粉丝1617获赞8502

那最近呢, comfy 的 官方呢,偷偷的发布了两个模型,那这两个模型呢,其实也不是什么新的技术,而是我们大家比较熟悉的 eiffany 的 talk, 那 它可以生成无限长的对口型的视频,那我们之前用的版本呢,基本上都是 kj 的, 但是 kj 的 版本呢,在生成的效果和生成的速度方面呢,还是有些问题的。 那官方提供的这两个版本有什么不同呢?那为了方便大家直观的认识这个技术呢,我生成了四个视频啊,有两个双人的,有两个单人的。同时呢,有两种语言啊,一个是中文版,一个是英文版。好,下面呢,我们先来看一下双人的英文版的效果。 hey, you dropped your uh calculus notebook, oh, wow, my mortal enemy mr thompson's problem set。 那 下面呢,我们再来听一下双人的中文版的效果。小弟弟, 有兴趣陪姐姐喝一杯吗?哦,我我我其实不太会喝酒,那我们再来听一下单人的英文版, okay, yeah, i resent you, i love you, i respect you, but you know what you blew it and thanks to you。 然后呢,是单人的中文版的效果,我跟我闺蜜看电影就特别有画面感,就你知道吗? 一紧张我就忍不住吃爆米花,吃的特别快。那虽然大家看到的是四个视频啊,其实工作流呢,只有两个,一个是单人版,一个是多人版,那他们的区别呢?只是我们选择的语言呢,是不一样的。那在图片生成和视频生成领域,我们最怕的呢就是环境报错和显卡带不动。 其实呢,只要思路打开,云端运行才是一个最高效的解决方法,那 ready have 是 我一直在用的一个在线的工作平台,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。下面呢我们先来看一下单人版的工作流,那首先呢关于所有模型的下载,在左侧呢有一个笔记,大家可以看一下, 这个工作流里边用到的所有的模型呢,大家都可以通过这个笔记里边的链接下载到,而且呢在本地存储的路径呢,这也有一个视意图。下面呢我们看一下工作流的构成。 首先呢大家注意啊,工作流呢有两个部分,第一个就是基础彩样,基础彩样呢会生成第一段视频,然后呢是扩展,那扩展多少次,这个完全是由你自己来决定的, 那由于我现在呢是将近八秒的一个音频,所以说呢,我要扩展两次啊,那这个时候呢就是大家现在看到的这个结构,好,下面呢我们就详细来看一下这个工作流。 首先呢是主模型的加载,大家注意我们现在用到的主模型呢是 k 神提供的 y 二点一的 i 图 v 的 十四 b 的 模型。 然后呢我们使用了一个加速 lora, 这个 lora 呢依然来自于 kj。 再往下边呢是我们这个 model patch, 这呢我们说一下啊,这两个模型你下载好之后呢是需要放在 models 里边的 model patch 这个目录里边的啊,所以说呢,这个不要乱放啊,它并不是一个标准的模型,而是一个模型的补丁。 再往下边呢是一个音频的编码器,那这个编码器呢依然是由 case 来提供的啊,大家呢可以把它放在你的 audio encoder 里边。那关于 y 二点一的文本编码器和 ve 大家都比较熟悉了啊, 那下面呢,我们来看下音频的处理,音频由于是单人的,所以说处理起来比较简单,我们先来听一下这段音频,它的时长呢是七秒, 我跟我闺蜜看电影就特别有画面感,就你知道吗,一紧张我就忍不住吃爆米花,吃的特别快。下面呢我们有一张图片啊,那这张图片呢,是一个女生的特写镜头,大家注意啊,是非常写实的一个感觉。下面呢我们做一些基本的参数配置,首先是宽和高, 那我们用的是八三二乘以四八零。下边呢,我们需要先将音频进行编码啊,使用的是 audio encode, 那 我们在提示词里边强调了镜头拉近的效果,并且呢说明是一个人物正在说话,那由于我们使用了加速模型啊,所以说 c f g 呢是没有效果的。那反向提示词呢,我们就直接用了一个 conditioning zero out, 这个呢是我们整个工作流里边最重要的一个节点啊,叫做 one infinite talk to video。 那 这里边的话呢,我们首先传的是模型,当然就是 one 二点一的模型。 然后呢是我们的补丁,这个传的就是我们的 infinite 的 单人版的补丁,然后是正向条件,反向条件 v 一, 这个是我们的音频编码,由于是单人啊,所以说呢,并不需要传递 mask。 另外呢第二个说话人的相关的参数呢,也不需要去传递。然后 mod 啊,你可以选一个是 two speakers 还是 one speakers? 这个都行啊,其实呢没有什么太大的区别,大家呢,如果怕麻烦,你就直接都选 two speakers 就 可以了,单人呢也不会出什么问题。然后整个视频的长度呢,我们是八十一帧,大家注意啊,这个长度仅仅是我们在生成基础视频的时候,因为我们刚才提到后边还有扩展, 然后注意啊, motion frame count, 这个指的是用前面的几帧来作为动作参考,这个官方给的是九帧,大家按照这个去设置就可以了。然后呢是声音的一个 skill, 我 们给的是一点零。下面呢,进入了采样阶段,我们使用了一个自定义的采样器, 然后 c f g 呢,给的是一点零,因为我们用了加速模型,然后随机的种子彩样器是欧拉调度器呢,我们用的是 normal, 而且四步就可以生成非常棒的效果。那这个时候呢,你会得到第一段视频,当然这个并不是完整的啊,它只包含了一部分音频,我们来听一下, 我跟我闺蜜看电影就特别有画面感。下边呢,我们来进行第二个部分叫做扩展,扩展的话呢, 跟前边基本上是一样的,那唯一不同的就是在这个地方啊,就是 previous frames, 那 由于我们现在是在上一个视频的基础上进行扩展,所以说呢,我们必须把之前生成的视频给它传到 previous frames, 别的呢,基本上都一样,但是呢在这有一个内容是不太一样,就是这个 trim images, 那 就是我们截断的图片的数量,大家注意啊,在上边这个里边是没有的,因为在上边这个基础采用阶段呢,不涉及到图片的拼接,那它怎么去用呢?大家注意 我们生成的这个图片进行解码之后,那我们首先呢把前边的 previous frames 给它砍掉 多少啊,就是靠它来指定的,完了之后呢,我们再把上一个视频和这个视频给它连接起来,就产出了第二段。那我们来听一下,我跟我闺蜜看电影就特别有画面感,就你知道吗? 一紧张我就忍不住吃爆米,下面呢就是第二次扩展啊,第二次扩展跟刚才是一样的,只不过就是 previous frames 是 前边两次生成的视频的总和,最终呢,我们就得到了一个完整的视频, 我们来听一下,跟我闺蜜看电影就特别有画面感,就你知道吗?一紧张我就忍不住吃爆米花,吃的特别快。那我们给大家说一下需要注意的地方,就是 frame rate, 我 们这个帧频呢,一定要设置成二十五, 这个呢属于一个基本的常识,凡是你涉及到音频的部分,不管是 ltx 还是其他什么啊,基本上呢,我们将 frame rate 呢都是设置成二十五。好,下面呢我们再来说一下扩展的内容,因为呢,它一次扩展是八十一帧,八十一除以二十五,也就是三秒多, 所以说呢,当你看到你整个音频的长度的时候,你大致应该能估算出来啊,需要几次扩展才能得到最终的这个效果,那英文版的内容呢,跟这个是一模一样的,那我们来看一下英文版最终的效果。 okay, yeah, i resent you, i love you, i respect you, but you know what you blew it and thanks to you。 大家注意啊,整体的动感唇形泥盒的效果呢,都是非常棒的。下面呢我们看一下双人版,双人版的相对来说比较复杂一些, 主要多了是音频的拼接和遮罩的内容。那主模型的加载是一模一样的啊,唯一注意的就是我们这加载的那一定是 mote, 而之前如果是单人的话呢,你一定要加载的是 single。 其实偷偷的告诉你一个秘密啊, 你都用 multi 也没有问题。那提示词呢,我们仅仅是把一个人物换成了两个人物,那重点呢,是在音频和参考图片的处理上面。首先呢,我们来看一下音频啊,我们这有两段音频,一个是男孩说的话,我们来听一下。 hey, you dropped your uh calculus notebook。 我 们来听一下女孩说话的效果。 oh, wow, my mortal enemy, mr thompson's problem sets。 然后这两个啊,我们首先呢要对它进行音频的编码,这个毫无疑问会用到我们的音频编码器。 另外的话呢,为了最后组合这个视频呢,我们需要把它给接起来啊,因为它是一个对话的效果嘛,我们现在认为是男孩先说啊,然后女孩再说。那同样呢,我们在处理图片的时候就要多一个步骤,也就是我们说的 mask, 大家呢可以通过 mask editor 来编辑对应人物的遮罩。完了之后呢,我们在处理的时候呢,也稍微的复杂一些。那下面呢,我们先看一下基础彩样的部分。首先呢两个音频来进行了音频编码,之后呢要分别连到我们的 audio encoder, output 一 和 output 二,这个根据说话者的身份来区分,那两个遮罩呢,则分别连到 mask 一 和 mask 二, 其他的内容呢,其实是差不多的。然后呢,我们就会得到第一段音频,我们来听一下, hey, you dropped your 大家听一下这个,同样它只有三秒多,那由于我整个的音频的长度大概也是八秒多啊,所以说呢,我要经过两次扩展, 扩展呢跟之前的思路是一模一样的,那无非就是在这个节点上连的内容呢,就稍微有点多了。然后最终生成的效果我们来听一下。 hey, you dropped your uh calculus notebook oh, wow, my mortal enemy mr thompson's problem set。 大家听一下,效果也是非常棒的啊。然后呢,我们来看一下中文版的双人的效果,工作流呢,基本上是一模一样的,我们就来看一下最终生成的效果就可以了。小弟弟,有兴趣陪姐姐喝一杯吗?哦, 我我我其实不太会喝酒,那这整个场景的效果有点搞笑啊,但是整体的视频生成的质量还是非常高的。但是值得一提的是,就是官方的这个 infonet talk 的 版本呢,运行的速度是非常快的, 那么大家可以自己试一下,因为它只需要四步踩腰,我们感觉各个模型都比较大,但是真正跑起来的话呢,速度还是超出我的预期的好。今天呢,我们就说这么多,还等什么,赶紧自己试一下吧!关注我,做一个懂爱的人。

这盘子好温柔呀,先看整体颜值,这个图案真精致,这个细节越看越美,中间插画好可爱,摆拍特别出片,喜欢别错过哦。今天我们来说这个导演台工作流,这些素材都是瓜种的素材,现在我们开始打印这个工作流, 先要个空白的工作流,双击空白处输入 u n t, 这有个是 g g u f 加载器, 这个 g g v f 加载器它是占用显存比较少,如果你显存是八 g, 你 就可以使用 g g v f, 如果你是四零系、五零系八 g 以上的显存,就可以使用这个 uni 克加载器,因为它这个量化版模型它有加速,用 uni 克加载器拍好的视频会比 g g v f 快 一点。在双击空白处输入双 选择这个双重颗粒普加载器,它的名字也是 g g v f, 所以 说这两个是配套的。再输入双颗粒普, 这两个是配套的。 usb 夹带器跟这个双颗粒为夹带器是一样的。我们选择加了这个模型,加了这个模型,两个模型选择是一样的。在类型这里选择 lts, 可以 框选它,标记一下, 一个 g g v f, 在 加载器的下方,这里输入 ve 加载,选择 k z 的 节点粘贴复制一份,它有两个 ve 加载,这个是音频,这个是视频,在这里双击空白处输入加载 latin l a t e n t 加载这个放大模型,那么我们的模型接点就加载完成。这个是 g g v f, 这个是音频 v a e, 这个是视频 v a e, 这个是量化模型 v a e, 这个放大模型是提升画质的。在加载器这里有个模型, 模型点击它,你这里能加载洛拉,比如这个洛拉也能加载 这个洛拉,群众洛拉,两个洛拉他加载的洛拉是没有区别的,但是呢,下面这个群众洛拉,他可以一次性加载几个洛拉,上面这里只能加载一个洛拉, 所以说你要加载两个洛拉的话,你复制一份洛拉之间连接就好了。我们可以准备两个洛拉模型,第一个洛拉模型,这个能保持你的视频一致性, 这个洛拉模型就是你照片和照片之间,它会衔接的更顺畅。把任意的节点连接洛拉节点,这洛拉节点有个模型, 可以输入 s a、 g、 e 这个注意力补丁模式,在这里我们会选择自动,这个是加速节点,能加快你的工作流的运行速度。补丁这里有个模型,拖出来,输入 l t s 视频,选择键快运行。如果你是八 g 显存,这里就提示 这里填二零四八,如果你是十二 g 显存,这填二 a, 这填四零九六,如果十六 g 显存以上的话,这个就屏蔽掉,都可以不用。如果你没有这个注意力加速模式的话,你可以屏蔽掉这三个节点,如果不需要的话都可以屏蔽掉。在方块激活这里模型,这里输入 l t s, 选择这个 l t s, 采用预览覆盖,下面这个八是帧率,就是你这个数率,你这个数率越高,你的清晰度就越高。我们在预览覆盖这里有个模型,点击它,这里输入 l、 t、 s d i a e, 这个就是导演台。如果你没有这个节点,你搜索这个名字,在管理器这里, 在这个对话框输入这个插件的名字,你就可以安装这个插件,输下这个节点,第一个是帧数,第二个是时间, 第三个是帧率,第四个是视频的宽度,第五个视频的高度,这个节点时间是五秒,帧率是二十四,就是一秒钟有二十四张照片,正常,这里填二十四,三十六十都可以。我们可以看到太阳月亮这里有个放大模型, 它下面有个 ve, 我 们就可以把这个放大模型的 ve 去连接,这样相连就好了。 这个导引台有个 clip, ve 控件都不需要连接,导引台可以连接一个音频的 ve, 把 ve 连接上,还有 clip, clip 可以 直接连接,但是呢,你怕生成的视频它会崩坏多手指或者出现字幕,你就可以把这个 clip 这里输入 clip, 找到 ctrl net 䁯 文本编码器 ctrl net 选择这个之后,再把这个䁯 连接上 某宝打云台的条件连接上,这里就能输入负面条件, 我们在条件这里拖出来,输入 l t s。 