01 · AI 口播《大肥鱼与 DeepSeek》
用一张角色立绘做数字主播,让视频模型自己念稿:讲「大肥鱼」这个梗的来历,以及 DeepSeek 在价格、代码、开源、中文四方面的优势。
- 不做 TTS 对口型:把台词写进提示词,让视频模型直接生成语音,口型、语气、表情同源,没有朗读腔。
- 音色一致性:用基频分析逐段体检 12 段音频,揪出掉了八度的第 11 段和音量小 10 dB 的第 4 段,单独重跑补齐。
- 低显存方案:4 GB 显存无法原生出 1080p,改为 544×960 生成 + 4× 逐帧超分到 1088×1920(1489 帧约 110 分钟)。
MiniMax H3SolAttn 稀疏注意力4x-UltraSharplibrosa



