与「AIGC创作」相关的搜索结果

我的天，四个真人外国演员授权自身形象，他们的 AI 分身竟然一起主演了一部 110 分钟的纯 AI 电影！ 成本 200 万美元，28人用了近一个月时间，近 1000 份制作级素材和 100+ 个场景，在纽约完成全球首映，《The Cully Hill Boys》的制作投入在AI影视界可谓是空前浩大。 但我觉得更夸张的是，Higgsfield竟然把制作方法完全开源了！所有提示词、所有素材，全部公开！ 一年前我做 YouTube 到 15 万订阅时，Higgsfield那个时候还只能“生成一条视频”，现在已经开始“生成一部电影”，甚至把背后的完整工作流一起交了出来。。。 以前普通AIGC创作者看到一部厉害的 AI 电影，只能把它投喂给Gemini，慢慢拉片，倒推提示词学习。 但现在你可以直接拿到所有核心提示词和素材，直入要害地看专业影视团队怎么处理人物一致性、组织复杂镜头、搭建场景和管理素材，甚至照着其中任何一部分重新上手跑一遍。 这是我自己亲身实践以及从《The Cully Hill Boys》制作中提炼出来的一些方法： 1.先生成所有人物图和场景图，固定下来，最好给人物多生成几套不同场景的服装。 2.多用参考图，保持人物一致性和环境一致性 3.多学习开源的核心提示词，有一些只能用英文，模型才能比较好的理解 4.前期手搓提示词，熟悉提示词对应的影视效果 5.打牢AI影视基础，景别、构图、特殊镜头...这些都要学会 6.记录每一次失败的提示词和视频，因为这些是真金白银换来的经验 对做 AI 视频的人来说，这部公开的AI电影就是无价之宝，真心建议大家收藏，然后慢慢学习，最后去国内降维打击。 《The Cully Hill Boys》完全由Higgsfield上面的Seedance2.5制作！

很多人可能没意识到：AI视频才是未来几年门槛低、赚大钱的方向。 拆解下这几个抖音账号，一切都明白了（每条商单我估计至少有个五六位数。。。）： 1.梦比命长 2.旧梦留声机 3.编导李让 两个维度分析为什么这个赛道赚大钱： ⓵品牌方：AI视频Token足够贵。一般的人买个Codex 200刀都嫌贵了，seedance2.0是按秒来算的，我见过最贵的，六块钱一秒。。。 ⓶创作者：品牌方有钱，预算够高，给超创的支持大。政府和企业愿意尝试AI宣传片，把给传统导演的预算给到了AIGC创作者。 ⓷供不应求：整个市场目前的优质AIGC内容创作者和懂大模型Agent开发的技术人才一样稀缺。物以稀为贵，大家对AI视频的需求越来越大（AI漫剧、AI短剧、AI短片），优质AIGC内容创作者就那几个，身价自然抬高。 但是我说的门槛低不是真的门槛低，而是与传统影视相比门槛更低，只要Token足够多，普通人也能做出亿级爆款，吃到AI红利。 我知道的AIGC创作者常用的三个平台：即梦、小云雀和Tapnow。 顺便提一嘴，据我所知，小云雀商单是真的多。。。甲方爸爸真的不缺钱。。。（之前差点还进这个团队实习了）。Tapnow更偏向专业创作者，但是给超创的福利好像也是非常好的。 然后大家要学习AIGC视频，第一步是补基础扎实，我之前做过一份付费的，开源给大家了：

卧槽！！！B站百万创作大赛冠军🏆B站Up主@DiDi_OKK 关注我了卧槽！！！ 9月6号，他凭借新作《网站》，在2026威尼斯AI生成短片国际电影节（Reply AI Film Festival）中斩获“Reply AI Studios大獎”与“WeShort观众选择奖”两项大奖。 他的往期作品《牌子》给了我一次AIGC视觉超享受级的震撼！！ 早在2026年3月，AI创作大赛开放赛道：他就凭7分钟AI短片《牌子》拿一等奖100万 这次新作品更是预定爆款！！！

你刷抖音、快手、小红书，会发现大量一看就是 AI 做的视频——人会动、镜头会飞、质感假得明显——但作品底下经常没有「AI 生成」那几个字。 他们是怎么做到的？ 圈里传得最多的，不是什么黑科技，大概分三层。 第一层，清壳。 生成工具常在文件里写隐式标识：元数据 AIGC 字段、C2PA 内容凭证，部分视频流还带 SEI。StripShot、AIClean、QuickMetaWipe、Calabi Sanitizer 这类工具，核心就是抹掉这些标签，而且多强调本地处理、不上传。再狠一点，往里注入 iPhone、Sony 的 EXIF 档案，属性面板看起来像实拍。 第二层，改指纹。 中文自媒体圈常见「批量改视频 MD5」：文件末尾塞几个无害字节，哈希变了，网盘秒传、部分重复检测会失效——但画面一帧没动，跟内容是不是 AI 无关。 第三层，二次处理。 很多人再走剪映导出、手机重编码，甚至录屏再剪。封装和压缩一换，外壳信息更容易丢干净，文件也更像「本地剪过的正常成片」。 所以你看到的「没 AI 标识」，很多时候不是检测全失效了，是创作者先把文件外壳洗成了普通人机导出的样子。像素统计特征、时序伪影、平台内容侧识别，清壳清不掉。 别把改 MD5、写 EXIF，当成去 AI 味的全部。