二选这个注意力领导,这个是强化负面条件的。还在连接上,在导演台这里点击这个条件,这里输入 l t s 条件, 选择这个条件设置,把这个负面条件连接上,会引导这里有个模型,导引台的模型连接上,然后条件设置这里有个帧率,把导引台的帧率连接上,在条件设置这里有个帧下条件拖出来,输入 l t s e i r e。 选这个,我们把负面条件连接上,它有个 ve, 这个 ve 连接视频的 ve, 这个是视频, ve 连接上,它有两个节点,这个是 lin 节点,这是导演脚本节点,我们的 ve 连接了视频,所以说这里 lin 连接视频, 这导演脚本节点,他的名字是一样的,连接上这两个,一个是权重,第二个是放大照片的时候采用的放大算法。我们学的第四个权重系数就是 ai 的 自由度一,就是没有自由越小,他的自由就越大。这个 later 拖出来 l, t, s, v 合并,选择合并为视频,他有个音频内存,我们把导引结点音频内存连接到合并视频这里合并视频,这里有一个内存,拖出来,输入自定义,选择这个自定义采样器高级这个新一个码,拖出来,输入基础,选择基础调度器, 我们的步数一般选择八步,降到幅度,选择一就好了。第二个 t 选择这个,点击这个采暖器,选择 k 采暖器,选择保持默认就行了。点击引导值,输入 cfg, 选择这个 cfg 引导还有一个正面条件,一个负面条件,把这个正面条件和负面条件连接上采暖器,这里还有个灶波,选择这个随机灶波, 选择固定,随便填一个字。 cf 居址有个模型技术调度器,这里也有个模型 技术调度器的模型要连接到烟台,到烟台的模型连接上 cf 居址,它是文本, 所以他的模型要连接文本。这里传感器,这里有个输出,拖出来 lts 音频,选择音频视频分离这个分离,点击它的画面,再输入 lts, 一 引导, 选这个引导裁剪,它有个正面条件,一个负面条件,它是连接导演脚本的正面条件和负面条件。裁剪,这里有个潜在空间,再输入 lps, l, a, p, e, 选择这个超分裁样, 它一个超分模型,一个 ve 超分模型是放大模型,它的视频裁样,所以说我们连视频 ve, 把视频 ve 连接上,把这个放大模型连接上超分裁样,这有个雷腾凸出来是 l t s d 点这个导演脚本,这有个正面条件,负面条件把这个场景引导了正面条件,负面条件连接上,它是个视频节点 v e 就 连接视频,这个脚本就连接导演台, 把导云台连接上视频 v a e 连接上后面的连线,跟前面的直引彩样器是差不多的,我们把这里粘贴复制,把这个连线连接上, 合并视频,这里有个音频,把前面的音频分离,连接上第二个采音器,这里不需要噪波给它删除 c f 居直,选择一把前面那个噪波生成,连接到后面这个自定义采音器这里 这个 cf 矩阵的引导模型去连接导引台的模型,导引台模型连接到 cf 矩阵上第二个的自定义裁剪器,引导裁剪它正面条件封面条件去连接第一个的导引脚本, 连接第一个的导引脚本。音频分别在这里有个音频内存拖出来,输入 lts 一 音频, 选择这个音频 vae 解码器,它这有音频 vae 连接这个音频 vae, 在 菜园这里有个倩空间,这里输入 vae 解码, 选这个 ve 睫毛分块,我们在 ve 睫毛分块这里时间尺寸这里输入最大值,点击图像,输入创建,选择创建视频,点击视频,点击保存视频,再输入名字, 点击格式这个 ve, 它是视频 ve, 把视频 ve 连接上,创建视频,这里还有一个音频,把前面的 ve 音频连接上, 他有一个帧率去连接导演台的帧率,把导演台的帧率连接上,那么我们这个工作流就打点完成。现在操作这个工作流要添加照片文本音频,我添加照片,选择好你要添加的照片, 可以一次性添加完毕。如果你的视频是没有音频的,就把这个真定音频关闭,这是打开,这是关闭,如果你音频的话就给他打开,不然的话你现在视频他是没有声音的。然后把这些照片按秒数去区分, 你想哪个镜头占多少秒,给他区分多少秒,可以拖动的。这里你可以把这些照片自行编排位置,比如想放在这里,放这里都可以。 编排好照片之后就添加体字词,这是瓜种的素材,我就直接用了。把这些体字词按照镜头的分类,比如这个镜头用这个体字词 就在下面输入这个提示词,不要把所有的提示词都输入到一张照片里,分批量输入第二个箭头就输入这个,如果你运行报错, 就把这个注意力模式给关闭,如果在运行的时候显存报了,可能是这个原因,把这个调低一点,然后我们点击运行。

你们以为我会哭吗?不,那些亮的刺眼的东西往往需要别人配合。我们来看到 q 问三 tds 的 更新,那么这绝对是属于第一梯队的语言大模型, 支持主流等十多种语言,可以加载声音进行音色的克隆,自定义声音,内涵九种稳定的高准的声音,日式或是输入文本。我们可以设计一个声音最最近也是最强的更新呢,就能够进行多人的对话。 并且 q 问三 t t s 是 属于流势友好这一类的模型,它的生成速度接近于实时生成,非常的快。如果说我这里是生成了接近于两分四十七秒的音频,那么生成的速度呢?大致也是耗时两分多钟,二人认为足以作为 index t t s two 的 替代产品, 并且与我们 air t x 二的音频加图片生成视频呢,结合在一块更是无敌。我要做一点事情,那是全人类都,我究竟要做什么, 我现在还不知道,但这必定是惊天动地之事。我喜欢珍珠的原因很简单,它不抢戏,珍珠不需要,它就安安静静的待着。接着我们看到工作流,我这里使用的是全球最大的在线 com 娱乐娱乐 running heart, 也是康有为爱好者们最常用的在线工作台,最近最好的技术都在同步更新,工作流也可以在线运行。 先看到大家可能比较关注的音频克隆和多人对话的部分声音克隆,那么这个地方呢,是加载的音频,然后克隆其音色,这是这个月的钱。这里是一个语音片段,我们加载 audio 直接连过去,作为参考音频加载模型,这是必要的选项。 设置一下我们想说的话,在声音直接进入之前,我们可以进行人声的分离。这里做人声的分离是因为我们有的时候加的音频,比如说是有 bgm 的, 或者说背景比较嘈杂,我们分离以下应当能获得更好的结果。 我们可以使用这个节点来对我们加载的声音进行反推,作为我们下方的参考文本。这里我建议添加参考文本,尤其是做了自动化的反推之后。生成完成之后呢,我们就出结果了。我究竟要做什么 我现在还不知道,但这必定是惊天动地之事。我们可以听到非常的接近于我们的参考音频了。这里我还做了其他部分的测试,可以简单的听一下。人生不过是一个行走的影子,一个在舞台上指手划脚的拙劣的灵人, 登场片刻就在无声无息中悄然退下。视频相对的流程已经同步更新,可在线运行。我们来看到多人的部分,在多人的部分这个地方呢,我们可以进行多人的对话, 这里的结果和使用方式我认为都是强于 index t t s two 的。 在多人对话当中呢,我这里加载了三个音频, 三个音频显而易见的对应了三个角色,可以更改名称,我这里就保持默认。在 voice clone prom 这个地方呢,我保持前面的一贯的作风,做了人生的分离和文本的反推。 下面的角色二十三呢,亦是同理。输送进去之后呢,我们就得写题日词了。题日词这个地方,就比如说御姐小林,旁白冒号 说什么样的话,没有什么特别的难度,如果我们是有剧本的情况之下,更是简单了, 生成完了之后就出了一个两分四十七秒的音频,这一次的生成我用普通模式跑,只跑了二分二十五秒钟,这里确实是体现出它的优势了,足够的快了,我们简单的去听一下。那你卧底任务是什么? 混进怪兽群里,偷走他们的能量核心。能量核心在哪?小卖部冰柜里叫冰红茶,我们来看到自定义声音,自定义声音很简单,这个地方有九个预设点,一个预设输入我们的提示词就可以生成结果。 声音设计,我们多一个输入框,在这里设计一下。这大概是一个什么样的人,这其实都非常的好理解了。 如果我们想在本地运行,推荐使用的插件是这个插件功能的支持是比较的全面的, 模型是可以自动下载的,因为是阿里自家的平台,所以整个模型都是可以在摩塔社区上免翻墙下载的,在插件当中做成自动下载的话更为的顺畅。 有了音频我们可以加载进来,用 l t s two 对 口型,这个刘德华之前已经分享过了,并且上传到 runnyhop 上面呢,还未见实质性的更新,所以我们依然采用这个流程。

大家好,这里是秋叶最新新推出的 comfy ui 中文发布版,已经支持八 g 显卡制作视频了,不需要积分,更不需要排队,并且全中文操作,不会限制你任意制作你喜欢的视频,只 需要把你的破小说丢里面,就能生成人物对话和背景音乐的 ai 视频整合包和教程。来吱个声,尝尝咸淡哦!

大家好,这是易建安,这期呢给大家介绍一个新的语音合成模型,叫做 hex a d v 三,这个模型呢经过测试之后呢,功能非常强大,我们一起来看一下它的一个介绍啊。首先它是支持一百多种语言, 它的功能呢有三个,一个是文本转语音,一个是云克隆,一个是多人对话。但是呢这个模型最大的一个特点就是它支持一个叫做 control token 啊,控制令牌的一个功能,它能够有以下的几个功能。首先第一个就是 emotion 啊,就是情感, 可以控制情感,这里面的情感类型也很多啊,直接在这可以看一下,它给出了一些施力,这是它的使用方式啊, 直接使用监控号出现,然后 emotion 冒号后面跟上它是哪一种情感啊,这就是它的使用方式,那么除了 emotion 呢,还有其他的功能,这里面有还有 style, 那 就是它的类型,你们可以唱歌啊,大喊大叫啊,低声私语, 悄悄话,这些也都是可以的,这也是给出了几种测试啊。第三个就是音效 sound effects, 这里面呢也给出了几种例句,使用的方法也是一样的,直接 sfx, 然后后面跟上它音效的名称就可以了。 第四个就是 party 啊,节奏韵律,这里面同样也是使用这个方法,然后在后面根据他多少倍的一个速度就可以了,可以使用这种多少倍,也可以使用几个半音,也可以使用多少毫秒,这是他的比较厉害的一个特点啊, 支持这四种 control tokens 啊,这几个功能是非常强大的,我们需要把这个插件安装一下, 但是呢安装完之后呢,有一点是需要注意一下,可以看一下这个文件,它对于环境要求,这个 transformer 必须是五点三到五点五之间,大家安装的时候一定要注意一下,如果说担心环境的话,可以自己再重新解压一个包, 然后就是它这个模型的一个下载啊,需要在这里面把这所有的模型下载下来,下载之后呢放到这里面 x v 三 tds, 然后在里面再新建一个文件夹啊,这就是这些文件。这个模型呢也同样也是比较占显存的啊,大概是需要十六 g 显存才能运行, 所以说如果你的电脑显卡不行的话,建议大家可以尝试一下使用桌面 help, 这里面的模型工作流都是非常全的啊,大家可以直接在线使用,并且每天登录都会送一定的免费积分。 然后我们看一下它的工作流啊,也非常简单,首先第一个是文本转语音,直接在这加载模型就可以了, 我们听一下它出来的效果啊, good morning, everyone today, i'd like to talk about artificial intelligence, commonly known as ai, ai is a technology that allows computers and machines to perform tasks that usually require human intelligence, such as learning reasoning recognizing patterns and making decisions。 嗯,这是一段英文的,咱们呢听一下中文的。大家好,今天我们测试的是 hicks audio v 三语音生成模型, 它可以在 comfy ui 中直接生成多语言语音,并支持声音克隆,多人对话,长文本分块以及情绪和音效标签。 整体的效果呢还是非常不错的,让我们看一下它的语音克隆啊,同样使用的是李云龙的这一段三合音 啊,然后我们看一下出来的效果啊,大家可以看一下测试的这一个提示词,这组提示词在我们之前使用的其他的 tts 语音里面经常是使用到,但是呢,这 这组提示词在我们之前测试其他的 tts 语音模型里面经常使用到,其他的基本上很难去读完整它,或者说把它读完美,但是我测试下来这个模型它出来效果是非常棒的,我们听一下。 本次测试环境为 windows 十一专业版,显卡型号是 nvidia rtx 四零九零, 显存容量为二十四 gb, 驱动版本为五倍。七十六点五二,我们在二零二六年六月二十一日上午十点三十分启动 comfui, 并将 hicks vise 的 temperature 设为一点零点九五, topk 设为五十, 完整报告将在下午五点前发送到 hex test add xer simple dot com。 预计音频文件大小约为一百二十八点六 mb。 如果模型能够稳定读出日期、邮箱英文缩写小数和中文长句,就说明它具备较强的视频旁白实用价值。 嗯,大家可以听到啊,除了这个邮箱读的不太好,其他的基本上没有什么大问题,大家可以使用这段文字去测试一下其他 tps 语音模型,效果都是差很多的。然后我们再听一下另一个,这是一段用于测试声音克隆稳定性的语音, 我们会观察模型是否能够保留,参考音频中的音色、年龄感、气息、说话节奏和发音习惯,同时也要注意情绪标签,长文本分块和随机种子都可能影响最终结果。 好,我们再看一下他的一个多人对话啊,同样使用的是驴龙还有魏和尚的一个音频,今天晚上七点之前,我们必须确认全部视频素材,音频授权和字幕文件都已经备份完成。我已经检查了前三个文件夹, 但是第四个文件夹里有一段来源不明的旁白音频,先不要删除,把它标记为待审核,然后记录文件名,创建时间和采样率。明白, 哎,我还以为今天可以早点收工,如果这段音频没有问题,我们就能提前半小时结束,那我现在去重新导出一版,并把结果发到项目群里, 这就是出来的一个效果,他对于这个情绪的控制呢,还是非常棒的。我们再测出一组,其他的我们听一下。这一组测试 这件事听起来有点离谱,小声一点,别让他们听见。哈哈,我就知道会这样。 哎,我们又要重新开始了。那么经过测试呢,这个模型确实是比较强大的啊,尤其是说这种 中文英文啊,数字混合的一个情况,他出来的效果呢,可以排到替零替,然后就是他情绪的一个控制和表达,也是非常亮眼的,而且成功率非常高啊,所以说大家可以自己去尝试一下。好,这期视频就介绍到这里,一箭三连,下期再见!

