model video是什么

cds 二点零这个视频模型爆火，咱们来说说它背后的关键人物，就是吴永辉。这个吴永辉是 seed 的 研究负责人，他是二零零一年毕业于南京大学， 之后在 uc riverside 就是 加州大学和滨分校读了计算机的博士，是在二零零八年加入谷歌，一干就是十七年，他从软件工程师一路做到了 google fellow， 就是 谷歌的愿士。 这个谷歌愿士是个什么级别呢？他基本上就是最高的技术级别，在管理的基层上相当于是副总裁。这个谷歌愿士的头衔只授于极少数人，他需要你的技术贡献，不仅仅是塑造了谷歌这家公司，甚至往往还引领了整个计算机科学领域。 所以谷歌愿士就是 l 十这个级别，到现在应该也就几十个人，但是谷歌有超过十八万名员工，所以想要成为谷歌的愿士，就意味着你得处于公司那最顶尖的万分之一。那这个吴永辉，他他为什么能晋升成谷歌的愿士呢？ 一个主要原因就是它作为 leader 彻底重构了谷歌翻译，就是 google translate。 在 二零一六年之前，谷歌翻译它是用的基于词组的统计机器翻译，这个翻译的效果就是很生硬，而且充满了语法的错误。 这个这个吴永辉，他作为第一作者发表了一篇具有里程碑意义的论文叫 google's neural machine translation system， 就是 用神经网络，用 ai 来做翻译，它们的这个系统把翻译的错误率降低了一大半。这个是机器翻译史上的一个重大飞跃， 他让机器翻译的效果开始接近并且超越人类。当然了，在谷歌光写优秀的论文是不够的，你得大规模的部署，要能做出一个支撑全球几十亿用户的系统， 你需要解决延迟的问题，当时的神经网络推理非常慢，所以这个吴永辉他们团队通过创新的工程手段，解决了这个模型他在训练和实时翻译的时候的这个延迟问题。 这样呢，就让全球的用户能够实时的很快的获得高质量的翻译结果。而且除了在翻译之外，他还在通用语音模型，还有 google 自己的大模型 gemlay， 以及从文本创建图像一些重要的项目中，可以说是履历战功吧。 而且呢，他非常高产，发表了很多论文，是过去十年 ai 领域引用率最高的作者之一。 所以这个吴永辉他不仅是 ai 的 科学家，也是系统架构师，这样的人才就很难得，就是既能做前沿的科学发现，也能把它转化成实用的产品。那吴永辉为什么离开了谷歌，加入字节呢？ 这个根据媒体的报道，他是说他想做新的探索，新的工作，这个说法非常的官方啊。 我想字节给他的 offer， 这个钱的方面咱们不清楚，但是显然字节是能给他更多的资源，更高的职位，这样呢，让他有更多的自由度，并且能产生更大的影响力。因为你看一下谷歌，他们在搜索呀，在云呐，在 ai 方面已经占据主导地位了， 所以在谷歌的工作可能主要就是对现有的系统做一些渐进式的改进，但是如果加入字节，就可以从零开始建立世界级的 ai 模型， 所以吴永辉加入了字节以后，他们就做出了 sit down 二点零这个效果非常炸裂，可以生成电影级的视频，而且支持文本啊，图像啊，视频啊，音频啊多模态的输入，还能生成这种多镜头去式的效果，完全像真人在拍 这个 cds 就 一战成名，成了视频生成模型的顶流。当然了，这也是建立在字节的独特的优势之上的，他们的抖音啊， tiktok 啊，有海量的短视频，这就是世界上最好的短视频和音频的训练数据，没有其他的公司有这样的资源， 有这么好的训练数据，再加上经验丰富的领军人物，所以他们开发出领先的模型也是情理之中的。 咱们从吴永辉身上可以看到这种踏踏实实十七年专业能力的积累，从搜索到机器模型到翻译到语音到多模态到视频， 每一步都是在建立在前一步的基础上的啊，所以啊，不要为了一万美元的加薪每年去跳槽，而是去选一个领域去生根，建立自己这个专业知识和能力的壁垒，让你变得不可替代。那样的话呢，你不需要追着机会跑，机会自己就会跑来找你，你觉得呢？

