～130 元做出一部 AI 短剧；《持械入宋》在红果走红，观众称人物对话场景有张力。另一边，做短剧出海的创业者称国内红果一家独大，制作与发行的利润已很薄，有人说『这行快没了』。

X 帖子
@bkdgiffug
阅读导读
图像与视频近期动态

OpenAI 疑似在测新图像模型：aurora 三色

多位用户称，OpenAI API 上周末短暂出现 aurora-red、aurora-green、aurora-blue 三个 alpha 模型后被撤下，随后在 Arena 盲测中开始出图：red 出图快但质量低，green 慢但质量好，blue 暂无人测到。有人猜是 GPT-Image-3，目前无文档、无定价。

X 帖子
@BlockInsight214
阅读导读
设计与演示资源入口

开源着色器库 Shaders：200 多种网页特效组件

GitHub 开源项目 shaders 把流体渐变、液态金属、光标粒子等 200 多种动态着色器打包成可直接调用的前端组件（转述星标约 5.2k），涵盖流体、光学折射、环境光与复古介质，可在浏览器里直接试玩。ianneo_ai 称它能让产品官网看起来更『贵』。

X 帖子
@ianneo_ai
阅读导读
图像与视频资源入口

用 Claude Code 做知识讲解视频：平台活动与工具清单

369serena 称抖音有『Vibe 知识大赏』、小红书有『AI 替我说』活动，靠代码生成的知识讲解视频正在变多，并推荐 5 个可装进 Claude Code 的视频 GitHub skill，其中 huashu-art-motion 有 35 种艺术风格及白板、Vox、3Blue1Brown 类风格。dashiaixz 分享了他用 Opus 5.5、Extra 推理强度、15 秒视觉参考加 TTS 旁白的做法。

X 帖子
@369serena
阅读导读
图像与视频案例记录

Malfoid：用 AI 做的女版马尔福同人短视频潮

TikTok 上出现 AI 同人趋势 Malfoid（Fem Draco）：把《哈利·波特》的 Draco Malfoy 设为女性，与 Harry 演相爱相杀的短剧。创作者 lansenai 标注用 Midjourney 加 Grok 制作，也有人用 Meta Muse；tanluai 分享了只用图片加提示词的换装转场流程。FinanceYF5 称其让 TikTok 上对 AI 的负面情绪有所转向，属个人判断。

X 帖子
@lansenai
阅读导读
图像与视频近期动态

可灵 4.0 上线：官方支持 MCP 与 CLI

快手可灵 4.0（Kling 4.0）上线。GeekCatX 翻更新日志后称，真正的变化不是画质，而是官方直接支持 MCP 和 CLI，让 Agent 能调用生成流程，不必再在网页端复制提示词『抽卡』。Magnific 等平台也在发布 Kling 4.0 的演示片。

X 帖子
@GeekCatX
阅读导读
图像与视频方法阅读

用 Claude 剪视频：三种做法和各自的成本感受

三位创作者分享让 Claude 参与视频后期：longchennotes 用 Claude Code 通过 Renoise 的 MCP 查余额、报价、生成 3 个镜头和 2 张图，再在云端沙盒写代码剪完 26 秒片；bozhou_ai 先和 Claude 聊出逐字稿、自己录口播，再让它剪，5 分钟视频用掉 20 美元套餐 5 小时额度的 23%；wangray 称简单口播可全交给 AI，深度视频也能由 Opus 完成八成以上的杂活。

X 帖子
@longchennotes
阅读导读
图像与视频资源入口

earshot：给编码 agent 装上『耳朵』

开源库 earshot 让编码 agent『听得见』：在本机用 CPU 处理音频，输出文字说明、声学特征、相似度以及出现的时间点，可检查点击声与按钮画面是否对齐，也能用代码合成并迭代音效。需要 Python 3.10+ 和 FFmpeg，首次下载约 1.1GB 模型。

X 帖子
@LinearUncle
阅读导读
图像与视频资源入口

srt-whiteboard-animation：把字幕变成手绘白板视频

开源技能包 srt-whiteboard-animation 把 SRT 字幕做成米黄色纸张底的手绘白板视频：按 25 到 35 秒一幕拆场景出分镜，生成线稿，画面元素按字幕顺序逐个出现，先勾线再填色，最终输出 MP4；每完成一步都会暂停等人确认，并带浏览器预览台。

X 帖子
@GitHub_Daily
阅读导读
图像与视频案例记录

Sac 开源《小王子》AI 3D 游戏的制作流程

Sac（@Saccc_c）把他做 AI 3D 游戏《小王子》的流程开源。xingbugengming 称很多 3D 项目都能按此跑通，关键是耐心；他自己用 Codex 加 5 小时限额摸索了约两周才得到类似工作流。也有人夸其画面干净、有童话感，说明审美与剧情设计同样重要。

X 帖子
@xingbugengming
阅读导读
图像与视频资源入口

Scenario 开源 Blender 插件，可由 Claude Code 驱动

AI 游戏美术平台 Scenario 开源了面向 Blender 的插件，称是『一整支 3D 团队』：可在 Blender 里直接用，或通过 MCP 让 Claude Code 掌舵，含概念设计、从提示词出概念图、参考图等模块。中文转述称 v0.11.0 要求 Blender 5.0+，支持图像、视频、3D、PBR 材质、音频与环境生成，带本地 MCP 服务器。

