HeyGen 这组数据挺有意思,Turbo 的中位延迟大约 93 毫秒,响应速度确实很快。 音频任务里差距更明显:语音情感得分 84.5,对比项只有 32.4; 音乐流派是 88.1 对 65.6。 看起来它在这两类场景上优势尤其明显,后面…

现在官方分数还没放出来,先看实测表现吧。 小模型做到这个规模,感觉还挺有意思,就等结果了。

第一帧里人物像抠图贴进去,我会先看房间的光有没有落到脸、头发和鞋上,再动动作提示词。人物身份参考图继续保留,另外单独做一张适合当前场景的起始图,先把静帧做干净,后面才好判断问题到底出在动画阶段还是合成阶段。 比如洗衣店里,快递员站在自动售货…