我刚又发现个特斯拉很用心很细节的地方，就大家点开这个玩具箱里的照相屏，在完成拍摄之后，我们点击上方这个添加已默契的表情，细心的车友就会发现，这里面所有的表情 都是特斯拉全部重新重会过的。就跟华为啊，苹果啊，三星啊这些大厂一样，都会有一套自己的专属 emoji 表情。特斯拉竟然会为了一个玩具箱里的一个应用里的一个小功能去单独做这些事情。哇，我觉得真的很用心啊，不过确实没什么用啊，大家别喷我，我只是觉得能在这个事情上花心思的也就只有特斯拉了。再一个，他画的确实还都挺可爱的，仅此而已。好了，我是画渣，关注了解一些可能没什么用的特斯拉用车小知识。

一条视频告诉你，官方的两款外接电池应该怎么选择？左边是一代的经典款，也是目前很多人在用的这一款，右边是官方的最新款，很多人纠结啊，不知道选哪一个，感觉都差不多， 但是有很多人看到他看到新款出来了，赶紧跑去买新款，以为新款很厉害，但我告诉你，新款厉害，但不一定适合你，因为这两款分别是针对不同的 iphone 机型。 左边这一款呢，一代它是只能适配 iphone 十二到十七系列，全系列通用的机型。通用，我们通常指的像苹果十六、十六 pro、 十六 pro max 这种都是通用的，是可以完完全展现出它的功能的。但是像十六 e、 iphone l 这两款呢，是不能够完美适配的，所以说你有通用的，你直接选这个一代，如果你买了最新款的 iphone l， 这个二代外接电池就直接选它，其他的都不用去看。好吧，那我们给大家看一下这个外观的区别，你看 这个一代长度很明显比这个二代短了这么多，是吧？再看一下这个厚度，这个厚度二代又要比一代轻薄很多，所以这个尺寸是完全不一样，买之前一定要做好功课。那接下来我们给大家看一下上机的体验效果，这个真的超级方便，你看， 不需要任何数据线，就这样贴上去，他就连上了双弹窗，电量显示，这里是一个进度，包括呢？你看锁屏状态下，这里又有一个电量进度，他基本上是实时的，你用多少这里就跳多少啊，你看 镜头不会挡到底部贴合刚刚好，不会露边，对吧？而且这么一小块外接电池带出门基本没有什么负担，对吧？你也感觉不到后面还有一块外接电池很轻松。那我们再看一下，这个二代为什么说不能用在通用呢？因为它的尺寸呢，是不匹配的，通用这里是一整个挡住，你没办，没办法吸住， 所以说你有通用机型，你就买一代，如果说你有最新款的 iphone l， 那 么这个二代的 你可以说你没用过，但你千万不能没有，你看我们这样贴上去之后呢，一块二代外接电池，再加这么一个最新款 iphone l， 它们整体的厚度只是相当于一款 iphone 普通 iphone 机型的厚度，非常的轻薄。好吧，那么我相信 看我这条视频呢，你就知道应该怎么选了，这是目前哈官方这两款真正能够给 iphone 增加续航，又能保护电池健康的外接电池充电产品。然后呢，有很多人就是想着啊，官方那个价格太高了，你现在去二手市场买一个，那个 大几百又不划算，好吧，如果说你想要体验一下，但是你希望说用平替的价格体验到官方一比一的功能体验，对吧？你不要不要花太多的钱的话，那么今天我分享的这两款值得你看一下。