千万三 t t s 这个是阿里的千万团队发布的一款语音合成大模型,那么它的效果呢?和之前的 index d t s 的 效果不相上下, 但是呢它安装起来特别简单,因为大家知道 indx t t s 它对于环境的要求是特别高的,它安装起来它会环境冲突,除了效果就是它的速度也很快的,大概十几秒就可以跑完。咱们看一下它这个模型的特点,首先第一个就是它支持十种语言, 中英日韩德啊,反正这目前的 t t s 的 模型对于这个应该可以说是标配了,而且它还支持方言,但是呢方言目前只支持北京话还有四川话。 第二个就是他多了一个叫做语音设计,这样的一个模型什么意思呢?就是说他可以通过提示词的方式来控制语音,包括这个声音的音色、音速、语调停顿等等,这些 还可以通过提示词来控制人物,比如说老人、小孩、萝莉或御姐高兴愤怒这些,换句话说就是只要是形容词他都可以理解并且识别。因为它里面使用了千万三的 l m 这语言大模型, 所以说这个是非常强大的一个功能。这个呢是他康复员的一个封装项目啊,大家直接改它可乱就行了。那么安装完之后呢,是需要下载一下它的模型,它的模型啊一共是有六个,第一个就是这个 tokenize, 它属于一个必备的模型,也就说它是可以给语言进行解码还有编码的,那么咱们在正常使用的时候一共是有这五个模型,那么看一下, 首先第一组就是这个 base 模型,就是这个 base, 还有这个这两个分别是一点七 b 的 参数,还有零点六 b 的 参数,只是参数的区别, 其他是没有任何区别的。第二个就是它语音设计,也是它最大的亮点,它可以根据用户描述提供语音设计, 这个是非常强大的一个功能啊。第三个就是这个预设,这有两个预设的模型,它里面有九种音色,就是已经预设好了,不需要你再去进行训练,分别也是一点七 b 还有六 b 两个参数。 那下载之后呢,把它放到 models 的 千问杠 tds 这个文件夹一下就可以了。 那么咱们看一下它的工作流对应的工作流呢?我都已经上传到了 runninghub, 分 别是语音克隆,预设声音,声音设计,还有一个多角色对话的工作流,大家可以直接在上面搜索,遇见 ai 就 可以找到。 roundtable 是 一个在线的 cosplay 创作平台,能在线编辑和运行工作流,最新的模型也都会第一时间进行更新。大家通过我视频介绍区的链接注册 roundtable 会获得一千点的积分,并且每天登录都会额外赠送一百点积分。工作流我也放到了视频的介绍区,大家可以在 roundtable 上尝试一下。 好了,咱们一起看一下他的工作流。首先第一个就是他的声音克隆,直接在这上传个音频,然后通过这个节点传过去就可以了。那么这个分组的作用呢?就是把他的音频直接识别成这种文字,然后再给他进行一个参考, 其实这个是属于一个可选项的啊,直接输入也可以,但是呢这是有一个自动的操作,或者说你不输入也是可以,但是呢输入上之后,它出来的效果就会更好一些,那么它的音频转文字的效果是使用了这样一个节点 使用的 whisper 模型。 whisper 模型我也上传了网盘啊,大家可以在我工具箱的第一百二十四行 就可以找到了,这是它的模型,先用 tds 还有 whisper, 这几个都有啊,直接把这两个文件夹放到 mod 四文件夹下就可以了,这样非常方便啊。 然后呢看一下这是它的工作流,非常简单,直接点击运行就可以了,那么咱们听一下它的原始音长胶原啊,我记得你背符的时候,你这两个衣服兜里啊,跟小仓库那变戏法似的往外掏啊。 然后呢再听一下我李云龙打了一辈子仗,就不能享受享受吗?接着奏乐接着舞 啊,这就是出来的效果,效果呢还是很不错的,那么它的运行时间可以看到现在呢是十九秒的时间,在这也能看到,这也能看到十九秒,七九 是他的一个生成速度。然后除了这个还有这个工作流,他是一个预设声音,预设,直接在这输入他的音频啊,因为现在用的是四川话,可以看一下他预设一共是有九个, 分别是这九一个,那么这个 lk 是 一个四川的方言,所以说咱们在这写入了这个语音,在这还可以给他角色进行一个设置, 你看一下他的姓名啊,角色音色背景外貌,因为他是使用了千万的 im 模型说,所以说是可以完全给它进行一个识别的,然后呢直接运行就可以了,看一下出来的声音,嗯,把我的东西都搞坏了,还晓不晓得认错,硬是要把我整冒火,你才安逸嗦, 莫再烦,老子爬球开。那么如果是换人的话,直接在这换行了,这是一个对照表,这个也是非常方便的。第三个就是他的语音设计,语音设计这是他的一个强项,大家可以看一下,把这个语音的角色信息在这放进来 就可以了,然后在这输入上需要的内容,有些事只要国家需要就得有人扛起来,然后这是他的一个内容模型,在这是可以直接选择的啊,零点一点七比之前的也是可以的,可以看一下 一点零点六比,一点七比,只要放好对应的位置就可以了,在这不需要选择路径,它是自动给你进行个识别,然后在这可以选择语言, 是它参数的一些设置,那么这个是它的一个高级的工作流,大家可以看一下啊,它可以进行一个多角色的,可以进行一个多角色的对话啊,它使用了这么一个节点,那么咱们把它输入进来之后,可以在这修改它的名字,可以看一下啊,在这直接修改名字就行了, 修改回来啊,然后在这输入他的对话,小林,这是小林,然后旁白,旁白,那么他就可以根据这些语音进行一个识别,识别出来之后就成了这样对话的形式。 那么这几个接口呢?是可以使用多种方式的,比如说第一个我是使用的声音克隆,可以看一下还是使用的这个素材啊,这一些还是之前的语音转成文本,因为他这并不是输入音频,而是输入这种, 所以说需要使用这个节点,把这个音频转化成 prom 的 这个提示词,这是语音克隆的啊,这个是语音预设的啊,同样之前也是直接保存行了,也是通过这个节点把它转成提示词,这个呢是一个清内存的一个节点啊。 第三个也是声音预设,可以看一下直接使用这个节点给它转化成提示词, 然后同样接进来,大家可以看一下啊,他对于显存的占用啊,基本上现在是占到十三,那么他的处理过程呢,也是几行几行处理,根据你这个量的多少, 你看一下,他现在是处理一到四,然后五到八,九到十二这样去处理,现在是已经跑完了,现在是跑了二百一十秒,就是三分多钟, 听一下他出来的效果,小林今天第三次走神了,酒吧昏黄的灯光晃得他心跳加速,而吧台对面那个红唇微扬的女人,正用指尖轻轻摩挲着酒杯边缘。 小弟弟,有兴趣陪姐姐喝一杯吗?啊,我我我其实不太会喝酒。 第二个就是用的这个御姐,第一个的旁白就是使用了这样的一个替日词,这就是它出来的一个效果,效果还是很不错的,大家可以去尝试用一下。这期视频就介绍到这里。

这期呢给大家介绍一个语音克隆的模型,叫做 omni wolf, 这是 k 二团队研发的一个,这个 k 二呢是小米旗下的一个团队,咱们先看一下它的特点啊。首先支持六百多种语言, 其中包括了十二种方言,这个就是它可以定制说话者的属性,包括姓名、年龄、口音、方言、耳语等等。 第三个就是他的推理速度是非常快的,目前来说这个模型应该是推理速度最快的一个,也就导致了他对于显存的要求是非常低的,基本上六 g 就 够用了,就能跑动了。看一下他的功能啊,这是他的 gethelp 的 项目页。 第一个就是语音克隆,上传一段三到十秒的参考语音就可以给他进行克隆,这里面提到了一点,为了更好的效果,可以把数字一二三转换成 one hundred twenty three。 第二步呢就是声音设计,支持的属性包括性别、年龄、高音风格、口语以及方言。 第三个就是非语音表达与发音控制,这非语音符号就是一些大笑啊,停顿呀,咳嗽啊,乱七八糟的这一些。 第二个就是声音控制,如果是多音字的话,可以使用带声调的拼音来进行控制,比如说这批物资打折出售就严重折本了,再也经不起折腾了,可以使用这种拼音加上声调 来控制。还有就是英语的发音控制,因为在英语里面其实也是有这种一字多音的,比如说这个 b a s s, 他 如果读 b s 的 话,他就是鲈鱼的意思,不同的音他有不同的意思, 所以说它可以使用一种叫做 c u m 发音词典这个的方式来控制它的意思以及读音。 然后这些呢有一点是需要注意一下,就是它对于 transformer 这个包的要求比较高,是需要五点三,可以给大家看一下,我这是升级到了五点三点零, 他必须要升级在五点三点零以上才可以的,因为他的模型在音频处理方面依赖于一个模型,这个模型的一个功能是在五点零点三之后添加到 transformers 模型中的,那么这就会产生一个问题,如果你升级完之后,可能会对你之前的模型或者说之前的插件有影响, 用这个 transformers 其实是非常重要的一个包,很多模型很多插件都是会用到的,所以说你们在升级的时候一定要注意把这个 python 文件夹备份一下啊,比如说复制出来一份, 避免产生不必要的麻烦啊,这也是非常重要的一个点,如果你觉得比较麻烦的话,我把它上传到了 runhelp, 大家可以在这在线使用一下, 如果大家的电脑配置不高,可以尝试一下这个网站,这里面的工作流模型是非常全的,而且也不需要你去担心环境的问题,用起来呢也非常方便,而且每天都会赠送一些免费的积分。 好,下面看一下它的模型的下载。首先就是官方出的这些模型,需要下载两个,一个是 models, 一个是 comfis 啊,这两个模型下载之后呢,是放到 models 默认模式,然后再有一个默认模式。 第二个呢是大写的啊,这个一定要标准,然后把脸放过来就可以了,这个模型呢是三十二精度的,还有一个比较小的十六精度的是在这里 啊,这两个把这个 models 还有空飞置下载下来,然后它的路径是这样的, models omini volks, 然后在 omini volks b f 十六把它两个放进来。 除了这两个呢,还有一个模型是需要下载,就是 whisper, 这个呢是一个语音识别的模型,它官方提供了两个推荐,一个是 launcher with santa bell, 一个是 medium, 当然呢,其他的也可以使用啊,这个看你自己选择了。把它下载之后放到 models 啊,这会有个 audio encoders, 然后放到对应的两个目录就可以了。同样是下载 modus 还有空飞纸这两个文件,以上这几个模型我会把它的下载地址放到评论区,大家直接下载 modus 文件夹,然后覆盖到你之前的 modus 文件夹下就可以了, 里面的文件结构我都已经做好了。然后这些呢,有一点是需要注意一下,就是他对于 transform 这个包的要求比较高,是需要五点三,可以给大家看一下,我这是升级到了五点三点零, 他必须要升级在五点三点零以上才可以的,因为他的模型在音频处理方面依赖于一个模型,这个模型的一个功能是在五点零点三之后添加到 transformers 模型中的,那么这就会产生一个问题,如果你升级完之后,可能会对你之前的模型或者说之前的插件有影响, 用这个 transformers 其实是非常重要的一个包,很多模型,很多插件都是会用到的,所以说你们在升级的时候一定要注意把这个 python 文件夹备份一下啊,比如说复制出来一份, 避免产生不必要的麻烦啊,这也是非常重要的一个点,咱们一起来看一下它这几个工作流啊。首先这里面呢是一个参数,它里面采用的一些参数都在这里面指出来了,大家可以直接看一下。然后这边上传音频,加载一下它的 whisper, 直接就可以语音进行克隆, 这里面看一下它的提示词,因为和这个字是一个多音字,所以说通过 he 再加上二声来进行标注,下面这个和稀泥的和同样是拼音,加上四声来进行标注,咱们听一下它出来的效果啊。 我说魏和尚,你成天光想着吃肉,还当什么和尚去和稀泥吧, 这就是语音克隆的一个效果,咱们再看一下语音克隆长音频,同样的是加载一段音频,然后再加上这个 whisper, 使用的是这个 long phone 的 彩样。我等修炼者原本就是逆天行事,有各种磨难是正常之事,只要破茧而出就是了,与人斗有什么意思, 与天斗才其乐无穷的。这个呢就是可以克隆比较长的语言,和这个其实功能上是有一些一样的。 然后第三个就是语音设计,这里面呢也给出了语音设计的一些参数,还有书写的格式,咱们可以看一下了,上面呢是语音的内容,下面呢是对语音设计的一些要求,这里面有中文还有英文的一些设计要求,以及正确的书法师利, 还有常见的一些错误啊,大家可以看一下,那么咱们听一下他这个出来的效果,使用的是男青年 高音石家庄话,石家庄有名国际庄,正宗安徽牛肉板面,香得能当城市名片,吃完一碗力气大到能徒手拉货车,这劲装的人自己都怕。 其实大家可以听出来的,这一些逗号以及停顿其实并没有按我们要求来,这也是他模型的一个缺点啊,好多停顿的地方他都是按照模型来的,并没有按照我们的题词要求。 然后呢再看一下多人对话,多人对话,上传两段音频,然后呢然后给它格式进行一个修改就可以了, 它的格式呢是这样的, speaker 一, 然后中括号括起来,再加上个冒号,这就是它的格式,所以说我们在这里面给它进行了个替换,首先是写上人物,然后呢再进行一个提示词的替换,这样的话就比较方便一些, 咱们看一下出来的效果。魏和尚,你说山本一木这小子今天是不是栽在这里了?这意大利炮真不是吃素的,二营长真厉害,哈哈哈,给二营长赏个鸡腿 也可以听出来啊,他的停顿也是有问题的啊,比如说你说上面没一幕,他在这停顿了一下,所以说这就是这个模型目前的一个情况,他的优点呢确实是非常厉害啊,他的生成速度是非常快,而且效果呢也是很不错的,但是他这个停顿确实是有些差些意思, 剩下的大家可以尝试一下模型呢,到时候在视频的剪辑区直接自己下载就可以了啊,这期视频就到这里。

当你跟一个摄影师或者跟一个设计师沟通的时候,你跟他说我现在要别的角度,人是立马就能理解的,但是呢, ai 他 似乎不能理解我们想描述的这种语言,我觉得我们人就要用这样的语言跟计算机描述,我们不要去 改变我们的语言环境,也不要改变我们语言的方式,我们就要用那种我们跟人说话的方式去跟 ai 沟通,剩下的是 ai 自己进化自己改变的问题,我们不能被 ai 改变,这是我想说的一个点。我那天在网上看到一个特别好用的 ai 工具,就是这个 千万 image edit 二五一一,它是可以控制一张图片的不同角度旋转,这个角度就跟你在玩三维软件一样,然后点击这个, 它就能生成出来相应的这个角度。这个东西对我来说太好用了,我平时我做视频的时候,我的背景是扣绿的嘛,就会放一些 ai 生成的图片当做背景, 但是这些背景呢,它角度一般都是只有一个,我要想改变机位,改变角度的时候再换这个背景就很麻烦。很久之前我采用的方式有两种,第一种是在三维软件里面找图,第二种是在三维游戏里面找图,因为这两个都是三维的东西,我可以自己随意的调整摄影机的角度。 当时我就在想有没有那么一个东西,我直接丢一张图片,然后我就可以旋转摄影机的角度,他就可以给我生成相应的这个角度的图片了。没想到这玩意真的有,而且是好几个月之前就已经有了。一开始我知道这个是刷到一个抖音博主讲的,然后他说这是一个网页,后来我就顺着他的这个录 屏找到了这个网页,就是现在这个,如果大家要的话,我待会把它放到评论区里去,但是这个小玩意它使用起来效果很不好看,它原图是这样的,我调整的角度 让他跑到一个高机位俯拍,结果他生成的画质是这样的,角度倒是对了,但他这个效果非常差。然后我就又继续搜关于这个工具的视频,发现,哦,你得在 comfyui 上部署工作流,效果才会更好。 现在这个就是在 comfyui 里面的了,不再是刚刚那个网页上的了,我之前有听说过 comfyui, 就是 只知道他是一个部署 ai 工作流的平台吧,算是。除此之外,我对他的了解就是零了, 我也完全没想研究它,因为我之前是觉得研究这些各种各样的 ai 工具意义不是很大,就你刚熟悉一个工具还没来得及, 还没来得及用它把它的价值发挥出来呢,新的工具又出来了,所以我呢,就是单纯抱着想体验一下的心态,就想看看它这个控制摄影机生成的多角度效果,到底有没有 那些 ai 博主吹得那么神。然后我就开始入坑研究这个 cosplay 了,后面我花了两天一夜的时间,基本上都耗在这个上面了,中间就睡了两三个小时,因为我没想到的是,就是这玩意它还挺上头,挺好玩的。好,我给大家演示一下,这就是我之前的片子里面用豆包生成的图片,好来个 dj v 的 仰拍, 现在已经是最低了,然后点这个 run 运行,他这个跑的时间不一定,有的时候快,有的时候慢,主要看大家的电脑,我的,哎,好了, 跑出来了,看这个角度非常厉害,真的非常厉害,而且画面很清楚,侧面角度这里是看不见的,所以他自己把它给计算了一下,弥补了一下,然后这些灯墙的这些质感都是对的。

