IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
音频驱动的无限长说话视频生成框架
InfiniteTalk 是美团 MeiGen-AI 团队于 2025 年 8 月开源的音频驱动无限长说话视频生成框架，全称 "Audio-driven Video Generation for Sparse-Frame Video Dubbing"。它提出了一种新型视频配音范式——"稀疏帧视频配音"，通过保留原始视频的关键参考帧，在维持身份信息、标志性手势和摄像机轨迹的同时，对全身运动进行音频同步的编辑。给定一段源视频和目标音频，可生成与音频精确口型同步、头部/身体/表情联动的全新视频；给定一张人物图片和音频，可从零生成无限长的说话人视频。支持 480P 和 720P 分辨率，默认最大 1000 帧/40 秒，可流式扩展。底层基于扩散模型构建，使用 Wan2.1-I2V-14B 作为视频生成基座，音频编码器采用 Wav2Vec2。项目以 Apache-2.0 许可证开源。
用镜头语言导演 AI 视频：Seedance 2.0 提示词工程方法
Seedance 2.0 是字节跳动推出的 AI 视频生成模型，支持文字、图片、视频和音轨等多模态输入，在单次推理中生成音画同步的短视频。本条目整理了其提示词工程方法，核心是将“感受描述”翻译为“执行序列”，通过五层公式（主体、动作、镜头、风格、约束）构建提示词，并利用时间编码和参考文件实现精细控制。报告指出，主体描述需具体到年龄、发型、服装等属性；动作应分解为具体执行序列；镜头每代只放一个主运动；风格优先写光线和质感；约束词用于减少抖动、变形等 AI 痕迹。此外，时间编码支持按秒调度画面，参考文件（最多 9 图、3 视频、3 音轨）可提升一致性。报告还介绍了单变量迭代优化方法，并列举了 UGC、产品广告、短片等应用场景。
让 AI Agent 通过自然语言对话自动完成电影解说视频全流程生产的技能描述文件
Narrator AI CLI Skill 是一个 AI Agent 技能描述文件，教会 AI Agent（如 OpenClaw、Claude Code、Cursor、Windsurf 等）如何调用 narrator-ai-cli 命令行工具，完成电影/短剧解说视频的全自动化生产。它解决的核心问题是让不懂视频剪辑、命令行和 API 调用的普通用户，通过自然语言对话就能完成从搜片、选模板、选 BGM、选配音、生成文案到合成视频的完整流水线。项目采用 SKILL.md 主文件加 references/ 子目录的结构化行为规范，将 CLI 的调用顺序、参数依赖、错误处理和决策逻辑编码为机器可读的说明书，并定义了 Fast Path（原创文案）和 Standard Path（二创文案）两条工作流路径。内置约 100 部电影素材、146 首 BGM、63 个配音音色（11 种语言）和 90+ 解说模板，支持多语种出海场景。项目采用积分计费模式，MIT 开源协议，版本 v1.0.5，已在 9 个 AI Agent 平台验证。