用 ai 做的带货视频到底用哪个模型呢？就是很多人就是在这个 vivo 三和这个 c 档四二点零还有这个骚扰二之间，然后选择，如果说图便宜的话就用骚扰二嘛，然后现在的话 c 档四二点零确实比骚扰二强一些，但是如果你想做就是特别质量高的，然后分镜特别多的，那就肯定得用 vivo 三，但是那个效率的话肯定就上不去。 就像有些专门做店铺，你比如说你想出一些比较质量高的这个带货视频的话，我建议你用 vivo 三点一，然后如果你是这个团队专门做短视频带货的，我建议你用 c 档三点零，因为只要是做短视频带货的， 就是质量可以了。质量怎么说呢？质量这个东西就是，呃，只要不被封号说的过去就行，但是数量一定得上来，就经过我们测试啊，数量它大概就是大于质量的， 除非你找到就是个别，就是能什么爆款的模型啊，呃，或者说案例你能就是一直做爆，正常的话还是我们就你如果是去招员工做的话，他肯定不可能每个人做的就是都特别好，对不对？所以说还是数量比较重要。所以说如果是你是专门做短视频带货的团队，你就用三二点零，然后如果你想做几个精品账号，然后你就用 vivo 三，如果是专门做店铺的，我建议你们就用 vivo 三点一， 然后还有还有就是关于 vivo 二这个问题啊，我觉得未来的这个短视频模型 vivo 二一定会被淘汰。为什么？因为现在欧盟 ai 已经停止了对 vivo 的 研发， 然后谷歌，只要我感觉谷歌只要再就是更新一次这个模型，一定就将来再做视频就会很简单。所以说大家对于模型上面不要就是太焦虑，就是将来的话，你就现在最大的问题还有一个问题是什么呢？就会造成一个局面，就什么 就会官方算力不足，什么电力不足，算力不足然后就会卡顿延迟，这个就是他现在最大的问题，我觉得这个问题应该在未来的一一年应该就会解决，只要有多几个替代模型出现，到时候这些问题就会被解决。

yo what up！ 三分钟教你做出这条超一百万人看过的情人节短片！ let's drop that shit！ okay！ 首先一共是三个镜头，首尾相接，生成完整视频，可以看到画面里有水泥地、鸽子，还有地上的碎片和一些白色胶水。 点击左侧图像生成器，选择自己喜欢的模型，输入提示词，这里我想要纯俯拍的镜头，灰色混凝土地面以及整体呈现极度真实的实拍风格。 根据镜头角度、色调、细节以及风格构图的结构进行描述。点击深层，将深层出来的图片基本都不会差异太大。 ok， 下一步到 b 站找找鸽子的参考，找一些鸽子站着的 pose， 这几张还行，拿出刚才生成好的背景和参考的 pose， 点击生成器，从画布依次选择一般垫两张图时模型内容和内容，把背景限制写在开头，可强制提高图一权重，确保背景一致性。 接下来再写鸽子的材质和细节。最后是镜头拍摄角度和景别， 背景几乎都很好的保持了一致啊，但是鸽子的姿势还是得抽卡，我觉得这样最好看。接着重复之前的步骤，这里也是一样，开头先写背景限制， 点击生成，基本都是我想要的效果。选一张优化一下，这里有个擦除功能，比如选中这些多余的碎片，点击擦除， boom 一下子就没了。 ok！ 同样的方法生成最后一个镜头， 这里有个神奇的功能，按住键盘， ctrl 键 point 键输入，改成 love 字样。 哇哦， crazy！ 终于做好了三个镜头了。接下来还是左工具栏视频生成器对应选中首尾帧， 视频提词的逻辑也是大差不差的，先固定好拍摄角度，然后再形容具体的动效，选择想要的模型生成就完事了。视频可以多抽抽卡，抽到自己觉得最自然的那一版为止。重复上述步骤， 提示词需要可以暂停慢慢看哟，那么一条完整的成片就诞生啦！

l t x 二点三呢发布了，这个呢无疑是开源视频生成领域又一个重大的里程碑。二点三比之前的二点零模型呢，它的视频参数从原来的十九 b 提升到了二十二 b， 它可以更好地支持九比十六的竖屏视频。 并且呢拥有更加清晰的声音，更加稳定的图像，到视频的转换，更加智能的提示词的理解， 以及更加清晰的文本渲染。与之前的二点零版本来讲，它最大的问题依然是模型比较臃肿。在开源社区里边，有各种各样的应用方案，帮助视频的创作者用更少的显存， 更短的时间来创作质量更高的视频。