AIGC波妞的2026上半年干货总结帖 AI视频这条路我摸了大半年——从离开Peppa Pig，一头扎进AI视觉叙事和漫画IP孵化，陆陆续续发了上千条实测、教程和踩坑记录。制作、策划孵化了近百部 AI 广告、AI 漫剧作品。 很多朋友说想找我早期的干货但翻不到，所以这次把账号里互动数据最高、最值得看的内容按主题理成了一份清单：从方法论到工具实测，从爆款案例拆解到版权避坑，你可以直接跳到自己需要的部分看，少走弯路，也少踩坑。建议收藏，需要的时候直接翻。 一、AI视频/漫剧制作方法论 1. 玩AI视频角色老是换脸？3个月才搞明白问题出在哪儿（上篇） 2. 为什么放弃九宫格分镜，改用六宫格故事板 3. 大半年AI漫剧踩过的坑：多人戏一换机位就崩 4. AI漫剧最大难点是场景调度，不是画质 二、AI工具实测评测 1. 视觉锚点才是小红书封面的杀手锏（附爆款封面Skill） 2. Lyria 3音乐模型评测，附20多个提示词模板 3. 猜图测评：ChatGPT Image 2 VS 即梦Seedream 5.0 4. Nano Banana 2深度测评 5. Fable 5限时回归：全球IP导演风格图谱Skill 6. SkildArt实测：数字藏品展馆+数字人换装短片 7. ChatCut插件：一句提示词用Codex剪视频 三、爆款现象级内容拆解 1. 【喜剧爆款视频教程】 2. 如何用SeedDance 2.0拍摄闺蜜私房视频 四、版权与合规干货 1. 别等被甲方追责，才想起AI作品也有版权风险 2. 首个「AI作品版权自查Skill」上线 五、IP设计与创意系列 1. 卡牌设计第四弹：七龙珠概念海报 2. IP设计《银月狐灵》视觉开发全流程 3. AIGC新作《天枢记2070》机甲美学 六、个人故事/账号成长 1. 从离开Peppa Pig团队到成为AI创作者

最近这个「真人实拍 + 2D贴纸小人」真的太上头了，我也来跟风整了一个咕咕嘎嘎版 🐧🍞 我的流程很简单： 先定一个真实生活场景：早餐吐司台 再把角色做成扁平 2D 贴纸感 然后设计 10 秒剧情：偷涂果酱 → 被吐司反击 → 崩溃爆哭 → 被吐司机弹飞 最后再做六宫格故事板 + 3:4 海报封面 重点就是： 真实道具越写实，2D小人越离谱，反差就越好笑。 这类小短片真的很适合做系列，下一集准备让咕咕嘎嘎去冰箱偷吃。提示词见评论区alt #AI视频# #AIGC# #咕咕嘎嘎# #AI创作#

很多人认识我是因为现在的女装变装视频。 但我还记得，自己第一个 AIGC 视频，是从抖音刷到这个视频开始。 当时只是想帮儿子做一些视频，记录他的成长。 然后一点点研究，找提示词抽卡。 这也是我的来时路。 正好这两天亲子时光翻开看到这个视频 也借这个机会，感谢每一位关注我的朋友。 你们的每一次点赞、评论、转发让我被更多人看见。 也因为 X，认识了很多不同 AI 领域、真正很厉害的创作者和朋友。 继续学习，明天开工继续新的创作作品。

