Diffusers 0.34.0 发布，新增 Wan VACE 等视频与图像生成 pipeline
Hugging Face Diffusers 发布 0.34.0，新增 Wan VACE、Cosmos Predict2 等视频与图像生成 pipeline，并改善 torch.compile 支持。
推荐理由：该版本同时覆盖可控视频生成与低显存部署，读者可据此评估 Wan VACE 等 pipeline 的控制能力和 torch.compile、量化、卸载组合。
#视频
#视频
今日 3 条Diffusers · Releases精选AI 评分8787
ByteDance Seed · 视觉生成与编辑精选AI 评分8686 字节跳动 Seed 发布 Seedance 1.0 视频生成模型并公开技术报告
字节跳动 Seed 团队发布视频生成基础模型 Seedance 1.0，支持文字与图片输入，可生成多镜头无缝切换的 1080p 视频，并已公开技术报告。官方称在第三方评测榜单 Artificial Analysis 的文生视频、图生视频两个任务上均位居首位，5 秒 1080p 视频在 L20 上实测推理耗时 41.4 秒。模型已通过即梦、豆包及火山引擎 API 开放使用，技术报告可在项目主页查看。
推荐理由：官方技术报告披露了多镜头叙事、统一任务框架与推理加速的具体设计，可供视频生成选型与创作流程参考。
Replicate · 模型与制作实践精选AI 评分6060 Replicate 发布 Veo 3 提示词指南：如何写出最佳效果
Replicate 发布 Veo 3 提示词指南，建议在提示词中明确主体、场景、动作、风格、镜头运动、构图与氛围，并单独描述对白、环境音、音效和音乐。文中指出 Veo 3 对同一提示词多次生成结果高度相似，想探索不同效果应改用差异较大的提示词；保持角色描述逐字一致可提升跨场景视觉连续性。
推荐理由：Replicate 基于实测给出 Veo 3 的提示词结构、音频与角色一致性写法，可迁移到视频生成工作流。
Replicate · 模型与制作实践精选AI 评分7979 Google Veo 3 使用指南：从原生音频到镜头提示词
Replicate介绍 Google Veo 3 的视频生成能力，并分享一套涵盖镜头构图、焦段效果、风格和运镜的提示词方法。文章还展示了对话与口型同步、视频游戏世界等案例，并给出冰柱特写示例提示词。
推荐理由：文章整理了 Veo 3 的镜头构图、焦段、风格与运镜提示词，并结合对话、口型同步和游戏世界生成案例，便于复用其视频创作流程。
Diffusers · Releases精选AI 评分8888 Diffusers 0.33.0 发布，新增 Wan2.1 视频管线与多项显存优化
Diffusers 发布 0.33.0，新增 Wan2.1、LTX Video 0.9.5、Hunyuan Image to Video 等视频管线，以及 SANA-Sprint、Lumina2 和 OmniGen 等图像生成管线。该版本加入层级权重转换、分组卸载、远程 VAE、缓存推理和 Quanto 量化，并支持 LoRA 热插拔与管线 dtype map。
推荐理由：Diffusers 0.33.0 将 Wan2.1、LTX Video 0.9.5 等视频管线与层级卸载、缓存推理和量化能力整合到同一版本，便于评估生成工作流的显存与速度取舍。
Replicate · 模型与制作实践精选AI 评分7777 Wan 2.1 如何制作风格化视频
Wan 2.1 支持从文本或图像生成视频，并可通过 LoRA 进行风格迁移。Replicate 提供了 480p 和 720p 的文本生视频模型，以及使用预制权重或自有图片训练风格 LoRA 的流程；自定义训练至少需要 25 张图片和一个 trigger_word。
推荐理由：材料展示了使用预制 LoRA 和自有图片训练风格 LoRA 的 Wan 2.1 视频工作流，包含可复用的输入与训练步骤。
Replicate · 模型与制作实践AI 评分5757 Replicate 汇总数字人、光剑效果与 LoRA 创作实践
Replicate 发布创作案例汇总，介绍 ShieldGemma 2、Hunyuan3D 2Mini、CSM-1B、Orpheus-3B、Luma 和 Kling v1.6 Pro 等模型与社区实验。
Replicate · 模型与制作实践精选AI 评分8080 Replicate 接入 Wan2.1，提供 API 生成 480p 和 720p 视频