哈喽,各位同学大家好,欢迎来到数字折叠,那我们之前的本地 ai 视频生成的课程用到的大模型都是万二点二, 但是万二点二的话呢,他就只能到二点二了,他有二点五,二点六也不会给大家本地开源使用了,是要去做一个线上的收费的。就在大家认为这个开源模型将要进入到一个停滞不前的阶段的时候, 咱们的 l t x 啊,这一家以色列的公司给大家开源了二点三的视频生成模型,那 这个模型相比较于万二点二,它有一个比较大的优势啊,它是可以音画同出的,也就是说我们可以出来一个完整的带有声音的 画面的视频,不用我们后期再去重新给它对口型做这个音频的一个合成了,非常的方便,也比较符合现在的一个 ai 的 视频生成的一个趋势吧。那么我们如何去使用它?对于电脑的要求是什么样子的?我们如何在本地成功的去部署它,那这节课我们就要给大家去讲了。 那首先我们来看一下啊,我使用这个 ltx 二点三制作的一个小效果吧, put your hands on the arm here open your legs not too much there you'll see why i like that very much do you want me back? ok, 那 大概就是这样的一个效果,我们可以看到它的分辨率是很高的啊,我在后期对它进行一个放大,但是我们一次就可以直出一二八零乘以七二零分辨率的视频, 并且的话呢,我们这个视频的帧数率是支持二十四帧或者二十五帧每秒的,它的时长也可以达到十秒甚至以上,对显存的要求也没有那么大,我使用的是 四零八零十六 g 的 显存,然后六十四 g 的 内存就可以跑这个效果了。那如果你的电脑比我还好,我相信它可以在一分钟之内就可以跑出一个五秒钟的视频。 如果你是十二 g 的 这个显卡的话,你可以试一下,因为我没有试过啊。那如果你的内存比较低的话,你也可以设置一个虚拟内存,这样子就会让我们的这个跑起来没有那么大的内存的压力。 那我们看完效果之后,我们来看一下怎么样一步一步的把这个效果给它复刻出来。那我们第一节课讲的就是工作流的部署, 如果你从来没有使用过 comui 的 话,你还需要先去下载我们的 comui, 然后再去给制作我们的 ltx 的 模型的工作流。 如果你不想去折腾啊,你不想一遍一遍的又配置环境,又要用这个代码去调配拍摄的各种模块,还要自己去下载工作流,安装插件,然后优化节点, 解决报错,这是所有的非程序员出身的人来去使用本地 ai 的 时候遇到的问题。那么我们数字折叠给大家提供了一套完整的开箱即用的软件,就是 comui 的 整合包,加上我们的这样一个 e f studio 的 工作流操作工具。如果你是我们输入折叠的会员的话,你可以用我们这个工具,如果你不是会员的话,你可以直接用我们的 comu i 自己去部署这个工作流。那么我们来看一下一步一步的一个操作过程。 首先的话呢,我们的 comui 整合包是可以在我们的网站上去下载的,我们首先可以进入到课程这个页面,在我们的课程页面里,我们点进来这个 ltx 二点三的课程的主页,在课程主页里面我们可以看到这边有一个这个配置链接, 首先第一步你就去点击这个 comui 的 整合包,把这个 comui 整合包下载下来,我们现在使用到的是这个零点一六点四的版本, 里边的环境是库达十三加拓十二点九,也就是说你首先要去升级你的这个显卡驱动,能够支持我们的库达十三,然后呢再去安装我们提供的库达十三点幺的这个库达驱动, 那么我们这个详细的部署的视频是在这里的,你可以到这里去下载部署一下,只不过我们这里边是十二点八,你只需要把我们的库达变成一个十三点一就可以了,如果你不是三维用户的话呢,那个侯蒂尼的安装你也可以自动的给忽略掉啊,就前期先去适配一下这个库达环境, 然后下一步的话就是安装我们的整合包,然后把它解压出来,放到指定的位置,就可以把这个软件打开了,下面给大家去看一下如何去打开咱们的这个软件啊?在你没有安装 cd 的 情况下呢,你进入到我们的 comfui 里面, 然后双击我们这个英伟达 gpu 的 bat 脚本命令,就可以把我们的 comfui 给启动起来了, 在启动的时候的话呢,大家可以再继续去下载第二个东西,就是我们的 d f studio, 我 把所有的工作流都配置好放到里面了,那这个 d f studio 的 下载链接的话,也可以直接去打开它 到这里去下载就行了。那它的一个部署的话呢,你可以看我这边这一个县城文学的课程, 这个课程上面的话呢,我们的第二节有一个部署的教程,你只要把这两个东西部署完,后面你就非常开心的去玩我们的 comu i 在 本地可以零成本的去制作各种 ai 的 一个效果了啊,这是我们的一个前期的部署, 如果你是老用户的话啊,你可能之前已经安装了我们的这一个数字折叠的 comui 整合包了,只不过你的整合包目前不是十六点四或者不是扩大幺三的系统,你就根据我们的下面这个部署教程去重新的升级一遍就可以了,你就不用再去安装其他的环境了,只需要去替换一下里面的这样的一个 is embedded, 还有我们的这个插件,还有我们的本体就可以了。那替换完之后,再把你老版本里面的你之前下载的囤积的一些大模型给它直接剪贴到我们新版本的模型文件夹里面去就可以了,这是一个比较方便,不用折腾环境的升级方式。 那现在我们看到 comui 已经打开了,那我们就直接进入到咱们的 df studio 里面去吧,我们打开我们的控制软件。 好的,现在这个控制软件我们就已经打开了啊。首先我们点击这个视频生成,里面我这边提供了有三个 l t x 二点三的工作流,分别是音画同出的图声视频,还有音画同出的文声视频, 在这个声音生成里面还有一个自定义音频的一个 l t x 二点三的图声视频的这个工作流,这三个工作流是我们要用到的, 我们今天先要给大家去讲的是这个 l t x 二点三图声视频,就这个咱们的工作流,那在去使用之前,你要下载 l t x 二点三的模型啊,我们可以直接点击查看介绍, 我们进入到这个介绍页面,我们可以看到这边有一个模型下载的链接,看到没有,你直接点击模型下载链接这边我就提供了我们的这个三个工作流共用的 一个模型,就一套模型系统吧,它的一个文件的路径我也给大家在这里梳理出来了,比如说在 models 里面,然后 different models 里面下载这一个可立普里面下载这一个 ve 下载这俩,是吧?还有放大模型,然后你就直接可以点击这个百度网盘啊,我们这个模型都是 开源的,免费分享的,在别的地方下也是可以的,没有关系的啊,那我们进入到这里面去之后的话呢,那我们就可以看到了啊,这个可立普文件夹,什么 different model 文件夹,给大家说一个技巧,我这个文件夹的名字啊,比如说可立普,就是在我们的这个 comui 的 model 文件夹里面,我们找到 model, 这里面也有一个可立普啊,你就放到同一个文件夹里面去就好了,就把它下载到这里面, 那相同的,就比如说是我们这个 latent app skill model, 那 你就找到我们 comui model 文件夹里面的相同的 latent app skill model 文件夹,然后把它给下载下来就可以了, 按照我的这个方式把这里面所有的模型下载下来,就可以使用它了。那我们首先的话点击使用该工作流,我们在使用的时候可以先创建一个工程,如果你有新的工程就直接打开就行了,比如说我们就放在我们的 l t x 二里面吧,然后这个名称的话,我们就叫做演示吧。 ok, 我 们创建一个演示的工作流,创建好之后呢,我们就选择这个图声视频的工作流,点击使用工作流就可以了。 然后我们可以先创建一个图像,那这个是我们默认的图像,那我就生成一个新的图像吧。比如说我们在工作流里面,我们选择另外一个工作流,图像生成的工作流,我们使用的是 z 妹子的这个纹身图,我们选择它就可以了。 然后我们这个图像我们创建一个古风女孩吧,一个穿着汉服的女生吧,这个的话是可以支持中文的,我们输入一个穿着古风汉服的中国女人 站在院子里,上半身特写, 就这样吧。然后我们的分辨率可以给到一二八零三七二零稍微小一点嘛。那我们这个保存路径的话,也可以放到我们自动创建的这个资产里面,你可以自己写一个文件夹,比如说叫做古风 这边的话呢,我们改变一下他的保存的前缀也行,让我们刷新一下历史记录,这个时候我们就可以执行了。那这个任意美指纹身图也是需要去部署模型的,我们之前已经部署过了,你可以看一下我之前的课程,我们点击一下执行就可以了。 好的,现在我们已经生成了,我们来看一下整个质量还是可以的啊,非常有这种古装剧的感觉。然后我把提示词的上半身特写去掉了啊,改成了面带微笑,因为只有上半身特写,他的面部没有那么完整, 那我就把它改一下,优化一下。那我们就可以点击一下标记啊,把这个图像给它标记出来,作为我们的一个图生视频的手帧图的使用用途。那下一步的话呢,我们就切换到 lts 二点三的图层视频工作流,把这个手帧图切换成为我们刚才的这个 mark 出来的图像就是它了。然后提词词应该怎么写呢?提词词其实是有一些要求的,那这个 l t s 二点三的这个提词词的格式,我们提供了一个反推工作流,就是说你把一些必要的条件给到它,把图像给到它, 它就能够给你一个适合 l t s 二点三出视频的这样的一个题词词啊。不是说你随便去写,可能随便去写出来的效果并没有那么好,那我们可以再去选择一个工作流,你看我们有了这个十六六软件之后,你就不用到处去部署工作流了,你就直接在这里面去选就行了。 那我们可以看一下,在文字生成里面有两个反推的工作流,另外一个是二点三反推的官方版, 这个是之前 lts 二的反推提词词,它的提词词是比较的完整,就是把画面也描述出来了。那这个是官方的 k z 流给到了一个提词词的反推方法,这个可能会更简洁一点,那我们就用这个官方版的,我们点击使用工作流, 如果你没有部署这个反推模型的话,你也可以查看介绍一下,看一下需要去下载什么模型。其实这个工作流里面所用到的那个模型跟我们二点三这个大模型是一样的,用到的是它里面的可立破模型,所以你就不用下载任何的模型了,直接点击使用就可以了。 那我们把刚才的那个图像给到他,就比如说这个图像,然后他的这个前置条件是有一定的格式的,比如说前面这一句是不用管的,就是让这个图像变成一个流畅的动作,然后这个主题你要改一下,动作你要改一下,场景你要改一下,如果自己改的话比较麻烦啊,你可以直接 ctrl 键加 c 键复制一下,然后我们可以进入到 excel gpt 里面去啊,那我们就进入到这里面来,然后把这个题词给到它,就是这个反推的格式,说修改一下这个这个内容 要求,然后我们就可以把下面的这些题目给到它,就是 subject 啊。这个主题是什么呢?一个女女人对着镜头打招呼, 然后再把我们下一个这个 action 再复制过来。说什么呢?说这个女人走到 镜头前,微笑着说,是吧?一日不见,如三秋兮, 这应该是一个文言文啊,就这样子,一日不见如三秋兮。 ok, 然后我们再去回车,然后这个盛世描述一下啊,盛世就是一个呃,古代的院落里, 这里就会触发他对环境或者声音的一些描述,然后点击给我们的这个大模型,他就可以把我们的题词给优化了,我们来看一下,他自动就去写了。 他给了两个版本啊,第一个版本的话他把台词也变成英文了。啊,这个我们要中文的,这个叫什么呀?呃,一日不见如三秋兮,我们复制一下,可以来去看一下啊, 粘贴是吧,让图像以流畅的运动变得生动起来啊。一个女人面对着镜头,然后微笑的说这个样子。好的,那我们就可以把这个反推的指令复制到我们的工作流里面去, ctrl 键加微键啊,如果大家觉得比较麻烦,可能更喜欢做在线的,但是我觉得,呃,如果你想要简单一键的东西可能就没有那么准确,如果你想要省钱,想要做的更专业,你还是要稍微的呃,用一些流程来去规划一下。 那这个最大制服就是说他反推出来有最大的一个反推提示词的长度啊,但是一般情况下是不会超过一零二四的,你就算给到一零二四,他可能反推到几百个就停止了啊。那我们这个路径也可以改一下, 他会给你一个提示词文档的,你后面可以发给别人,也可以自己去学习使用。那我们可以给到这个反推的文件夹里面去就可以了,这个就叫古风吧,然后我们就开始执行就可以了。 好的,我们现在已经反推完成了,我们可以看到这个提示词在我们的右边展示栏里面也展示出来了,我们可以直接 ctrl 键加 c 键,我们回到这个翻译软件里面来看一下, ok, 就 这样子的,你可以看到它又把我们这个中文给它翻译成英文了,这个我们到时候再翻译过来就可以了。 风格他先定义了,然后再定义动作。女人慢慢走向镜头,热情的微笑着,用舒缓的声音说,啊,什么什么柔和的中国传统音乐,然后与鸟儿的呃声音和远处的喷泉融为一体啊,就非常的详细吧。那我们就回到这个这边来, 然后呢我们就把咱们的这个题词给它粘贴过来,只不过你把这个他翻推出来的这个拼音再改一下啊,一日不见如三秋夕, 如三秋兮。好的,现在应该没有问题了,种子值可以随机一下啊。注意,这个是我们刚才那个音化同出的工作流,这个,这个是反推的工作流啊,他俩你不要弄混了啊,先去反推出提示词来,然后再给到我们的工作流, 然后时长五秒,五秒应该可以了,就默认五秒,帧率二十五帧每秒,然后宽度一二八零乘七二零。保存设置,这里就是你保存在我们的 alt put 里面的这个文件夹里面的。这个后面的文件夹和前缀啊,我们就叫做克拉斯演示吧, 这个不是一个绝对路径,大家注意啊,现在我们刷新一下工作流没有问题就开始执行了,那执行之前的话呢,建议大家可以到我们的 comui 里面啊,你可以去清理一下这个内存,清理一下缓存, 如果你再执行多个工作流之后,你再去执行新的工作流,它的内存来不及卸载,会造成这个 comu i 的 卡顿。建议大家可以多去点一下这里,然后保证我们的这个 gpu 还有我们的内存要干净一点,现在没问题之后,我们就开始点击执行,等待它的一个视频的生成吧。 ok, 那 我们这个已经生成了,我们来看一下啊,一日不见如三秋夕, 是不是还是可以的呀?而且我们可以发现啊,咱们的这个嘴型也能对上声音也是这种比较标准的普通话,美中不足的就是有字幕,这个字幕在中文的发音下是比较通常出现的,所以我们后面的课程当中用英文就不会有这个问题了 啊。再然后的话呢,我们接下来要做的这个效果,并不是说光用这个工作流,我们还会用到其他的工作流,像瑞米克斯呀, 像这个 client 啊等等的,所以我们接下来会利用这个大的 ltx 框架,然后再加入其他的辅助模型来去制作。那这节课的话呢,大家只要把它给部署上就可以了,那么我们也可以对它进行接下来的一个放大高清叉撑的处理,我们都会详细的去讲解的, 那下一节课我们再见。拜拜。