那在这个视频当中呢，我们会给大家提供三种方案，大家呢可以根据自己的实际算力情况来选择不同的工作流。为了让大家更加清楚地看到 这三种方案的不同，那我使用了相同的提示词，相同的参考图片以及相同的种子来对三种不同的方案进行统一的测试。 那在这里边呢，也有很多匪夷所思的问题，比方说针对于这个新的模型，即便你是文声视频，你也要提供一张图片。那大家可以看到新版的 l t x two 二点三 这个版本呢，我们提供的模型是比较多的，那首先呢是我们全量的模型，另外呢，我们这有一个蒸馏板的模型， 那蒸馏板主要是为了加快速度，如果你使用蒸馏板的模型，你可以将 c f g 设成一，然后进行八步裁样，就可以得到一个非常棒的效果。那同样呢，它提供了一个 lora， 你 可以使用这个 lora， 那 配合我们的全量模型来达到蒸馏板模型的效果。那剩下的三个模型呢，就是放大模型。 第三个放大模型呢，有两个是进行空间放大，也就是像素的放大，而另外一个呢则是在时间维度上进行放大，也就是我们说的插针。目前的 confui 呢，已经支持了这个模型， 这是 confui 官方发布的一个簿刻，大家呢可以在这个簿刻里边找到工作流的下载地址，那大家呢，可以将你的 confui 更新到最新版。然后呢，我们可以点击 template， 通过下来列表选择对应的模型。可以看到两个工作流，一个是文声视频的， 一个是途胜视频的。那为了方便演示呢，我将工作流也构建到了 running hub。 在 comfy 领域， running hub 是 一个非常棒的在线工作平台，因为只要有新的模型和新的扩展出现，它都会第一时间跟进。 那下边儿呢，我们就先来看一下 comfy 官方提供的 ltx 二点三这个模型的图声视频的工作流。这个工作流的基本结构呢，和 ltx two 是 非常像的，只不过就是个别的参数呢，有一些调整 好。首先呢，我们需要提供一张图片，这个图片呢可以是横屏的，也可以是竖屏的， 但是呢你要注意就是宽和高呢，尽量的能被三十二整除。另外就是它的总真数一定是八的倍数，然后加一。同时在这个工作流当中呢，它也列出了所有模型的下载地址， 并且呢也详细说明了模型下载之后应该放在本地的哪个目录当中，这有一个文声视频和图声视频切换的一个开关，这个非常的重要，这是我们视频的总帧数，那这个呢是分辨率的设置，下边呢是真频的设置，这我设置的是二十四帧每秒。 下面呢我们看一下主模型的加载，大家注意我现在加载的是一个 f p 八的版本，那这个模型呢是由 l t s 官方发布的，大家看一下啊，它将近三十个 g 全量的 l t x 二点三的模型，它的大小呢是四十六个 g， 所以 说我们有理由相信 f p 八的模型呢，并不是通过简单的数据转换得来的。这个模型啊，我们使用消费级的显卡来跑的话呢， 应该还是有一定难度的。那由于这个模型啊，它本身没有蒸馏功能，那为了提升速度，我们使用了官方的这个蒸馏的 lora 权重，我们设置成了零点五。那另外还有一个问题要注意，在加载主模型的时候，并不是使用 default model loader， 而是用的 checkpoint loader， 那 意思就是说这个模型里边除了我们的主模型之外，应该还有其他的内容，那这里边其实是包含视频的 ve， 所以 说呢，我们也需要把它单独的拿出来，那这是我们音频的 ve。 再往下边呢是我们的编码器，第一个编码器我们使用了和二点一一样的编码三，第二个呢则是 l t x 二点三专门的一个编码器。下边呢是我们的放大模型，这里边呢我们使用的是空间放大， 因为大家呢其实目前更在意的还是清晰度的问题，而不是帧率的问题，提示词呢，一定要严格按照我们的参考图片来写， 那这个提示词大致描述了一个炎热的夏天，一个美女呢，正在从他的同伴的手中拿过一瓶矿泉水。