ergouzi/e-video-animate · 自研模型

`e-video-animate` 接收一段源视频和一张参考图片，生成一段新视频：参考图片中的主体会复现源视频中的动作，并保留相同的音频。 该模型针对速度和成本进行了优化。生成 1 秒成片大约需要 5.24 秒，因此非常适合需要快速批量制作视频的创意工作流，例如 UGC 广告变体、热门视频二创、场景角色替换、游戏及数字人内容等。 **工作原理** 向模型提供以下两项内容： - **源视频（`video`）**：用于定义动作和音频的 MP4 视频。 - **参考图片（`image`）**：需要进行动画化处理的主体图片。 模型会返回 MP4 视频，其中参考图片中的主体会复现源视频中的动作。默认情况下，源视频的音频也会混入输出视频。 **主要输入参数** - **`instruction_prompt`**：自由文本提示词，用于补充说明参考主体应如何进行动画化。留空时采用默认行为。 - **`resolution`**：可选 720p（约 100 万像素）或 1080p（约 200 万像素）。输出视频会保留源视频的宽高比。 - **`target_fps`**：可选 `original`、24 或 48。默认保留源视频的原始帧率。 - **`save_audio`**：开启后，源视频的音频会被混入输出视频。 - **`ignore_audio`**：开启后，模型在生成过程中不会使用源音频作为条件。如果同时开启 `save_audio`，源音频仍会在生成完成后混入输出视频。 - **`turbo`**：以略微降低画质为代价加快生成速度。 - **`seed`**：设置随机种子，以便复现生成结果。 **获得良好效果的技巧** - **确保源视频中的动作清晰。** 动作明显、光线充足的视频通常比动作细微或存在遮挡的视频拥有更好的动作迁移效果。 - **使用正面参考图片。** 拍摄角度过大或主体存在遮挡会影响身份特征的保留效果。 - **选择合适的分辨率。** 720p 的价格是 1080p 的一半，并且足以满足大多数使用场景。需要更多画面细节时，可以选择 1080p。 - **注意宽高比。** 输出视频会沿用源视频的宽高比，因此应提前按照期望的成片构图准备源视频。 **可以构建的应用** - **UGC 广告变体**：使用数十种动作参考，为同一个品牌素材生成不同的动画版本。 - **热门视频二创**：将新的主体替换进广为人知的视频片段。 - **场景角色替换**：保留原有镜头和动作，仅替换画面中的主体。 - **游戏与数字人内容**：使用参考动作让角色原画动起来。 - **音乐视频补充镜头**：基于现有的表演素材，快速生成具有独特风格的动画镜头。 **使用方式** - 使用方式，给codex等客户端，安装skill：https://github.com/aiman-labs/ergouzi-agent-skills - 或者安装mcp：https://github.com/aiman-labs/ergouzi-agent-skills - 单独创建一个【图片视频模型】分组的密钥，告诉AI，让它配置ergouzi的url+密钥给这个skill - 这个密钥不是配置给客户端，是配置到skill内部 - 配置好之后就可以在codex等客户端中，调用skill进行生图