@yuanlai 在 正反手教学之:不要用文生视频拼解说长视频 中发帖

鉴于最近 Sora、Veo 满天飞,很多佬友又动了"批量生产解说视频躺赚流量"的心思,我来波正反手教学,给大家送上一些坠机小技巧。 
事情是这样的,两个月前我也动了这个心思。需求听起来简单到可笑:扔篇 PDF 进去,吐一条带配音带字幕的解说视频出来。我当时的想法跟各位一样:现在视频模型这么强,这不就是调调 API 的事吗?
然后我就开始了我的六连绝世。
第一关:陨落的文生视频
第一版没有任何花活:LLM 把文档拆成 12 段文案,每段直接文生视频,FFmpeg 一拼,收工。
跑出来的东西,单看每一段,卧槽,电影感。连起来看,卧槽,精神分裂——第一段主角还是黑发,第三段就变成棕色了,第五段连衣服都换了,至于场景透视,那是什么,能吃吗?
为什么会这样?因为文生视频每一段都是独立抽卡,段与段之间互相不认识。你单次抽卡手气再好,12 连抽还想保持同一个主角,属于是想多了。
这时候肯定有...