那我们的声音设计是这样写的， i need that。 那 提示词经过我们的文本编码器编码之后， 会进到这样一个节点啊，叫 ltxv conditioning。 那 这个节点其实我们在 ltxtwo 里边就已经使用过了，下边呢我们这儿放了一个自定义的彩样器，那这个彩样器呢，我们使用了一个欧拉的变体。再往下边呢是我们的 sigma， 这个是里边比较独特的一个地方，因为它是一个手动的 sigma， 所以 说步数呢是暗藏在这里边的啊，并不需要大家显示地去进行设置，比较重要的就是这个 latent image date 的 image 呢，和我们的参考图片有关。那我们看一下参考图片的处理。首先呢，我们把输入图片进行一个缩放，让它和我们的分辨率保持对齐。那下边的处理流程呢，和 ltx 二是一样的，先把它的宽边 缩放到了幺五三六，然后呢我们进行一个压缩，压缩完之后呢，我们现在需要将它的宽和高进行减半， 因为呢，我们都知道 ltx 的 工作流呢，基本上都是一个两段式的采样，所以说呢，它是先生成原来的一半， 然后再把它放大成你需要的那个分辨率。下边呢就是 latent 的 生成，那对于音频的 latent 呢，就是直接生成一个空的，而对于视频的 latent， 我 们也是先生成一个空的， 但是呢，我们需要将我们的图片注入到这个 latent 当中去，然后将视频和音频的 latent 进行组合，传递到我们的采样器里边进行采样，这个时候呢就会得到我们的基本采样的一个视频， 那这个视频里边的话呢，声音是已经完全生成了，但是视频呢只有原来的一半，所以说呢，我们要进一步放大视频， 那这个时候会用到我们的放大模型，目前的放大模型有两类，一个叫做空间放大，一个叫时间放大。由于我们现在是进行像素的放大，所以说我们使用的是空间放大， 那空间放大也有两个模型，一个呢是一点五倍的放大，一个是两倍放大，那我们这选择的是两倍放大的模型，下面呢我们将视频的 latent 从音频当中给它分离出来，然后进行放大。那放大之后呢，我们需要做一个事情，就是将我们的参考图片再一次注入这个 latent 当中去，让它保证整体人物的一致性。下边呢是我们第二个阶段的采样，那第二个阶段的采样和第一个阶段大致相同，大家注意这样几个地方， 那第一个呢就是我们的彩样器，这个是不太一样的，第二个彩样步数，也就是我们的 sigma 的 设置也是不太一样的。彩样之后我们还是先把音频和视频的 latent 进行分离，原因是因为我们进行解码的时候使用的 ve 呢是不一样的。那最后呢大家会得到最终的一个效果， i need that。 总体上来讲呢质量还是不 错的，这次采药呢，我用的是两分四十秒，那整体的速度呢也是比较快的，那通过这个简单的测试，大家可以看到 l t x two 二点三的模型，相对于二点零版本来讲呢， 在生成速度上其实有了很大的提升，那从生成的质量上，大家也可以看到生成的人物会更加的自然， 声音呢会更加清晰，但是呢还是有些杂音。那大家如果使用这个工作流，最大的问题就是显存的占用，因为这个呢需要将近三十个 g， 那 如果你的显存不太够的话呢，大家可以尝试一下第二个方案。 那第二个方案呢，其实是由 k 神来提供的，大家可以看到它这呢有一个截图，其实是将我们视频里边的 ve 和我们的主模型呢给它分开了， 同时呢对于我们文本编码器的加载呢，也做了一些优化，那大家可以在它的抱抱脸的仓库里边下载到相对应的模型，那主模型它提供的版本比较多，大家注意啊，带蒸馏这个关键字的就是我们所谓的蒸馏模型，速度会更快， 但是模型大小呢不见得会变小，那模型大小呢，主要看一下模型的精度啊，我们这有 b f 幺六的， f p 八的。 