hello, this is my clone voice。 大家好啊,这是我的克隆声音,多梦米娜桑 cologabokno clone voice, 大家可以来听一下,这就是最新的 fish audio s two pro 模型,这模型有什么特点啊? 这个模型支持最多十个角色对话,哈哈,还有八十三国语言呢。哈喽,小伙伴们大家好,那么今天我们玩一个最新的开源的语音克隆项目啊,就是这个 fish audio s 二啊,那么它支持了一个最新的模型叫 fish audio s 二 pro 这么一个模型啊, 也是刚刚更新的。那么首先说一下这个节点的安装,还有模型的一个下载哈,节点的安装正常的话,第一步就是把我们这个复制过来,然后通过我们的管理器啊, install git url 这样安装就可以了。 那么这个安装的时候它会遇到一些问题啊,我相信大家都会遇到一个问题,会报错加载不了哈,那么这个时候我也列出来了哈,就安装依赖的时候,需要手动下载一个 fish speech 这个项目哈,这个项目呢,也是一个 github 上的一个项目,就是这个哈, 然后把它整个的文件复制下载下来哈,就是下载这个 z i p 解压缩以后呢,把里边这个文件所有的文件全部替换,替换到我们这个节点啊,就是我们 confluence 里边这个节点的这个 fish speech s r c 这个啊, 把这里边这些所有文件全部替换成我们刚刚下载的这个啊,这个里边的文件,然后这个还没完啊,还需要去改一下代码,在我们这个下载完的这个文件夹里边啊,替换完的,把这个 fish speech 这个文件夹打开, 然后找到这个 models, 再找这个 d a c 改这个啊, inference 点 py 这个文件,具体改动就是这里啊, 在第二十行的地方,我们需要把这个它原来默认的话是 e v a l 这块啊,我们需要自己重命名一个 e v a l 啊,要不然的话它会跟 copy y 会有一个冲突啊,我们在这边把这个重命名一下啊,不过没问题啊,大家觉得复杂的话,我已经把它都改完了啊,我会上传的网盘, ok, 那 么这就是节点的一个安装啊,还有就是那模型下载模型呢?他使用的这个是两个模型哈,我们看一下,一个是 pro 版的,还有一个就是我们理解为一个精度低一点的版本哈, 这两个模型,那么你可以直接从爆脸下载,也可以是让他自动下载啊,第一次运行的话他会自动下载,你在这边选择模型的时候,他会自动下载哈,那么我也把这两个模型都上传到网盘了哈,大家也可以去从那下载, ok, 那 么回到我们这个康复 y 的 这个节点哈,其实它就分了三个节点,这三个节点分别对应三个功能啊,第一个就是普通的语音生成啊,第二个呢是单人的语音克隆,第三个呢就是多人的语音克隆对话啊,就是可以安排对话。那它这个模型其实有几个特点比较强哈, 第一就是他最多支持八十三国的语言,然后呢支持最多十个人去对话啊,就说我们这边如果选择的话,最多可以有十个人在对话啊,当然效果可能不一定好啊, 然后还有一点我觉得也不错的功能,就是什么他的语言是可以直接的你一次性生成多国语言在一起啊,就是一个人说多国语言,在这一段话里啊, 那么在进行语音克隆的时候,大家有一点我推荐哈,就是用这个 whisper 做一个这个转文字哈,它这边会有一个呃,说话的人的这个语音参考的文字,那么最好把它接过来一下,那么会增加这个语音的转化的成功率啊,包括这个准确度能大大的提升。这个, 那么他也可以增加一些情绪控制的提示词啊,就是说比如说声音的提升啊,啊,兴奋啊,还有一个笑啊这些,那么对应这些呢,我都已经把它列好了,包括这些参数需要哪些是怎么调整的哈,包括这些情绪的啊, 怎么去写,他在这边我也都放了图了,整个效果呢,就是如我们一开始的那个 演示的,我觉得效果还是不错啊,特别是这个多人对话,还挺有意思啊,还挺有意思,就是说你可以把它设置好多人啊,同时把这个语气词也放上去啊,就可以进行这样一个说话了啊,感觉还挺好玩的。 ok, 那 么这个项目就给大家分享到这里啊,大家也可以去尝试一下。好,就这样,拜拜。

这期呢给大家介绍一下威扣 cp m。 二,这个是他的 game 项目页啊,其实这个已经更新了好几个版本了,之前呢有零点五,然后有一这次呢是更新到了二版本, 咱们看一下他的更新内容。首先二主要的一个更新是他的参数,从之前的零点六零点五更新到了二 b 的 参数量。然后就是他的语言,之前只是支持中文和英文,现在支持三十种语言,而且还包括九种方言。 再有就是更新了云设计,还有云克隆这两个功能,那么他这个模型最大的一个亮点就是他支持 lara, 这是其他很多的云模型所不具备的一个特点,也算是他的一个小的优势。 那么咱们看一下这个插件呢,是桌面号不更新的啊,大家呢需要把这个插件安装一下,然后呢这里面也给出了下载的文件结构以及下载的网址,首先看一下它模型,需要下载就是这个 voccm。 二需要把这些下载完, 那么除了这个模型,还需要下载一个语音识别的模型,就是这个这些呢需要把这些同样都下载下来。那么关于这些模型呢,我都已经上传到了网盘,大家可以直接在工具箱的一百二十九行 直接从网盘下载,那么里面的模型呢,我都存放到了对应的位置,所以说你直接把 model 文件加下载下来,然后覆盖到你之前的 model 文件加下就可以了。 然后咱们看一下它的工作流,这个工作流呢我也已经上传到了 running hub, 大家可以在线使用一下,那么如果你的电脑配置不高,可以尝试一下这个网站,这里面的工作流模型都是非常全的, 而且呢也不需要你去操心环境的问题,所以说用起来非常方便,并且呢每天登录它都会送你一些免费的积分。 好,咱们看一下它的工作流,首先看一下它的工作流的主要组成,一个是彩样,这边是模型的加载,直接选择就可以了。这里面是参考音的加载,这里面上传这有一个 control, 也就是说语音的设计是在这里面直接写入的,这里面呢写入的是语言的内容, 在下面的参数,这个二点零是 c f g, 然后这十是它的步数,在下面就是种子,还有种子的控制方式。再往下面这有一个叫 ultimate clone 终极克隆,那么如果你把它勾选之后,那么上面这里面的声音设计就不生效了,也就是说强制的使用声音克隆这个功能, 所以说如果你声音克隆的话,最好把它勾选上,在这样的话,你在这里面输入的内容它就不生效了。 好,再往下面就是参考语音,也就是说你可以把你语音的内容转换成文本,在这输入过来,这个是可以更好的控制,但是呢这也是一个可选项啊。再往下面 normally the test, 这个是文本正则缓,如果你在这输入它的文本内容的时候有数字的话,建议可以把它打开,这样的话它效果会更好一些。再往下面 de noise reference, 这个是去除参考音频中的噪声,打开之后可以给它进行一个去噪。 再往下面是 max length, 也就是说最大的透光数量四零九六,再往下面这个是输出质量不好的话,它就会自动进行一个重试, 磨人的话也是打开的啊。然后呢咱们看一下语音参考,直接上传语音,然后把这里面空着就行了,或者是说你直接勾选上也是可以的。 但是呢,他这里面有一个问题,因为之前咱们上个视频的时候讲解过,如果是多音字的话,我们的 word 它是可以解决的,但是如果我们使用这个模型,他是不认识多音字的,只能是使用这种替换的字,比如说霍西尼把这个字替换掉这种方式来实现。 那么咱们听一下正常的,如果是和这个字的话,我说魏和尚,你成天光想着吃肉,还当什么和尚,去和稀泥吧看了吗?他读的是和稀泥吧。我说魏和尚,你成天光想着吃肉,还当什么和尚,去和稀泥吧。 如果是改成这个或的话,他就可以正常的读出来,这就是他的一个情况,然后在下面就使声音设计,直接把前面这个加载语音内容给他去掉就行了。这里面输入他的语音设计,比如说是什么话,还有对他人物的一些描写, 是中青年或者说其他声音什么样的都可以。咱们再来听一下这个,这个可以使用自然语言来给它进行描述,然后咱们听一下这个使用的天津话。哎呦喂,这倒霉天说下雨就下,连个伞都没带,这不买泥了吗? 啊?这就是天津话的一个效果,当然呢还可以使用语音参考,加上设计,也就是说可以上传一段音频,然后把它改成天津话,咱们听一下效果, 哎呦喂,这倒霉天说下雨就下,连个伞都没带,这不歪泥了吗?可以看一下语音,还是使用的参考的,然后改成了天津话,但是呢,可以看到它的语速是非常快的,这模型就是生成的语速会比较快一些。 那下面就是多人对话,使用的是这个节点,他的情况和之前是一样的,但是多了几个 ctrl 一 到 ctrl 五,也就说他最多可以进行五人的对话,可以在这输入每个人物的声音设计,比如说,一就是天津话,中年男性,二是成年女性陕西话,五是旁白。 把它的题词写成这样,咱们听一下它出来的效果。欢迎来到遇见 ai 的 频道,您愣解释干嘛去?这天来上一碗油泼面,辣子多放,美得很,哎呦,真地道,倍儿香啊!但是可以看出来天津话它的效果并不是太好, 大家可以自己再去修改一下他的词,然后在下面这是多人对话声音参考,也就是说把下面这些是空出来了,直接使用声音参考,上传两段音频,然后再听一下。 欢迎来到遇见 ai 的 频道您了,介是干嘛去?这天来上一碗油泼面,辣子多放没滴汗,哎呦,真地道,倍香! 这就是声音参考的多人对话,当然呢,也可以声音参考加上语音设计这样的对话模式,我们看一下它的参数啊, ctrl 一 使用的是天津话, ctrl 二使用的是陕西话, ctrl 五是中年男性的旁白音,而且 ctrl 五是没有上车音频的,是直接使用的这个语音设计,咱们听一下。欢迎来到遇见 ai 的 频道,您那介是干嘛去? 今天来上一碗油泼面,辣子多放,美得很。哎呦,真的倍儿香。好,这就是这个模型的一个效果啊,到时候呢,我会把这个工作流上传到 roundabout, 大家可以尝试一下。

哈喽,大家好,今天给大家介绍一下我的 ai 插件,做了重磅升级。第一个是实时翻译功能,能够实时根据我的语音翻译成对应的语言,支持多国语言。首次使用它会有一个模型加载时间,我们看一下后台模型已经显示开始推理了, 这时候说话还是立刻进行翻译启动运行,前几句会比较慢,后面就逐步速度就会上来了,当然这跟显卡的运行也有关系,我们现在开着录音的反应会比较慢一点,可以看到当前对话内容中文加上英文,因为我说的中文,他翻译的语言要求是英文。这边有一个持续填充文本,用来记录所有的对话内容。 这边是一个新增的谷歌的键盘式模型,然后根据他的功能做了多个节点,第一个是图像理解节点,第二个是多模态对话,第三个是视频理解,第四个是语音理解。图像理解包括反推提示词, 描述图片中的内容,一句话概括提取图片中的文字以及自定义,自定义的时候可以直接在这里 出内容。我当前给他了一个图片,信息比较丰富啊,大家可以看到这是他的提取结果,基本上可以说是所有文字都有进行记录。之前群友让我帮他做一个提取图片文字的工具,做的不够好,现在这个功能完全实现了。这边是多模态对话节点, 支持图片音频预设,包括通用助手、创意作家、代码专家、二次元少女、捡包助手以及自定义,自定义可以后台代码中进行编辑。当前我让他给图像配一个小故事,大家看一下他写的怎么样?这一张图片充满了深深有孤独的氛围,结合雪山经帆、华丽的民族服饰及人物深邃的一层, 提供了三个不同风格的故事片段,一个是神话玄幻风,第二个是唯美治愈风,第三个是古风易经风。这工具给小红书图片配文感觉很不错,你觉得适合用来做什么? 然后这边是视频理解,可以把你视频中的内容给你详细描述出来。我们把这边的字词翻译给他听一下,测试一下这边的视觉理解。他运行的这段时间,我们先看一下下一个界面,他是不支持中文的,输入中文他会回复乱码之类的。 这是刚才测试的一个翻译结果,找了国外的一个视频,让他翻译成中文听一下, 反正我是听不懂,也可以自行翻译一下,看看效果怎么样。好了,这边的视频理解已经出来了,解释的非常详细。看一下视频, 这个视频原本是一个讲的妹妹带孩子的,但是视频中没有介绍这一个背景,所以他只以 以画面结果理解,描述的是没有问题的。就纯画面视觉去理解的话,因为年轻的母亲带着他的孩子在室内活动的一些温馨片段写的很详细。然后这边是语音识别节点,这个是之前有做过这个节点,我现在把它融合了进去。 因为之前的话各种模型他是有依赖冲突的,大家装插件都知道,经常会有各种冲突,现在我把这个插件优化了一下,解决了模型之间的冲突,都是可以直接使用安装,不会起冲突,在执行的时候听下这声音,真的这种光环难成其用。 我到今天我都记得第一次我就跟你说,这是朋友发给我的一段音频,这边语言可以支持多国语言的, 但是我没有给他选择,他的自动识别,我输出的是带时间线的问题,非常的详细,第一次做这个节点的时候,他这个时间都有问题了,最近我给他改了一下, 优化了一下。音频时间是非常精准的,比如说你输入一个歌曲,他能给你一个非常详细的歌词时间线,中间的间隙直接就排除了。然后是这个插件的 之前的一些节点,第一个是翻译节点,就是你输入中文可以翻译其他语言,和这边不同的是这边是实时翻译,通过语言来翻译, 这边的是输入文字翻译。我们使用 ctrl u i 生图或者视频模型的时候,有些模型它是复式词中文的,这个时候这个工具就很有用,再加一个词,提示词,任设解出来的提示词就非常的好,大模型 ai 帮你优化的效果非常不错。这边是一个智能对话,智能对话和这边的 有一个共同之处,这个是多模奥泰的,你可以给他视频啊,图像音频啊。这边是只支持文字对话的,优点是模型小,生成速度快,尤其是千文模型,对中文理解能力比较好。然后也是有多种预设,这个有一个自定义,需要懂代码的去手动后台修改插件的代码,这是千文的语音合成节点, 就是把文字变成语音,支持多国语言,预设多个声音类型,支持千万的语音设计节点,支持多国语言,可以设计各种角色来朗诵文本。这边是语音克隆,经常大家会用到这个语音克隆, 首次运行节点,打开自动下载开关,运行自动会帮你把模型下到对应的文件夹。插件安装的好工具地址我会放在视频评论中,可以直接用 get 安装或者是复制这个地,用起重机来安装,包括我们的设计精选中也有它的自动安装的大 模型。智能助手二点零点击立即获取会自动安装,安装完成之后重启启动器即可。下期视频给大家介绍,或者放飞插件开发助手,一句话,开发插件,优化插件,包括检查插件的各种功能, 支持本地模型和 a p i 模型。呃,本次视频到此结束,如果你对插件有什么意见或者建议,可以在评论下方留言,让我们下期视频再见。

