ergouzi/e-video-replace · 自研模型

`e-video-replace` 接收一段源视频和 1 至 3 张参考图片，生成一段新视频：将镜头中的人物替换为参考图片中的人物，同时完全保留源视频的动作、时间节奏、镜头运动和场景。 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 3.58 秒，比 Wan 2.2 Animate Replace 快 3.5 倍，比 Luma Ray3 Modify 快 15 倍。它非常适合需要批量生产内容的创意工作流，例如 UGC 广告变体、内容本地化、数字人与品牌吉祥物植入，以及游戏过场动画等。 **工作原理** 向模型提供以下内容： - **源视频（`video`）**：用于定义动作、时间节奏、镜头和场景的 MP4 视频。 - **参考图片（`images`）**：提供 1 至 3 张图片，指定你希望出现在视频中的一个或多个人物身份。 模型会返回一段场景不变、但原人物已被参考人物替换的 MP4 视频。默认情况下，源视频的音频会被重新混入输出视频。 **主要输入参数** - **`instruction_prompt`**：自由文本提示词，用于补充说明如何将参考图片中的人物放入场景。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** - **使用清晰的正面参考图片。** 拍摄角度过大或存在遮挡会影响人物身份特征的保留效果。 - **确保源视频中的动作明显且光线充足。** 细微动作或存在遮挡的动作更难被干净地迁移。 - **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**：保留原有镜头和表演，批量替换不同的出镜人物。 - **内容本地化**：针对不同市场，使用不同的出镜人物重制同一个场景。 - **数字人与品牌吉祥物植入**：将品牌角色加入现有视频素材。 - **游戏过场动画**：将不同演员替换到预先录制的动作捕捉素材中。 - **创作者工作流**：重复利用一段高质量表演，仅更换镜头中的人物身份。 **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