那同时呢大家可以发现这里边呢有其他的一些关键字，比方有的叫 skill， 而另外一些叫做 input skill， 那 这有什么不同呢？那大家看一下这个表述呢，相对来说还是更加的专业一些。那你可以简单地这样认为，如果你是四零系或者五零系的显卡， 可以采用 input skill 版本，那如果你是之前的老显卡，你可以直接采用 skill 版本。那下面呢，我们来看一下 kj 的 这版工作流， 主要的区别呢是在主模型的加载上边儿，由于呢，它现在将 ve 给它分离出来了，所以说呢，我们可以直接使用 load deforge model 来加载这个主模型，这儿需要加载的 ve 就 变成了两个。 下边是编码器的加载，这儿呢，我们依然采用了 k j 提供的那个策略，它这儿提供了一个模型叫做 text projection。 大家呢，在加载的时候呢，第二个编码器选择这个就可以了，放大模型呢，没有任何的变化。好，下边呢，我们运行一下，看一下执行的效果， i needed that。 那 我觉得效果呢，其实并不比官方提供的那版要差，但是主模型的大小从原来的二十九个 g 变成了二十三个 g。 下面呢，我们来看一下 g g u f 的 工作流， 那它的区别依然在我们的主模型加载上边，这儿呢，我们加载的是一个 q 四的模型，而且呢使用 kmeans 进行了量化。 那这个模型是从哪儿来的呢？来自于非常著名的 count stack。 那 大家可以在模型列表里边看到非常多的模型啊，比方最小的 q 二 以及 q 八模型，这儿呢，我们选择的是 q 四 kmeans， 它的大小呢，将近十八个 g。 大家呢，可以根据你算力的情况来选择不同的量化模型。那视频和音频的 ve， 我 们依然使用了 k j 的 加载方式。那关于编码器的加载呢，我们使用了 j j u f 的 双编码器加载节点。大家注意啊，我们这儿加载的 该马三的这个模型呢，依然是一个量化版的，那这个模型呢，来自于 dreamfast， 那 由于这个模型呢，它本身体量是比较大的啊，所以说呢，我们建议大家还是选择一个量化版，大家可以看到我们从 q 三啊到 q 八 fast 都有提供，你可以根据自己的算力情况呢，来选择其中的一个。下边呢，我们来看一下最终生成的效果。 i needed that。 大家会发现啊，这个视频呢，由于人物有一个明显的转头的动作，所以说当人物的面部 重新面向镜头的时候，你会发现它的一致性呢，是有一定变化的。我还没有测试这个问题是不是由量化模型造成的，但是总体上来讲，它视频和音频生成的质量呢，还是不错的。 那最后呢，我们来说一下纹身视频，不管是哪个工作流，你要纹身视频的话呢，只需要将这个部分给它切换成处，那它最终影响到的都是这个节点。其实非常容易理解啊，因为它这儿有一个 bypass， 就是到底要不要把我们的参考图片给它注入到我们的 latent 当中去，如果你选成了 false， 那 也就是说你在这个地方不管传一个什么样的图片啊，它都不会影响我们的潜空间， 所以说呢，也不会影响我们的采样。下面呢，我们使用相同的工作流参数再来生成一遍， 我会发现视频的写实性呢，还是非常强的，包括人物喘气的这个声音。但是你会发现新版的 ltx 模型呢，在细节的动作展现上呢，是有一些问题的，比方说拧瓶盖的这个动作， 那你会发现现在瓶子上没有瓶盖啊，但是他依然有拧的这个动作，所以说逻辑上呢，还是需要去优化的。 那这就是我们今天给大家讲到的四种不同的工作流，其实呢属于 ltx 的 最基本的应用，后边我们会给大家展示一些更加有趣的用法。好，今天呢，我们就说这么多，关注我，做一个懂爱的人。