逼自己一周吃透 comfui 教程,全一百九十八集存下吧,好不容易找全的学完,年底开路虎。这是一款可以无限生成视频的 ai 软件,它不用攒积分,全程零费用,这就是秋叶 comfui 微识破现版 新手最头疼的 comfui 安装难,频繁报错,它直接全部摆平还原声,支持中文提示词输入一段中文描述,就能产出高质量 ai 视频, 生成次数没有上限,出片也无需等待审核,就是需要独立显卡,三十系显卡即可流畅使用,显卡性能越强,升成速度越快。整合包还内置了三百多风格模型搭配,工作流就能批量出片,那整合包是啥子味道呢? 哈喽,大家好,我是老温,这是我们学习匡福乐的第一节课,这节课呢,我们就来讲匡福乐的运行原理以及工作流的搭建。 那么下面呢,我们就来到 runny hop 端脑云,我们点击这里的工作台,点击之后呢,我们在右边就能够看到纹身图,图身图,那么首先呢,我们就从纹身图开始讲起,我们选择纹身图,点击一键同款。现在呢,我们就来到了空府院的工作界面, 那么这个纹身图工作流呢,是匡福 u i 官方的默认的纹身图工作流。那么这个完整的纹身图工作流呢,它是由几个小方块组接起来的, 那么每个小方块之间呢,它都有一些线条上的一些联系,那么每一个小方块呢,代表的就是一个节点,每一个节点他们都有属于自己的特性和功能。 按住鼠标的滚轮键,我们可以挪动整个工作流,滚动鼠标滚轮键,我们可以放大缩小整体的工作流,我们还可以单独的去拖动每一个节点,但现在呢拖不动,那是因为这些节点都被固定住了, 我们选择这些节点,再点击这个取消固定节点,这个也是全部点击, 点击节点之后呢再点击这个图钉工具,那么现在呢,每一个节点我们都可以单独的去挪动了。 好,接下来呢,我们就来讲它的一个运行原理,逻辑究竟是怎么样的呢?刚刚讲了每一个节点呢,它都有属于自己的特性和功能。这个 checkpoint 加载器,它的作用是什么呢?就是用来加载大模型的,按住键盘上的 ctrl 键,拖动鼠标的滚轮键, ctrl 加 g, 打个组。我们在这里呢可以给他命个名,给他命个名叫大模型区,大模型的作用呢就是用来控制出图的质量和风格,那么这边是可立牌文本, 同样的按住键盘上的 ctrl 键,拖动鼠标的滚轮键, ctrl 加七,打个组,给他命个名叫文本区,文本区的主要作用呢就是下达指令。接着呢我们来到采集器,同样的给他打个组,给他命个名,采集器,采集器的作用呢就是用来执行 下面的 comlet, 同样的打个组,它的作用呢就是用来控制出图的分辨率。我们再来到解码,同样的给它打个组,它的作用呢就是信息转换,那么这个保存图像节点就非常好理解了,它的作用呢就是显示图像, 对于这些节点有了基本的概念。之后呢,接下来呢我们就来讲它的一个运行原理。那么首先呢我们就得来到这个加载器里面,首先呢我们来到 checkpoint 加载器, 那么在这里呢,我们就可以选择一些大模型。好,我们点击进来,那么这个平台有一点非常好的什么呢?他已经给我们安装了海量的大模型啊,基本上在市面上面我们能够用到接触到的一些大模型呢,他都有点击这个筛选,之后呢,我们能够看到这里呢有非常多的大模型的种类, 那么越往下走代表的是这个模型它越早越老,越往下的这些模型,同时呢也代表了它的质量,它也是越差的,反之越往上走的这些大模型呢,它是越新的,当然也代表着它们生图的质量肯定是更高的。现在呢我们就选择一个 sd 菜龙模型, 这上面呢还有非常多种类也可以供我们选择,比如说我想做一个二次元的风格,那么我们就选择这个二次元。好,我们在这里呢就可以选择 sd 叉 l 模型的二次元的大模型。好,那我就选择第一个点击使用, 那么这个文本区呢,有两个 clip 文本编码器,上面这个 clip 文本编码器是用来写正向提示词,什么意思呢?就是你想要什么样的画面, 那么你就在这里呢填写什么样的提示词。下面这个文本编码器是用来写负面提示词,什么意思呢?就是你不想让这个画面出现什么样的效果,那么你就填写什么样的提示词。 下面呢我们就在正向提示词里面呢输入我们想要的画面,因为我们现在所使用的大模型并不是阿里的大模型,所以呢,所以呢,我们需要输入英文提示词,那么我写的提示词呢,是一个女孩拿了一杯咖啡坐在沙发上, 下面呢是负面提示词,我们也来看一下这负面提示词写的是什么呢?负面提示词写的是质量最差、低分辨率、多余肢体、肢体残缺、手机形、长脖子,长身体,也就是说负面提示词我不想出现这些画面效果。 大模型选择好了,提示词呢也写好了,整体的工作流呢是一个完整的状态。下面呢,我们点击运行来看一下效果。 好了,现在呢,我们就得到了一张一个女孩手里拿了一杯咖啡坐在沙发上的二次元图片。那么我们要得到这张图片整个工作流,它的运行原理逻辑究竟是怎么样的呢? 首先我们通过 charting 的 加载器确定好大模型,也就是确定好生图的风格。通过 charting 的 加载器把这些信息呢给到 copy 文本编码器, 文本编码器接收到大模型的信息之后呢,就进行下达指令,我需要生成什么样的一个画面?接着再把这个命令给到 k 采集器, 那么 k 采集器接收到信息之后呢,就不停地作画,你可以把 k 采集器理解成它就是我们的手用来执行, k 采集器用来作画,那么 k 采集器画好的画呢,其实我们是看不到的,这时候呢,我们需要通过 v a 解码进行转换, 那么 v a 解码的作用呢?就是将 k 传感器生成的我们现在人眼还看不到的一些像素信息,转换成我们现在肉眼能够看到的像素图像。接着再把这个我们肉眼能够看到的像素图像信息给到这个保存图像这个节点,通过它进行显示出来, 那么这张图片的分辨率呢是七六八乘以幺零二四,对应的就是纹身图的运行原理。 好了,本节课呢就讲到这,下节课呢,我就来手把手教大家如何去搭建一个完整的纹身图工作流。这节课我们来讲如何使用匡府 ui 进行纹身图,生成高质量的人像图。我现在所使用的这个匡府 ui 呢,是 lony hauber 这个平台的云端,如果大家的电脑配置不够, 或者是你不想安装这些大模型,不想处理空浮圆在运行过程当中出现的一些报错问题,那么就可以使用这个云端的方式。接着我们就在空白处呢进行双击,添加一个开强制节点,然后呢再拖拽一下 link, 添加一个 v e 解码,再拖拽一下图像,添加一个保存图像节点。 现在呢,我们就手把手来搭建一个完整的工作流,接着呢再拖拽一下这个模型节点,那么这次我们所使用的加载器呢,是 unit 加载器, 好,再拖拽一下,添加一个 clip 文本编码器。关于这负面条件呢,我们在这里呢给他添加一个条件零化节点,那么这个条件呢连这里,这个条件呢连接这里, 那么像我们之前所使用的国外的一些大模型,它是需要添加负面提示词的,但是呢,这节课我们所使用的大模型呢,是国内当下最新的一些大模型,它是不需要添加负面提示词的,所以这个条件灵活呢,就相当于负面提示词,再添加一下 render, 给它添加一个空 render, 宽度高度呢,我们就把它设置成一零八零乘以一九二零就好了。接着呢我们再给它添加一个 clip 加载器, 再给它添加一个 v a 加载器,好,那么这三个加载器呢,它就组成了大模型区。 可能很多小伙伴呢会有这样的一个疑问,为什么现在多出了这么多的节点,它跟之前的这个 checkpoint 的 加载器它有什么区别吗?在这里呢,我就给大家进行详细的说明。现在呢,我就添加一个 checkpoint 的 加载器进来, 那么这个是非常传统的啊,也就是二零二四年的模型加载器,大家发现了一个问题没有,这个 checkpoint 加载器里面呢,它是承载了三个东西,一个是模型加载器,一个是 klib 加载器,一个是 ve 加载器。 怎么去理解 checkpoint 加载器过渡到这三个加载器呢?你可以这样理解,二零二四年的这个大模型呢,它也是处于一个婴儿的一个阶段, 那么到了二零二六年了,这个大模型呢,它长大成人了,长大成人之后呢就要独立开来,那么这个模型加载器对应的就是这个 unit 加载器了,那么这可立普加载器,这个 v a 对 应的就是这个 v a, 了解完它们的进化之后呢,我们就把这个删掉,那么这个 unit 加载器的作用呢,就是加载大模型,这可立普加载器呢,就是用来控制这个文本输入,那么这个 v a 加载器呢,就是用来控制这个出图这个环节。 接下来呢我们来选择大模型点进来,那么点击进来之后呢,在这里我们就能够看到这里呢有非常多的一些大模型,点击进来之后呢,在这里我们就能够看到啊,这里呢有非常多的一些大模型, 那么这么多的大模型,我们到底该怎么去选择呢?那么越往下走的大模型代表时间越早,当然生成的质量呢也是最好的,因为我们接下来呢要生成的是人像, 所以呢我们在这里呢就选择一个 z 美矩 travel 大 模型,那么目前来说这个大模型在生成人像这一块,它的质量呢也是最高的,那么点击进来,点击进来之后呢,这里有非常多的 z 美矩 travel 大 模型的种类呢,供我们进行选择,如果你想做柔和光影日系风,那你就选择这个大模型, 那么这里呢还有 f p 八, f p 十六,这个代表的就是它的一个精度,数字越大代表生成的质量呢也就越高,那么下面呢还有非常多的种类,如果你追求的是白皮肤的质感,那你就选择这个大模型, 那么如果你追求的是写实效果要好,那你就选择这个高清写实的大模型,大家可以根据自己的需求来,那么在这里呢我就选择这枚举 travel 增强版 f p 十六,那么这里呢还有一个八 g b, 那 么这个生成的质量肯定是比它更强的,我就选择这个就好了。 那么再来看一下下面的剪辑类型,它总共呢有三个选项,越往上走代表生成的质量呢也就越高。 接下来呢我们来到 clipp 加载器, clipp 加载器里面有这么多的模型,眼花缭乱,我到底该选择哪一个模型呢?那么这里就要注意了, clipp 它的模型的选择呢,是需要根据你的大模型去进行匹配的,像我们现在所使用的大模型呢是 zmi, 也就是阿里巴巴家的产品, 那么这颗粒板加载器呢,同样的也得匹配阿里巴巴家的产品,那么选择哪一个呢?我们就选择千问三四 b 这个模型,那么千问语言模型呢,就是阿里巴巴家的产品嘛,后面呢还匹配的数字,代表的就是他的一个精度,我们现在呢选择这个三四 b 就 好了, 那么这个类型呢,也是一样的啊,这里呢有非常多的一些选择,我们也是选择阿里巴巴家的产品。千问 这个设备呢,有两个选择,一个是默认,一个是 cpu, 这里指的是你是需要用什么进行渲染,默认代表的就是显卡,如果你的电脑配置比较好,那你就直接选择显卡就好了。那么这个 vga 加载器,它的逻辑也是一样的,都得选择阿里巴巴家的产品,你可以选择就默认的, 当然你可以选择这个 z、 e、 m、 g 这个模型都是可以的。那么接下来呢,我们就要给他输入题词词,那么这个题词词具体该怎么去写?在这里呢,教大家一种方式方法,比如我现在呢想做一张这种人像风格的图像,那么怎么做呢? 你就直接把这张图呢把它扔给豆包,然后给他指令。这个题词呢就写根据这张图呢,给到我详细的画面描述, plot, 耐心等待一会,待会呢我们就能够得到这张画面的提示词,那么现在这个中文描述的提示词呢就有了,我们直接复制这段提示词,然后直接粘贴这段提示词, 因为我们所使用的大模型呢是国内大模型,所以呢我们可以直接输入中文就好了,那么这个步数呢,直接把它改成九,那么像以前比较早的这个大模型,他的这个打磨的次数呢,他要更多,但是现在的大模型呢,他已经很聪明,很先进了,所以这个步数呢就不需要那么高。 那么这个 cf 机制呢,直接把它调整到一就好了,因为现在的大模型呢,它已经很聪明了,裁样器跟调度器呢,我们就直接选择默认的就好了。接下来呢我们就点击运行,来看一下整体的效果,经过一分钟的等待,这张图呢就已经输出来了,我们来看一下整体的质量, 那么整体的质量呢还是可以的啊,但是呢这个 ai 感还是比较强,那么怎么去降低这个 ai 感,增强这个人物的真实感呢?这时候呢,我们就得用到 low 了, 我们现在呢把这个种子数呢进行固定,接着再把整体的工作流呢进行复制,按住键盘上的 ctrl 键框,选所有的节点,然后 ctrl 加 c, ctrl 加 v 进行粘贴。那么一整串的工作流呢,我们现在就已经复制粘贴出来了,那么接下来呢,我们给它添加一个不一样的东西,给它添加一个 lowl 加载器,选择 lowl 加载器仅模型,那么这个 lowl 模型的作用是什么呢?你可以把它理解成它就是一个滤镜,点击进来, 点进来之后呢,在这里我们能看到啊,这里呢有非常多的 lowl 模型,是不是 lowl 呢?你看左上角 lowl, 对吧?这些全部都是 low 啦模型,那么这么多的 low 啦模型,是不是所有的模型都可以进行使用呢?不是的啊,那么 low 啦模型呢,它也是需要跟大模型去进行匹配的,你看下这个 low 啦模型,它就只能够跟 sd 模型进行匹配, 那么这个 low 啦模型呢,它就能够跟 z 每组 travel 的 模型呢进行匹配,所以呢我们要在这里呢去进行筛选,我们就选择一个啊, z 每组 travel 模型, 那么我们既然要降低这个 ai 感,所以呢我们要对这个皮肤呢去进行处理,我们在这里呢就搜索皮肤,现在呢我们就得到了非常多皮肤质感的 lo 朗模型,那么我们到底要选择哪一个 lo 朗模型呢?这么多 lo 朗模型,大家都可以去进行尝试, 你看像这个罗兰模型,它的作用呢就是皮肤变成真实,去除 ai 塑料感,那么像这个罗兰模型,它的作用是什么呢?就是添加雀斑痤疮,让这个人物呢更加真实嘛。 那么这个 logo 模型的作用呢?其实也一样的啊,就是增强这个皮肤的质感,去除 ai 感,我们就选择这个模型,选择好之后呢,这个模型连接这里的模型,那么这个模型呢连接这里的模型就好了。好,那么接下来呢,我们来做一个对比,在这里呢给它添加一个图像对比节点,选择它, 那么选择好之后呢,好,这个图像连接 a, 这个图像呢连接 b, 再把它进行放大。 好,这里要注意的是我们这个强度呢,要加大调整到三,这样呢效果更加的明显。接着再点击运行来看一下整体的效果, 两张图像呢都已经生成了,我们来看一下整体的效果啊,这个呢是没添加落蜡之前,这个呢是添加落蜡之后,你会发现啊,整体的质感呢,可以说是有一个质的飞跃啊。我们先从皮肤的角度呢做一个对比, 没加洛拉之前呢,这个皮肤的话,它像是化了很浓的妆,脸色呢也很惨白,像磨了皮一样。但是呢,添加洛拉之后呢,你会发现这个皮肤呢,它是有了一定的轮廓,有阴影的,你看一下像锁骨这里它是有阴影有轮廓的, 那么脸部这块呢,也有阴影的细节,甚至呢还有眼袋。那么再从服装的质感来看,那么像服装这块呢,它也没有什么太多的一些细节。 那么加了 loa 之后呢,你会发现这个衣服的这个质感呢,它也出来了,甚至啊这光线的质感呢,它也出来了,这个呢就是 loa 的 作用。以上呢就是有关 zmi g chip 大 模型以及 loa 模型的使用方法和技巧。好了,这节课呢,就讲到这里,咱们下节课再见,拜拜! 本节课我们来讲目前开源大模型当中,人像生成最好的大模型,它就是 z 引擎。 hello, 大家好,我是老温,那么这节课呢,是跟着老温系统学习匡辅 u i 的 第五节课。 那么前面几节课呢,我们讲到了 plus 模型,那么这节课呢,我们就来讲另外一个非常强大的大模型, z e m g。 那 么这个大模型的优点呢,是用来生成人像,如果是对人像有这方面的需求,那么我们就选择使用这个 z e m g 好 了,接下来呢就教大家手把手怎么去搭建一个生成人像的工作流在空白处呢?添加一个 k 采集器, 拖拽一个模型节点出来,在这里呢我们就选择 unit 加载器,再拖拽一下,添加一个 clip 文本编码,再给它添加一个条件灵活,因为我们现在所使用的大模型呢,都是当下一些最新的大模型,它是不需要负面提示词的 条件,连接条件,条件呢?连接负面条件,我们再添加一个 render, 那 么这个比例呢,我们可以把它调成到一零八零,乘一个一九二零,把它做成竖屏的,再添加一个 v a e 解码,再添加一个预览图像, 再放大一点,那么接下来呢,我们就来添加 clip 加载器,再添加一个 v a 加载器,那么这三个呢,就是我们的大模型组 那个名大模型区,这个呢就是 clip 文本编码区,那么接下来呢,我们就来选择 z e m g 这个大模型,点击进来, 在这个筛选里面呢,我们选择 z e m g, 选择之后呢,在这里面我们能看到这里呢有非常多种类型的大模型,那么我们到底要选择哪一个大模型呢? 那么我们选择的大模型呢是这个 z e m g triple 增强版 f p 十六,那么这个 f p 十六呢,代表的就是一个精度嘛,当然还有 f p 八, 那后面呢,它是一个美颜版,美颜版指的是什么呢?就是如果你想要一个美颜效果,那你就选择这个 z e m g triple f p 十六的,那我们就选择常规的就行了,那么这个剪辑类型呢,我们就选择默认的就好了。 这个减脂类型代表的其实就是一个精度,越往上走,那么生出来的效果呢?它的质量越高,精度越高。下一步呢,我们就来选择语言类的大模型,因为这个 z e 酶菌呢,它是万象的啊,万象大模型,那么万象呢,是阿里公司开发的, 所以我们在选择语言类的大模型呢,我们就选择千万千万模型呢,它也是阿里开发的,我们就选择八 b 的 精度, 下面这个类型呢,我们就选择千万引枚举,那么这个设备呢,我们就选择默认,默认,代表的是用显卡进行运行,那么下面的这个加载器呢,我们就选择这个加载器就好了,接下来呢 v a 一, 连接 v a 一, 那么现在我们初步的 这个工作流呢,就已经搭建好了,接下来呢我们就要把这些节点连接起来, clip 呢,连接 clip, 接下来呢我们就来给它写上提示词,那么这个提示词呢,其实还有另外一种用法,那么在这里呢,教大家一种新的一些方式,我们可以在这里呢可以给它添加一个提示词文本, 添加一个提示词文本节点,那么这个提示词文本的好处作用是什么呢?