Replicate 为 Wan2.1 提供可扩展云端 API，支持 480p/720p 文本生视频与图像生视频。14B 模型在 Replicate 上生成 5s 视频，480p 约需 39s、720p 约需 150s；另有面向消费级 GPU 的 1.3B 模型。文章还介绍了 guide_scale、shift 和 steps 等可调参数。
推荐理由：文章同时给出 Wan2.1 的文本生视频与图像生视频 API 入口、分辨率和参数设置，便于按实验速度与输出分辨率选择模型版本。
Replicate · 模型与制作实践精选AI 评分6969 WAN2.1 14b 文生视频模型参数扫描：guide scale 与 shift 如何影响画面
Replicate 对 Alibaba 的 WAN2.1 14b 文生视频模型进行参数扫描，测试 720p 输出中 guide scale 与 shift 对生成效果的影响。
推荐理由：这组参数扫描把 guide scale 与 shift 对 WAN2.1 14b 720p 视频输出的影响拆开，提供可复用的调参区间和观察依据。
Replicate · 模型与制作实践精选AI 评分8787 Replicate 支持微调开源视频模型 HunyuanVideo
Replicate 已将 Musubi Tuner 适配到平台，支持用户用自有视觉内容微调 HunyuanVideo 视频模型。文章提供从视频切片与字幕生成、LoRA 训练到浏览器或 API 调用的流程，默认训练通常需要约 5-10 分钟。
推荐理由：文章把视频微调拆成数据准备、训练和调用四步，并给出训练时长与参数调节建议，适合评估自定义视觉风格和运动效果的落地路径。
Replicate · 模型与制作实践AI 评分3838 如何用 Replicate playground 生成短视频
Replicate playground 提供一套生成 AI 短视频的工作流：先用 datacte/flux-aesthetic-anime 等图像模型生成起始图，再用 minimax/video-01-live 以首帧图加提示词生成视频，最后用 zsxkib/mmaudio 模型按提示词配音。
Diffusers · ReleasesAI 评分2222 Diffusers v0.32.2 发布：修复 Flux 与 Hunyuan Video 加载问题
Diffusers 发布 v0.32.2 补丁版本，修复了 Flux 加载 Comfy UI 格式单文件 checkpoint 的回归问题，并支持将 LoRA 加载进 bitsandbytes 4bit 量化的 Flux 模型。
Diffusers · Releases精选AI 评分9191 Diffusers 0.32.0 发布：新增视频与图像生成管线、量化后端及训练脚本
Diffusers 0.32.0 发布，新增 Mochi-1、Allegro、LTXVideo 和 HunyuanVideo 视频生成管线，以及多组图像生成管线。该版本还加入 TorchAO、GGUF 量化后端和 Flux、SANA、Hunyuan Video 等训练脚本。Sana-0.6B 可部署在 16GB laptop GPU 上，并在不到 1 秒内生成 1024×1024 图像。
推荐理由：该版本把 Mochi-1、Allegro、LTXVideo 和 HunyuanVideo 接入统一库，并补充量化后端与训练脚本，便于比较开放视频模型的使用与微调路径。
Replicate · 模型与制作实践精选AI 评分6666 AI 视频正迎来自己的 Stable Diffusion 时刻
Replicate 作者 fofr 认为，Sora 让外界看到视频模型的可能性却无法使用，如今一批质量接近 Sora 的模型已经可用，AI 视频正经历类似 Stable Diffusion 的爆发。
推荐理由：梳理了 Sora 之后一批视频模型的 ELO、速度、时长与开源情况，便于按质量、成本和可微调性做选型比较。
Replicate · 模型与制作实践精选AI 评分7373 Replicate Intelligence #11：Replicate 支持微调 FLUX.1，汇总数字人、可控视频与可玩游戏世界项目
Replicate 宣布支持在平台上用自有图片微调 FLUX.1 图像生成模型，用户可上传 12-20 张多样图片并设置触发词，约 30 分钟生成定制模型。
推荐理由：这期内容给出 FLUX.1 微调所需的图片数量与耗时，并串联数字人、可控视频和可玩游戏世界案例，便于比较不同生成工作流。