用 ai 生成一段汽车视频，我用的是 lava， 输入提示词就能自动调用最新模型 nano banana 二，生成的效果还是很不错的。 再生成一个赛博风格的文字，我打算把文字贴到车上，按住 ctrl 点击位置 并简单描述需求，就能实现这样的效果。或者点击 mocap 将图片拖入，就能自动添加到平面上。如果需要修改文字，点击编辑文字就能修改并且保持字体一致，然后进行图声视频。 将素材拖入达芬奇并复制一层。来到调色选择限定器，确保选择 highlight。 选择红色车漆，点击再添加限定器，继续选择红色车漆。调节色相至想要的颜色 播放，观察是否有遗漏的红色。继续用限定器选中，然后用 magic mask 把车漆区域抠出来。右键添加阿尔法输出并连接，回到剪辑界面，右键选择渲染到位置， 类型，选择四四四四并渲染全选右键。新建 fusion 片段，来到 fusion， 保留 media in 一 和二，其余删除，这样连接起来。添加矩形遮罩，连接到 merge， 添加关键帧，保证从右到左的移动，然后取消连接，添加 display 和 fast noise。 fast noise 连接 display 的 绿色端，然后再这样连接其余两个。选中 display 类型，选 x 轴，外轴调节 x 轴折设大概为零点零三八，选择 fast noise 调节细节至五点八三、对比度调到最大，缩放调为十一点五，就能得到这样的渐变效果。 点击空白位置， shift 加空格，添加边缘检测节点，连接到 merge medium in 二，连到边缘检测 模式，选择灰度，边缘选择喜欢的颜色，边缘宽度调成零点零五九，亮度调成最大，该码调成零点六六、勾选边缘遮罩叠加，点击 rectangle 并复制 右键，粘贴十粒右键实体取消十粒右键边框宽度取消，勾选实体，边框宽度调为零点零五八。 框选 display 和 fast noise 并复制 display 连接到 merge。 二、实力连接到 displays 的 黄色，输入， 调节 x 轴偏移和 x 轴折设，调节 fast noise 的 作放就有了这样的效果。 添加一个 merge 节点，把运算改成 mask， 连接边缘检测至 merge， 连接 displays 至绿色输入端。创建 bit map 节点调节通道，为 luminous 添加 p atom， 添加 p tablance 和 p render。 选择 p atom 的 区域，调节区域为 bit map。 选择控制调节寿命为四十，数量为五十。 样式选择 block， 选择颜色，调节大小由大减小，大小调为零点三、将 p turbulence 密度调为五十。最后将节点这样连接起来，渲染一会就完成了。

别再被火爆全网 opencloud 的 演示视频洗脑了啊，大家都叫你搞部署，实现工作自动化，却没人告诉你啊！这玩意一旦跑起来，就是台二十四小时不停机的水彩机， 你以为买完硬件就一劳永逸了？错！ opencloud 的 核心逻辑是不断截屏发送给大模型，你每一次点鼠标，每个动作背后啊，都在疯狂消耗 tokyo。 你要知道啊，视觉模型的 tokin 比纯文本贵的多，跑一个复杂的自动化任务啊，可能你还没喝完一杯咖啡，几十块钱的 a p i 额度啊，就烧光了。更扎心的是啊，它的成功率并不是百分之百的。 ai 可能因为一个按钮没倒对，在那儿反复重试，反复截屏，反复烧钱。这种感觉啊，就像是你请了个每分钟都要计费的昂贵管家。结果啊，他不仅动作慢，还经常在同一个台阶上摔倒， 每摔一次啊，还要找你领一次工钱，你真的受得了吗？再说说啊，你没想过的坑隐私安全， 为了让 ai 帮你操作你的屏幕截图，操作日字，甚至是敏感藏秘啊，都要在云端模型里跑一圈， 再加上高清截图上传啊！