X 帖子
@scenario_gg
阅读导读
设计与演示方法阅读

山海经异兽吉祥物：用『统一物种』做角色系列

VoxcatAI 做了一套『山海经异兽 × 互联网 meme 怪萌吉祥物』角色系统，规则之一是先统一物种再做角色：固定圆囊身体、六条短腿和四只小翅膀，把角色的发型、服装和配饰转译成冠饰、色块和纹样，兼顾识别度与系列统一感；风格为磨砂软胶 3D。

X 帖子
@VoxcatAI
阅读导读
图像与视频案例记录

『古人说唱对决』AI 视频：Claude Code 当导演，skill 已开源

DDJCXX 复刻了『古人说唱对决』AI 视频（周瑜对诸葛亮）：让 Claude Code 担任导演，负责拆解原片镜头、写歌词和分镜、批量出图出视频并自动核对口型；歌曲用 Suno，画面用 MiniMax H3，花了约 16 美元，踩坑最多的是对口型。他随后开源 skill，称在 Claude Code 里说一句『做一期 曹操 vs 刘备』即可走完整条流程。

X 帖子
@DDJCXX
阅读导读
图像与视频近期动态

HeyGen Voice：为视频打造的语音模型，自称榜单第一

HeyGen 发布 HeyGen Voice，称这是首个为视频打造的语音模型，在 Artificial Analysis 排名第一：按你的稿子、你的声音、你的节奏表演，并适应场景的声学环境。其盲测把同一声音放进 50 种场景，『声音与画面是否匹配』的环境契合度：对 Cartesia 73%、ElevenLabs v4 70%、Seedance 2.5 65%。

X 帖子
@heygen
阅读导读
图像与视频方法阅读

AI 讲解视频的 8 次翻车：几条可复用的教训

AI_DVD6 总结自己用 AI 做讲解视频的 8 次翻车，节选可见三条：X 长文抓不下来、给链接也读不了，最后转成 PDF 让 AI 一页页识别，被截断的部分还得手动补上；20 秒样片节奏像 PPT 闪屏，中文每秒约读 6 个字，画面停留时间必须够旁白念完；第一版配音机器味太重，需要换音色。

X 帖子
@AI_DVD6
阅读导读
图像与视频方法阅读

BrickBench：同时检验积木设计的语义与可搭建性

BrickBench 把文字要求转成积木装配设计，并分别检查有效性、语义匹配和设计质量；任务还要求结构确实可搭建。它把离散零件选择、局部连接和整体结构放在同一环境，适合研究“生成一个像样结果”与“结果可执行”的差别。

研究论文
研究作者 · arXiv
阅读导读
图像与视频方法阅读

讲解视频可以把数字和转折变成动作

花叔用一条制作记录描述讲解员式科普：人物随口播换动作，失败、转折和数字用画面表达，并附上 Skill 仓库。可借用的是让镜头承担解释任务，先标出脚本里哪些信息靠画面更清楚，再设计动作与节奏。

X 收藏
@AlchainHust
阅读导读
图像与视频资源入口

把动效作品与制作提示放在一起阅读

p4n 介绍了一个把动效作品和对应提示或 Skill 并列展示的图库，并说明对创作者署名。这样的入口适合研究“要求怎样写”与“结果怎样呈现”的对应关系，收藏时还应记录所参考的具体片段和希望借用的运动原则。

X 收藏
@p4nthera_
阅读导读
图像与视频方法阅读

先分清哪些要保持，再列出九个机位

John 的人物九宫格提示把身份、服装、背景和光照列为固定项，再逐格指定仰拍、特写、俯视、侧面等机位。它适合作为结构化提示的例子：保持不变的事实先写清，允许变化的镜头参数单独列出，最后检查文字标签。

X 收藏
@johnAGI168
阅读导读
图像与视频方法阅读

动效的层次、错相与节拍怎样写清

雪踏乌云把动效要求整理为图层先后、完整动作链、动量连续、物理受力、统一光源与声画对齐。这个清单适合把“不要像 PPT”改写为可观察的制作要求，例如主体先动、相机稍后跟随，冲击音效对到具体画面。

X 收藏
@Pluvio9yte
阅读导读
图像与视频方法阅读

让相邻镜头共享一个仍在运动的对象

这篇动效方法整理强调画面交接保留对象、运动连续和音效节拍，并提供一镜到底项目入口。它适合作为审片问题：前后画面由什么连接，观众是否看得懂视线移动，转场是在推进解释还是只是在掩盖硬切。

X 收藏
@NFT_Chen
阅读导读

沿着问题继续读

保留资料日期，区分原件、实践与判断。

从一个具体问题开始

这个方向的内容还在整理。先浏览工具与官方入口，也可以从实践中心寻找通用方法。

浏览实践与教程 ↗

相关工具与入口

查看全部
FROM THE TIMELINE

在 X 看见，
在这里继续。

短帖里说清结论，网站里保留步骤、来源与后续更新。

查看 X 摘读
短帖 → 实践程序说“完成”，结果真的完成了吗？讨论 → 比较同一个流程，怎样选择运行方式？线索 → 专题把一次发现，变成可以回查的判断。