你应该在 Twitter 上关注的 30 个与 AI 相关的账号： 英文： @karpathy，Andrej Karpathy，Eureka Labs创始人，OpenAI早期成员，前Tesla AI负责人，擅长把神经网络、LLM、Agent讲到普通工程师也能听懂。 @fchollet，François Chollet，Keras作者、ARC-AGI提出者，Ndea和ARC Prize联合创始人，长期讨论AGI、抽象推理和「智能到底是什么」。 @ylecun，Yann LeCun，图灵奖得主、CNN/深度学习代表人物，NYU教授，前Meta首席AI科学家，现在做AMI，长期主张开源、世界模型和非纯LLM路线。 @AndrewYNg，吴恩达， Fund、Landing AI创始人，Coursera联合创始人，AI教育和AI落地应用领域最有影响力的人之一。 @rasbt，Sebastian Raschka，LLM研究工程师、作者，写过《Build a Large Language Model From Scratch》，适合看模型原理、训练细节和代码实现。 @dair_ai， Engineering Guide背后的项目，适合看prompt、context engineering、agent相关资料。 @lilianweng，Lilian Weng，Thinking Machines Lab联合创始人，前OpenAI研究与安全VP，Lil’Log作者，agent、RL、AI安全综述写得非常系统。 @jeremyphoward，Jeremy Howard， @simonw，Simon Willison，Datasette作者、Django联合作者，长期追踪LLM工具、开源生态、prompt injection和AI Agent安全问题。 @_akhaliq，AK，AI论文信息流账号，机器学习背景，主要快速转发新论文、新模型、新项目，适合跟踪前沿动态。 @ID_AA_Carmack，John Carmack，id Software创始人、前Oculus CTO，现在在Keen Technologies做AGI，典型硬核工程派。 @gwern，Gwern Branwen，独立研究者和长文作者，写AI scaling、心理学、统计学、理性主义和长期主义相关内容。 @goodside，Riley Goodside，最早出圈的prompt engineer之一，曾在Scale AI和Google DeepMind，常发模型行为、prompt技巧和AI产品边界测试。 @drfeifei，李飞飞，Stanford教授、World Labs联合创始人兼CEO，ImageNet关键推动者之一，长期做计算机视觉、空间智能和human-centered AI。 @demishassabis，Demis Hassabis，Google DeepMind联合创始人兼CEO，AlphaGo、AlphaFold背后的核心人物之一，2024年诺贝尔化学奖得主。 中文： @dotey，宝玉，中文AI圈非常重要的信息源，长期翻译和整理LLM、Prompt Engineering、Context Engineering、AI工程实践内容，也会分享很多一手产品和技术判断。 @op7418，歸藏，AIGC周刊主理人，关注AI、LLM、AI图像视频和设计，适合追踪新工具、新模型和AI创作玩法。 @xiaohu，小互，中文AI新闻和工具资讯号，主打全球前沿科技、AI动态，也做小互AI日报社群。 @WaytoAGI，通往AGI之路，中文AI知识库和社区型账号，适合系统性补AI资料、工具、教程和行业信息。 @Khazix0918，数字生命卡兹克，AI自媒体和热点监控型账号，做了AIHOT这类AI热点监控网站，适合看中文AI圈正在炒什么、什么值得跟。 @Gorden_Sun，Gorden Sun，稳定更新AI资讯日报，适合当每日AI新闻索引看。 @FinanceYF5，Will，偏AI资讯和行业数据整理，会做AI网站流量、产品数据、行业观察，适合看数据型信息差。 @vista8，向阳乔木，关注LLM、Prompt、效率工具和AI产品落地，内容偏实用观察和产品判断。 @shao__meng，meng shao，关注上下文工程、AI智能体、企业AI落地和AI培训，也经常整理中文AI领域账号合集。 @oran_ge，橘子，前MiniMax AI工具产品负责人， @hanqing_me，汗青，AI Talk创始人，重点在AI短视频、AI数字人、AI艺术和内容创作方向。 @jesselaunz，遁一子，关注AI资讯、AI实际应用和Prompt探索，偏实践派，适合看普通人怎么把AI用起来。 @thinkingjimmy，JimmyWong， @xicilion，响马，西祠胡同创始人、老程序员，分享LLM实战、工程判断和开发者视角，对AI工具链的理解比较硬。 @AI_Jasonyu，鱼总聊AI，关注AI、出海、创业、独立开发和副业方向，经常整理AI博主、工具和产品机会。 有哪些我漏掉了？欢迎补充

做 Yuragi FM 的过程中，我发现 AIGC 类产品的难点第一是在乎探索语言空间和结构，第二是难以评估实验成果，总是在 60-80 分之间横跳，没有 90+ 以上的生成产物。第三就是设计实验的成本和测试时间过长。我看到小红书上有不少专业做 AIGC 的，使用现成的工具，human in the loop 来做协调者，创作一首音乐都需要花 1-2 天的时间，更别提 MV 了，一方面，我们依赖模型不断进化来内化一些需要协调的功能和反复试错的实验，另外一方面，不断内化的模型又会趋向生成更加大众化审美的内容，进一步提升探寻语言空间的难度。因此，在做这个产品过程中，感受到最大的启发不是工作流的编排，也不是 agent matrix 的设计，而是人类意图的捕获。换句话说，真正重要的是如何理解意图（目标，岔路，审美，世界观）而非编排，wanman 也好，其他的流行的 harness 工程产品也好，只是完成这一步设计的早期基础设施。