如果是我们的提示词,在很长的情况下,我们要把这个文本编码器呢进行拉大, 这样的话它是不太方便的啊,但是呢,如果是我们有了这个提示词文本,我们可以直接把这个提示词文本节点呢直接连接到这个 test 节点里面,下一步呢就把我准备好的这段提示词呢进行复制,那么这个提示词呢描绘的是古风效果, 把这个题词呢进行复制,复制之后呢再把它进行粘贴进去,接下来呢我们来检查一下,首先这个步数呢不要设置的太高,我们就把这个参数呢调整到六到九的样子,那么这个宽度呢,把它设置在一零八零,再点击确定。 接下来呢我们就来点击运行,点击运行之后呢,你会发现它出现了一个报错,那么我们一起来检查一下到底是哪里出现了问题, 那么像一般情况下 ruby hive 的 话,它是不容易出现报错的,如果出现了报错,一般情况下呢就是我们的大模型区, 有可能是你的大模型选择错了,或者是这 clippo 文本里面的语言模型错了,我们现在选择的是千万的三八 b 语言模型,我们要把这语言模型呢改成到千万的三四 b 模型,那么像很多其他的语言模型呢,它都用不了的, 也就是说以后我们再使用 z image 这个大模型的时候,那么它的 kelp 圆模型呢,我们就选择千万的三四 b, 其他的我们暂时不变,我们现在点击运行来看一下效果好了,经过一分钟的等待,那么这张图呢就已经生成出来了, 我们能够发现整体的质量呢还是非常不错的啊。那么除了这种方式可以生成这张图之外呢,我们再来尝试一下我们上节课所讲到的用 flash 模型去进行升图, 我们使用上节课我们所讲到的 plus 二模型,我们一起来测试做一个对比,同样的把我们刚刚的那段提示词描述呢复制粘贴进来, 然后呢再点击运行,我们一起来看一下效果,好了,经过一分钟的等待,那么这张图像呢,现在就已经生成出来了,我们一起来看一下这张图的效果啊,从整体上来说,它有可圈可点之处,可圈的地方呢在哪里?你看一下 他对于服装生成的质量,他非常的高啊,你看这些布料的细节处理的非常的好,还有他的手部的一些细节也很好, 还有这个键他的反射也做的非常好,还有个就是整体的一个环境,他也做的非常的逼真,但是呢注意看一下对于人物生成的细节, 它的质量就没有那么高了,像脸部的 ai 感它就非常的强,还有这个头发的 ai 感也是比较严重的,我们再来看一下这个 z e 霉菌,那么从整体上来说的话, 很明显眼前一亮,对吧?如果是两张图,你会选择哪一个?如果是我的话,我肯定会选择这张图,为什么呢?首先他好看对吧?那么第二个呢,人物的 ai 感,他没有像前者那么的强烈,还有就是关于人物的对焦效果,他也处理的非常到位, 你看人物的对焦啊,一直对在的是人物的脸上,包括他的这个头发呢,看起来也是更加的真实啊,当然这里呢有一点点小瑕疵,就是手部环节细节这块,这个呢就好处理了啊,但是从大的方向上来看, 如果是我们要一个较好逼真的人物形象效果,那么这一霉菌相对于 flash 二 clone 模型呢,可以说是略胜一筹。本节课呢就讲到这里,如果你觉得老王的课适合你,对你有帮助,请记得一键三连并关注咱们下节课再见,拜拜! 本期视频我们来讲如何使用空浮 u i 来生成短剧当中必备的多镜头视角图像。接下来我们进入空浮 u i, 好 老规矩啊,打开空浮 u i 之后呢,首先我们来创建一个默认的纹身图工作流,在空白中呢进行双击,添加一个可采光器,拖出来一个 link 出来,添加一个 v a 解码 拖拽图像,添加一个预览图像,预览图像呢,我们把它放大一点,接着再拖拽模型节点,添加一个 unit 加载器,再添加一个 clip 加载器,添加一个 va 加载器, 这个呢就是老三样了啊,那么这三个呢,就是所谓的大模型区嘛,给它命名个名大模型区,那么这次我们所使用的大模型呢,是千万的编辑模型二五幺幺。好,接着呢,我们进入到大模型区, 那么这一次我们所使用的大模型呢,是千门的编辑模型二五幺幺,我们在这里呢,就选择 b f 十六精度的大模型。我们在这里呢,就选择 b f 十六精度的大模型。点击使用 剪辑类型呢,就改成第一个就好了。下面呢,我们来选择语言大模型。下面呢,我们来选择语言大模型,因为我们的大模型呢是千万的编辑模型二五幺幺,所以我们的语言大模型呢,同理也得是千万的模型。那么这么多的编辑模型,那么这么多的编辑模型,我们到底选择哪一个呢?大家可以多去尝试一下啊, 那么这么多的千万编辑模型,我们到底选择哪一个呢?大家注意了,这个数字呢,代表的其实就是一个精度,数字越大,那么代表精度越大, 当然生成的效果呢会稍微好一点,但是呢,并不是说这里所有的语言模型呢,它都是能够进行匹配的,那么像我们的二五幺幺呢,我们可以选择这个啊,我们就选择这种就好了。下面这类型指的什么意思呢?就是你的这个语言模型具体需要匹配哪一类的模型, 那么我们的大模型呢是千万,所以呢我们就选择千万模型就好了,我们就选择千万,以每卷接着我们来选择 va 加载器里面的模型, 那么 va 加载器里面的模型呢,同理也得去匹配千万编辑模型二幺幺,那我们就选择默认常规的千万图片 va 模型就好了。那么大模型区选择好了,接下来呢,我们来创建 clipp 文本编码区,在之前呢给大家讲过, 接下来呢我们来创建文本区,也就是下达指令的区域,在之前呢就给大家讲过,那么常规的模型呢,我们可以使用 clippo 文本编码器,也就是这个文本编码器,但是呢 我们的大模型呢是千万的编辑模型,但是这一次我们所使用的文本编码器呢,不是常规的啊,是这个文本编码器,那么这个文本编码器的名字呢,你看就是千万编辑模型,文本编码器说白了就是 它跟千万编辑模型二五幺幺这一些模型呢,它是一家子的啊,那么这么多的类型,我们到底选择哪一个呢? 你就选择这个就好了,那么这个文本编码器它的特点呢?它比刚刚我们所展示的那些文本编码器呢,它更加的聪明好。 klipper 呢,连接 klipper, 这个 v a e 呢,连接这个 v a e。 提示词呢,连接提示词 learn 呢连接 learn。 关于这里呢还有一个负面条件, 我们在这里呢就创建一个条件联化连接过来,连接过来就好了,接着呢这个 v 一 连接这里的 v 一 迭代的部署呢,我们把参数呢控制在八 cf 机制呢调整为一,下一步呢,我们就需要导入我们的图像,添加一个加载图像, 把我们的图像呢导入进来,那么这个图像呢连接到这个节点里面的图像一,那么如果我们需要去调节这张图它的多角度视角,我们有两种方式可以去进行控制, 一种方式呢我们可以通过一些节点来进行控制。第二种呢我们可以输入提示词,也可以达到我们的效果。既然是我们要把这张图像进行多视角进行控制,所以呢我们这时候呢就得用到一个 low 模型,那我们在这里呢就添加一个 low 模型,选择 low 加载器及模型, 在这里呢我们就添加一个 lowl 模型,那么这个 lowl 模型呢就是 multiple, 有 了这个 lowl 模型之后呢,我们就可以对一张图像呢进行多视角的进行控制,这张图像的展示呢就是这个 lowl 模型的作用, 你可以把原图转换为特写镜头,你也可以将镜头呢进行旋转拉圆,这个呢就是这个漏拉模型的特点,知道这个漏拉模型的功能之后呢,接下来呢我们就点击使用漏拉模型呢放上来模型连接模型,这模型呢连接到彩样器里的模型, 接下来呢我们来添加一个摄像机控制节点,下面呢我们就添加这个千万的摄像机控制节点,那么这个节点连接到这个 plot 里面之后呢,也就是说那么这个节点就直接替代了这个 plot 提示词的作用, 那么这个摄像机它的作用什么呢?注意看啊,你可以把这个灰色的片呢理解成它就是这张图片,上面这几个功能呢就是充当摄像机的作用, 我现在呢对这样图像呢进行旋转,那么这个呢就是调节它的一个高度,可以做到一个升降的作用,那么这功能呢就是做到拉远,拉近,调节距离的作用啊,我们现在呢把这个场景呢进行拉远,镜头呢为俯视镜头,再调节一下它的角度, 我们点击运行,再来看一下整体的效果,经过一分钟的等待,那么现在呢我们就得到了一张新视角图像,但是呢我们能够发现啊,这样质量呢他不是很好,那么如果出现这种低质量的图像,我们怎么去解决这些问题呢?这时候呢我们就得添加另外的一些节点进来, 在这里呢给它添加一个 bobbling, 那 么这个节点的作用呢就是用来加速的啊,我们重新连接一下,连接过来,接着再添加一个模型参照算法,这个呢拉过来 参数呢把它调整到三,那么这个模型采用算法,它的作用是什么呢?就是为了保证我们人物的五官颜色,它是正常的一个状态,再添加一个 c f g normal 啊,这个呢也是保证质量的一个模型,拉过来,然后这个呢也拉过来, ok, 那 么现在呢,我们所得到的就只是一张图像,但是呢如果是我们想做到一个批量输出,一次性生成多张图像,那么怎么去做呢?这时候我们就得添加另外一个节点进来,这个节点呢它叫提示词列表, 调节一下它的一个位置,提示词列表连接 plot, 这里呢有五个 plot, 也就是说我们可以在这里呢一次性添加五个摄像机控制节点,复制一个,这个是连接到一,这是连接到二, 再复制连接到三,再复制连接到四,再复制连接到五。那么接下来呢,我们就可以去调节这些摄像机,下面呢我们就可以去调节五个摄像机不同的状态, 大家可以随意去控制啊,根据自己的需求去进行调节,我在这里呢更多的是把方式方法这些东西呢告诉大家。那么现在呢,我们再点击运行,再来看一下整体的效果, 好了,经过几分钟的等待,那么这五张图像呢,现在就已经渲染出来了,来看一下整体的质量,现在每一张图像的分辨率呢就是七六八乘以幺三六八, 这是第二张,那么人物的一致性,服装的细节质感呢,还是保留的非常的完好,这个呢是第三张 啊,这是第四张,那么这个是第五张,质量这块呢还是非常不错的啊,那么除了这种方式可以生成多角度多视角的图像之外,接下来呢,我们来讲第二种方式,接下来的第二种方式呢,就是使用提示词来进行升图, 把这些呢全部删掉,在这里呢给他添加一个节点,那么这个节点呢,叫提示词,行,把它拉过来, 接着呢在这里输入提示词,关于提示词的格式呢,大家就参考我的提示词,那么这个提示词的作用什么呢?就是能够做到一个指哪打哪的效果,第一张图呢,就是让镜头向前移动,第二张图呢,就是让镜头向左移动,还有向右移动,向左旋转多少度 向下移动,甚至呢我们还可以做到仰视镜头,广角镜头,胸部镜头,正面全身镜头等等等等, 那么这个提示此行的作用呢,就是指哪打哪好,接下来呢,我们就点击运行,再来看一下整体的效果,经过几分钟的等待,那么现在呢,这些图像呢,就已经渲染出来了,总共是十五张图像,我们来看一下整体的质量, 从人物的一致性还有质感上来看的话,整体的质量呢还是非常不错的啊,那么以上呢,就是编辑模型二五幺幺结合 logo 模型 multiple 生成的 multiple 结合 multiple 大 模型啊,那么以上呢啊,那么这个呢,就是编辑模型二五幺幺结合 lowl 模型 multiple 生成的多镜头多视角视觉效果。好了,本期视频呢,就讲到这里,咱们下期视频再见,拜拜 mate, 仅通过一张参考图,再结合你视频当中的人物动作,就可以实现完美的人物动作迁移。接下来呢,我将手把手带领大家搭建完整的工作流,好了,我们进入 kufui。 首先呢我们来创建大模型区,在空白区呢进行双击,给他添加一个弯视频模型加载器, 那么这个 y 视频模型加载器呢,就相当于我们生图领域当中的 unit 加载器, checkpoint 加载器。接着呢再点击进来,我们在这里呢选择 any mate 大 模型。接着呢我们在这里就选择 y 二点二, any mate 十四 b f p 八精度的大模型 点击使用。这里要注意的是这个大模型呢,切记不要选择错了,这个文件呢就选择精度,这个精度的话我们就选择 f p 十六精度模型即可,下面这个呢代表的也是精度,我们就选择第三个, 因为我们大模型呢是 f p 八 size 口,所以我们的精度呢也选择 f p 八 size。 下面这个文件呢我们就选择第四个。接着我们继续在这个加载器上呢添加节点,拖拽第一个节点出来, 那么这个节点的作用呢,就是降低显存消耗,很多同学的电脑配置呢,并不是很好,所以在渲染视频的过程当中呢,特别容易爆显存, 那么这个节点的作用呢就是降低爆显存的概率,不管你的电脑配置高还是配置低,建议大家呢这个节点都要加上。接下来呢我们再来添加另一个节点, 这个节点呢就是 block spa, 那 么这个节点的作用是什么呢?就是提升你的视频的渲染质量,那么这个节点的作用是什么呢?就是控制你视频的质量,把这个功能呢进行开启,这里呢有一个参数可以去进行调节,它提示我们了可以把这个参数呢调整到四十, 参数呢把它控制在二十到四十之间,参数越大参数越大,那么生成视频时间呢越短,当然生成视频的质量呢没有那么高, 参数越小,那么生成的质量呢也就越高,当然生成的时间呢也就越久。大模型我们添加好了,接下来呢我们来添加文本加载器,在空白处呢进行双击添加歪视频 testing code capture, 那 么这个节点呢,就是把语言加载器和文本编码器呢整合到了一起, 这个节点就相当于生图领域当中的 clip 加载器和 clip 文本编码器的组合。接着呢我们来选择语言大模型,那么这么多的语言大模型,我们到底选哪一个语言大模型呢? 好,因为我们的大模型呢是 f p 八进度的大模型,那我们就选择这个 f p 八进度的大模型就好了,这个呢就是正面提示词,这个呢就是负面提示词,接下来呢我们就把这个负面提示词呢填上语言大模型添加好了,接下来呢我们来添加 v a 一 大模型, 给它添加 v a 一 加载器, 在这里呢,我们来选择 v a 一 大模型, 因为我们的大模型呢是弯二点二,也就是弯视频大模型,那么我们的 va 大 模型呢,同理也得是弯视频格式,那我们就选择这个大模型就好了,现在这个大模型区呢就已经创建好了,现在这大模型区呢就已经创建好了,给他打个组,命个名大模型区。 大模型区创建好了,接下来呢我们来添加 loa 模型,接着呢给大家添加一个 loa 模型组合节点,那么这个 loa 模型组合节点里面呢共有五款 loa 模型, 下面呢给大家讲一下这五个 loa 模型,它们的作用分别是什么?第一个 enable 你 like loa 模型的作用呢就是控制动态打光, 有了这个 lowl 模型之后,在生成的视频过程当中,它可以自动的改变光影,人物的光影可以跟着环境的变化而变化,人物不会和背景光线呢导致脱节,人物更能够更加的自然, 人物在融入场景的时候呢,能够更加的自然真实。第二个 lowl 模型呢就是来领,在之前呢给大家讲过来领 lowl 模型的作用呢就是用来提速的。 再来看一下第三个楼兰模型, fast one fast 代表的就是快嘛,那么这个楼兰模型的作用呢就是兼顾速度与画面的流畅度。 再来看一下第四个模型,那么第四个模型的作用呢就是增强画面的运动,减少画面的抖动。用通俗易懂的方式讲呢,就是有了这个楼兰模型之后呢,我们的人物不容易变形,不容易穿模,生成的画面的质量呢也比较高。接着我们来看第五个楼兰模型, 这个 lowl 模型的作用呢跟第四个 lowl 模型的作用呢,它有点接近,它的作用呢就是优化人物的五官,手部的细节,减少畸形,同时呢保证画质,让人物的五官呢更加的自然。 那么了解完这些 lowl 模型的作用之后呢,接下来我们就要在这个大模型里面呢加入这个 lowl, 拖过来 这个 loala 呢,连接这个 loala, 那 么这个大模型区呢,才算是真正的创建好了大模型区, loala 模型文本区我们现在都已经创建好了,接下来呢我们来创建采样区,接着我们就给它添加弯视频采样器, 那么这个大模型呢,连接这个大模型,这个文本输入呢,我们就连接过来,接下来呢我们再来添加节点,选择这 context 哦,配选节点,拖拽一下, 添加这个弯视频,看 test or patient 节点,那么这个节点的参数呢?把它调整到二三幺,这个节点的作用是什么呢?就是为了降低显存消耗,避免传感器在生成视频的过程当中爆显存。