需要的贷款，如果你的网络稍微卡顿，你会发现啊， ai 操作像 ppt 一 样慢，但 talking 的 费用啊，却一点没少算。如果你不是每天要处理成百上千个重复性极高的专业工作流啊，如果你只是想让他帮你写个邮件，查个天气，求求你 放过你的钱包吧。网页端 ai 是 免费的，而 open class 是 给那些时间比 talking 贵的专业团队准备的生产力杀手锏，不是给普通人消遣的玩具。 记住啊，所有的科技红利，底层逻辑都是在拿金钱换时间，如果你的时间还没到那个身价，强行部署 open class， 最后被收割的只能是你。

我家里又没场，货都没有，怎么老给我推你这种视频？这位小同学，之前我出过一期无货源模式的三种玩法，一看你就没有认真看， 为师再教你一招，大部分新手跨境卖家都在做一种无货源模式货盘魔鬼会有王种货盘教学，看完后直接超越百分之九十以上卖家。其实货盘呢，就是一个整合好的货源库，上面有各类的源头厂家、产品目录、图片、视频、素材，甚至是利润数据。像 就是国内比较知名的货盘，因为他们大部分都是厂家直销，有价格优势。而海外的货盘，简单理解就是人家把大批量的货囤到了海外的仓库，让海外的运营者来分销，库存压力根本不存在，卖一件结算一件， 新手卖家可以把更多的心思专注在运营上。那这时肯定有聪明的小伙伴会问，那这些供应商为什么不自己上到平台上卖呢？岂不是利润更高？难道这些都是卖不动的尾货吗？其实不然，让我们先搞清楚， 谁会把货物上架到货盘中心。第一种，生产型卖家。这些唱歌的产姐是典型的有货没流量，他们本身就 o e a o d a， 懂研发能生产，就是不懂各大平台的运营模式， 不会做内容投广告，但又想扩大自己的影响力，只能靠我们帮他们卖。全球。第二种，外贸公司， 这些老油条，他们手上有渠道，有库存，有海外仓，但缺乏终端运营能力。而货盘中心对于他们来说，既是一种新的出货窗口，也是一个免费的测款工具。他们会先把多款产品放上货盘中心，等其他卖家分销测试 爆了再自己下场跟买。第三种就是没有把握好库存的商家。兄弟，市场环境瞬息万变，商品滞销时，这些商家为了能快速的回款，就会把这些产品低价放到货盘那里，对于我们来说便是捡漏的大 好机会。 ok， 现在我们明白了货盘的逻辑，那具体应该怎么操作呢？货盘中心，这里就是一个现成的货源库，点击海外版单同款，跟着市场需求找同款，智能匹配 站内货源，还分别给你推荐了低价、销量高、发货快的货源，甚至还有多个海外货盘，可以让你直接一览全盘，一键搬迁，轻而易举。 听说他们还有一个采集后能自动把产品信息翻译成英文的金方货盘，各位 t k 大 卖家千万不要错过哦！我是左右一个不会英语但是能教你规避库存压力的跨境卖家。

ok， 前面的 video 都只是小试水温了，这只影片带你彻底 know us 为什么我们开始中文加 english 呢？ because 公司 say 我 们比较国际化一点 international 爱说也还好啦，只是会几句哦哈 honey 唧唧啦而已啦。 他是我的 partner 猫华，也叫 wanda， 养了一只猫咪，在周杰伦拍 movie 的 college 里读 espanel， 八年前来到了 shaman air， 他 是我的蜜狗飞，我都叫他菲比，养了一只狗狗，以前跟林志玲是同一个公司当过 model， 八年前来到了 m 航空， 后来我们组成了对面女孩，对面的女孩看过来，因为我们是来自海对面的泰州。 and ping dong anyway， 如果你们喜欢国际化空姐的话，请拉到我们，带你们一起 take a look and see。 如果你们觉得这是影片很欠扁，请给我们一个 like i know you。