接着我们再拖拽这个节点, 添加进来,选择 control node 节点,拖拽一下,添加一个 uni 三 c control node 加载器,那么这里的模型呢?那么这个模型呢,我们就选择 uni 三 c control node f p 十六精度的模型,下面这个呢就是精度,选择第一个 模式呢,选择第二个,接着我们再添加一个弯视频编码连接过来, 这两个节点呢,其实就是一个节点组,他们的作用呢就是避免我们在生成长视频的过程当中,避免报显存。跟上面这个节点的作用呢,其实有点类似。 关于这个采集器里面的一些参数呢,我们也要进行调节,像这个采样步数,采样步数的话我们就不需要那么高了,那么这个步数呢,我们就把它调成到四,为什么是四呢?因为我们所使用的来你的步数就是四步, 也就是说四步它就可以生成视频, shift 键呢,把它调整到一,这个裁剪器呢我们就选择 dpm 加加 set, 我 们在这里呢给它打个组,命个名,执行区,裁剪区,也就是执行区。现在完成之后呢,接下来我们来添加视频解码,添加 ysloud, 那么这个呢就是视频解码连接过来,那么这个视频解码呢就相当于图片领域当中的 va 解码,再给它添加一个合并为视频 拖拽过来,然后这个图像呢连接这个图像,这个帧率呢可以把它调整到二十五,现在就完了吗?没有。接下来呢我们还需要添加几个非常重要的模块,因为我们需要根据视频当中人物的动作进行升视频, 所以我们就需要一些节点来搜集人物的一些动作。我们在这里呢给大家添加一个非常重要的节点, 这个节点呢就是视频动画切入节点,注意看一下,这个节点里面呢有三个功能, pose, image、 face、 image。 这三个节点的作用分别是什么呢?这个节点就是用来收集视频当中的人物的动作信息。这个节点的作用呢就是用来收集视频当中人物脸部的变化。这个节点的作用呢就是用来收集人物背景的一些运动信息。 接下来呢我们拖拽这个节点,添加一个 clip 微选编码,那么这个编码的作用是什么呢?就是用来收集参考图像。待会呢我们会重点讲到这个模块节点他们的作用,接着呢我们再拖拽一个节点出来,添加 clip 视觉加载器, 那么这个加载器模型呢,我们就选择常规的模型就好了,选择这个 clip 微选 h 模型,这个呢给它打个组, 这串节点组的作用呢就是动作切入合并,接下来呢我们要去搜集视频当中的动作信息,脸部变化信息,然后导入到这个节点里面, 接下来呢添加这个节点,这个节点的作用呢就是用来收集 pos 信息,也就是人物的肢体动作信息,再拖拽一下这个节点,再拖拽这个节点出来,添加 pos 的 face destination 这个节点, 然后呢再拖拽一个模型出来,那么这个模型的进度呢,我们就选择第二个,那么这三个节点组他们的作用是什么呢? 就是用来搜集这个人物的动作信息以及脸部的变化信息,看一下这个节点的名字啊,这个节点翻译成中文呢,就是姿态和脸部的检测, 这里呢还有个 image, 那 么这个 image 呢就是连接视频的,也就是说这个节点的作用呢,就是把这个视频当中的脸部和姿态的一些信息呢进行提取出来, 提取出来之后呢,再把这个信息呢导入到这个节点里面,这个节点的作用呢就是用来搜集这些信息。 face image, 也就是人物的动作姿态信息,连接到这个节点里面来, 接下来呢给他打个组,命个名叫动作信息收集。接下来我们就要导入视频,接下来呢在空白处进行双击添加,加载视频节点,下一步呢我就把这个人物跳舞的视频素材呢,把它导入进去,点击添加素材,导入这段视频素材, 接着我们添加另外一个节点,这个节点呢叫按宽高笔缩放 图像呢,连接图像,那么这个按宽高比节点的作用是什么呢?就是用来统一所有的素材的大小, 把这个素材大小呢调整到一零二八,那么这个帧率呢,把它调整到三十,这个倍数呢把它调整为十六。接着我们再添加一个节点,这个节点呢叫获取图像尺寸, 图像呢连接图像连接之后呢,他出现了几个参数,图像宽度,高度以及他的一个数量,那么这个数量指的就是这个视频的时长, 那么这个图像呢连接这个图像,那么这个图像连接过来之后呢,这一串节点组呢,他就可以提取这个视频当中的人物的姿态信息,人物脸部的运动信息。 这个宽度呢,连接这里的宽度,高度呢连接这里的高度,这宽度呢也一样连接过来,当然你也可以手动输入,都是可以的。我们把这个参数呢调整到了一二八零,也就是说 也就是说这个视频的分辨率呢就是七二零乘以一二八零,哪怕是你的素材是四 k 的 啊,加了这个节点之后,调整了这里的参数,那么你的素材呢也将变成了七二零乘以一二八零。 下面这个彩样器里面呢还有宽度高度,同理我们也可以去进行连接宽度高度,那么这个呢就是视频的总时长嘛,把它连接过来, 这样生成视频的时长呢,它就跟我们的参考视频它是一致的了。接下来呢我们继续来添砖加瓦, 把我们的参考图像呢加载进来,添加一个加载图像,再把我们的参考图呢导入进来。这里要注意的是我们的参考视频它是个全景,所以我们的人物形象呢,同理也得是一个全景,接着把这个人物全景照呢导入进去,直接把张图片呢直接拖拽进去, 放过来调节一下位置, 接着呢我们把这个按宽高比缩放节点呢进行复制,然后呢图像连接,图像为什么要这样做?这样做的目的是什么呢?说白了就是让视频素材与这张图像它的宽高比,也就是大小呢保持一致, 如果他们的大小不一致的话,那么生出来的视频呢,他是牛头不对马嘴的,这一点非常的重要,你的视频大小必须跟你的图片大小他是一致的。接下来把将参考图像的一些信息呢把它连接到这里来,这里呢还有个节点需要进行连接, 这图像呢接着再连接到这个节点来,这个节点的作用呢就是搜集参考图像,那么这一串节点组的作用是什么呢?就是搜集两种信息,第一种呢就是视频当中的姿态脸部的运动信息。第二种呢就是参考图的信息, 把这两组信息收集到一起,再进行一个汇总,把这两组信息收集到位之后呢,再把这些信息呢再传给 k 上去进行执行,那么这个节点呢一定要连接过来,接着呢我们再把 v a 这个节点呢进行连接,这个 v a e 呢连接到关于视频编码的 v a e, 这里呢还有个 v a e, 创建一个转接点,这个 v a e 呢连接过来,那么这里呢还有个 menu, 拖着一个节点出来,添加一个转接点, 再把视频的图像节点呢连接过来,现在整体的工作流呢就已经搭建完成了,接下来呢,我们就点击运行来看一下整体的效果。经过四十分钟的等待,这条视频呢就已经生成好了,我们一起来看一下对比。 从人物动作的协调性,人物的表情来看,迁移效果呢都很不错。从人物动作的协调性,镜头的运镜,人物的表情变化来看,迁移效果都是非常不错的。感兴趣的同学呢,课后一定要跟着教程动手去实操,认真去理解操作的每一步原理。 好了,本期视频呢就讲到这里,咱们下期再见,拜拜。那么这节课呢,我们来讲如何使用弯二点二大模型进行纹身视频。好了,接下来呢,我将手把手从零到一,带领大家如何去搭建一个完整的弯二点二纹身视频工作流,不管是生图也好,还是生视频也好, 他们工作流的框架基本上是差不多的。接着呢,我们来创建大模型区,在空白处呢进行双击, 添加一个 y 视频模型加载器,接下来我们在这里添加大模型,那么这个大模型呢,我们就选择 y 二点二 t 二 v 高噪声, f p 十六精度的模型, t 二 v 代表的就是图声视频 test video, 选择大模型点击使用。那么下面这个呢,就是精度, 越往上走代表精度越高,当然对你的电脑配置要求呢也就越高,一般情况下呢,我们就选择默认的 f p 十六精度就行了,一般情况下呢,我们就选择 f p 十六精度即可, 那么下面这个模式呢,我们就选择这个。接下来呢,我们再来添加节点,拖着这个节点添加这个节点, 那么这个节点的作用是什么呢?就是降低你的显存消耗,使用二点二大模型生视频,他对我们的电脑配要求呢是比较高的, 如果你的电脑配置在不足的情况下呢,他是特别容易爆显存,不管你的电脑是好是坏,不管你的电脑配置是高是低,那么建议大家呢,这个节点都给他加上 好,接着呢再添加一个 block swap 这个节点,那么这个节点的作用是什么呢?就是用来控制我们的生成速度和生成的质量, 把它的功能呢打开这里呢有一个参数可以去进行调节,这里提示我们了啊,这个参数呢可以调到四十,代表生成的速度呢也就越快,当然生成的速度呢需要更久,当然生成的质量呢也就更好, 这个数值呢一般情况下呢,你就把它控制在二十到四十之间就好了,把这参数呢调整到四十,接下来呢我们再针对这三个节点呢再进行复制, ctrl c, ctrl 加 v。 很多小伙伴呢会有这样的一个疑问,为什么需要两个大模型加载器呢?在我们图片输出领域的话,不是只有一个模型加载器吗?为什么到这里的需要两个模型加载器 在这里呢?别着急,接下来跟着我实操,接着呢,我们再点击进来,在这里呢,我们再选择一个 y 二点二 t 二 v 低噪声模型,精度呢也是 f p 十六,点 击使用就好了。那么这两个模型的作用分别是什么呢?我们把这两个大模型呢进行分工, y 二点二高噪声大模型,它是负责搭建整段视频的主体的构图,镜头的运动,整体的剧情,场景的布局等等等等。 d 噪声它的作用是什么呢?就是对高噪声生成的视频呢,再次进行加工,对它进行细节的绚烂光影的处理,这个呢就跟咱们拍照片一样的高噪声大模型,它的作用呢就是负责拍照,那么 d 噪声这个大模型,它的作用呢,就是对拍的这张照片呢进行精修。 大模型添加好之后呢,接下来我们来添加语言大模型,在空白处呢进行双击,给它添加 y 视频, test and load, 那 么这个呢就是语言模型加载器, 这个模型加载器呢,就类似于我们生图领域当中的 clip 加载器,我们在这里呢选择大模型,大模型这么多,选哪一个呢?你就选择这个语言模型,添加好之后呢,接下来我们来添加 v a e 模型,我们在搜索框里面呢,添加 y 视频 v a e 加载器, 那么这个加载器呢,就是我们生图领域当中的 va 加载器,同理啊,这么多的模型,我们到底选择哪一个呢?我们就选择 y 二点一 va 就 好了。 以上这些节点呢,就是大模型区,我们在这里呢给他打个组, ctrl 加 g, ctrl 加 g, 命名个名大模型区,其实你会发现啊,那么这个弯视频大模型区,跟我们平常所使用的生图大模型区,它的框架是一样的, 只不过是有这几个节点会稍微的有点不一样。在之前呢就给大家讲过这个大模型,后面呢我们还需要再添加一些节点用途呢,用来加速或者是提升这个画质的一些质量。在空白处呢进行双击,给它添加一个弯视频 block swap 这个节点, 那么这个模型呢,连接到模型这里呢,有一个 block swap, 拖拽一下,再添加一个 block swap 这个节点,那么这个节点跟前面这个节点呢,它的作用呢?是一样的,只不过是它的用途呢?只不过是它的用途呢?只不过是这个节点的作用呢?是用来提升质量。 这个参数呢,调整到一,接着呢,再给它添加一个节点,那么这个节点的作用是什么呢?就是用来添加 lola 模型,拖拽一下 lola, 添加一个 lola 模型选择器, 那么这个节点呢,就是用来添加洛拉模型,在这里呢,我们就选择洛拉模型,那么这个洛拉模型呢,我们就选择 light 四二 v t 二 v 模型,选择它,大家切记了啊,不要选择错了,这个功能呢,打开下面这功能呢,关掉,这强度呢,把它调整到三模型呢连接模型, 那么这个模块它的作用呢?就是提升质量和提速。这个 low 拉模型呢,就是用来加速的,也就是缩短我们生成视频的时长。接着再把这个提升质量和提速模块呢进行复制,可加 c, 可加 v 粘贴过来, d 噪声模型呢,也得连接一份,这个参数呢,把它调整到一提升质量和提速区,我们现在都已经创建好了,接下来呢我们再来创建文本区,那么文本区呢,也就是用来写提示词的吗?在空白处呢进行双击,给它添加一个 v 视频 testincode, 那么这个呢就是文本编码器,这个文本编码器就相当于我们生图领域当中的 clip 文本编码器,模型呢连接过来,上面这个呢就是写正面提示词,下面这个呢就是写负面提示词,打个组给他命个名叫文本区, 下一步呢我们需要给它创建 k 彩样区,也就是执行区,在空白处呢进行双击添加半视频彩样器,那么这个彩样器呢,就相当于我们生图领域当中的 k 彩样器,这个模型呢连接到模型,接着呢我们还需要再给它复制一个彩样器, 那么这个彩样器呢连接到低噪声模型,这个彩样器呢继续连接到这里来, 那么为什么要这样连?他的逻辑是什么呢?就给大家讲过了,高噪声大模型的作用呢,他首先要生成一段视频, 那么低噪声大模型的作用呢,就是在你的这个生成的视频的基础之上呢,再次进行加工,也就是说我先生成一段视频哈,我生成完之后呢,哎,接着你来继续生成, 接下来呢我们需要去调节这里面的参数,首先呢来看一下这个采用步数,在早期的大模型当中呢,这个采用步数呢需要把它调高的,但是当下最新的一些大模型,它的采用步数呢就不需要这么高了,一般情况下呢 就把它控制在八或者是九的样子就好了,那么这个 c f 基值代表的就是 k 传感器,它对我们这个提示词的理解能力,那么现在的当下大模型这个 c f 基值呢,不需要这么高,一般情况下呢就把它调整到一就好了,当然也可以加入我这个节点 放进来,这个步数呢,把它调整到八,那么这个参数呢?把它调整到二,那么这里的参数呢?把它控制在零点零一,或者是零点零二,直接连接过来,那么这个节点,那么这个节点的作用呢?现在就代替了 cf 基值, 加了这个节点之后呢,它能够更加理解你这个题字词里面的内容,具体需要表达什么?接着呢我们来看一下啊,这里呢还有一个非常重要的参数,这个呢是什么时候开始采样?这个呢是什么时候开始结束?那么我们生成一整条视频,它的采样步数呢?总共就是八, 你可以把它理解成生成这个视频呢,它总共就需要八步,那么什么时候开始进行采样生成呢?参数肯定是零, 第一个阶段什么时候结束呢?如果是我把这个参数呢调整到四,也就是说这个视频我生成到了百分之五十,接下来呢我就不再生成了,那么如果是我把这个参数调整到八呢?也就是说这一整条视频都是我这个彩样器干完了, 总共呢就八步,我活已经干完了,那么你下面这个踩上去呢,他就没活干了。好,那么这个参数的话怎么去调呢?如果是我把这参数调整到四,也就是说这个视频呢,我已经生成一半了啊, 那么接下来另一半呢,就是你下面的这个低噪声采样器要来干活了,这个步数呢,同理把它调成到八, c f 基值呢?把它调成到一,那么下面这个采样器什么时候开始呢?那肯定是在第四步, 因为上面已经完成了第四步了,接下来呢我们就从第四步开始,什么时候结束彩样呢?那就是第八步的时候就结束彩样,总共就八步嘛,当然你也可以把这个参数呢调整到默认值都是可以的,一般情况下呢这个参数呢就是四或者是六,那么如果这里是六, 那么下面呢这里就是六传感器,这里呢现在我们就已经调节完了传感器,这里呢我们现在就已经搭建完成了,接下来呢我们来搭建视频解码,接下来呢我们就来搭建视频解码器,在这里呢给他加入弯视频解码, 那么这个弯视频解码就相当于我们生图领域当中的 va 解码器,它逻辑是一样的啊,这个呢连接过来解码器的后面什么呢?就是保存视频, 也就是合并为视频,这个呢连接过来这个合并为视频就是显示你的视频, 这个就相当于我们图片领域当中的预览图像,保存图像,那么这个视频的帧速率呢,你可以把它控制在二十五帧,你也可以把它调节到三十帧,都是可以的。现在这个视频工作流呢,基本上就已经搭建完成了,还剩最后一步, 那么最后一步就是我们需要给我们的视频去设置他的宽高以及他的一个时长,在空白处呢进行双击,给他添加弯视频空对象切入, 那么这个节点就相当于我们图片领域当中的空对象。接着我们就在这里呢去设置他的一个宽高,把它调整到一二八零乘以七二零,那么这个呢就是他的一个时长, 这个时长具体该怎么去算?填多少呢?我们的帧数率是二十五帧,那么如果我把这个时长设置到三秒,那么他的总帧数呢?就是七十五加一,也就是七十六。 那么如果我这个镜头设置成四秒,那就是四乘二十五,再加一也就是一百零一帧。这个节点怎么去连接呢?我们就连接这个图像欠录连接过来。