Bruce Huang

解决什么：Meta 把视频生成、视觉一致性和原生音频放到同一预训练体系，并明确仍在改进音画同步与高速运动物理。

适合谁 / 怎么用：适合关注社交内容、广告素材和原生音频视频的人；现在先看官方 Gallery，记录它在动作、声音和文字服从上的边界。

开源 / 本地：不是开源仓库，没有公开权重，不能本地运行；Muse Video 目前是官方预览，未来面向 creators 和 Meta AI。

限制：没有可核验的显卡要求、公开 API 价格或上线地区；不要把预览 demo 当成已可用产品。

Bruce 可试：把同一段 8 秒分镜保留为基准，等开放后与 Wan / LTX 的主体一致性和音画同步做 A/B。

解决什么：最新稳定版继续把视频生成从“自定义节点拼装”往核心能力推进，包括自回归视频、LTX 异步加载加速、音频 latent 解码和更完整的视频加载。

适合谁 / 怎么用：长期维护 Wan、LTX 或视频批处理 workflow 的用户；先在副本更新并用旧 workflow 回归，再决定是否迁移生产环境。

开源 / 本地：GPL-3.0，可在 Windows、Linux、macOS 本地运行；也有官方云端与商业 API 节点。

限制：稳定版约每两周发布，master 可能破坏自定义节点；核心本身可低显存 offload，但实际显存仍由所选模型、分辨率和帧数决定。

Bruce 可试：复制现有 Wan / LTX workflow，记录更新前后加载时间、峰值显存和旧节点报错。

解决什么：给 WanAnimate 增加多参考注入与无缝续接，并支持 Bernini、SCAIL-2、v2v / r2v / t2v 等条件组合。

适合谁 / 怎么用：做角色连续镜头、动作迁移和多段短片的人；把上一段结尾作为 transition_video，再用额外参考图守住服装与脸。

开源 / 本地：Apache-2.0，可本地运行，仓库内有 example_workflows 和视频 demo。

限制：必须安装原 WanVideoWrapper，并用 WanAnimatePlus 的完整节点链替换；不能和原节点混搭。显存由底层 Wan / Bernini / SCAIL-2 模型决定，长片或低显存应开 context windows。

Bruce 可试：用同角色两段片，只比较“无 transition”与“21 帧 transition”，观察切点附近的脸、服装和背景跳变。

解决什么：普通固定上下文忘记较早视角；MemCam 按视野重叠检索历史帧，并把历史 token 压缩到四分之一，论文报告相对未压缩基线约 5× 推理加速。

适合谁 / 怎么用：做虚拟摄影、场景漫游和大角度回转镜头的技术美术；用相机 pose JSON 测试绕场一圈后是否能恢复原视角细节。

开源 / 本地：Apache-2.0 官方代码，Hugging Face 提供 MemCam 权重，底座为 Wan2.1 1.3B，可本地运行。

限制：研究代码不等于 ComfyUI 即插即用节点；仓库未给出统一消费级显存承诺，需按环境实测。

Bruce 可试：先跑仓库示例 pose，再把 Blender 相机轨迹导成相同结构，验证回到起始机位时的物体与纹理一致性。

解决什么：从视频帧提取镜头、主体、动作与问题描述，直接输出可交给 ChatGPT/GPT 改写的结构化文本。

适合谁 / 怎么用：需要批量整理 AI 视频结果的人；抽 16 帧后要求模型按“时间码、主体漂移、相机变化、修订 prompt”输出。

开源 / 本地：节点代码 GPL-3.0，支持 Qwen3-VL / Qwen2.5-VL 与 HF 自动下载，可 CUDA、CPU 或 MPS 本地运行。

限制：4-bit 可面向 8GB 以下但更慢；8-bit 适合约 8GB+；FP16 建议 16GB+。抽帧分析不会看到每一帧，快速故障可能漏掉。

Bruce 可试：固定抽 16 帧、temperature 0.2，让它为每个实验生成同格式 QA 报告并链接回 workflow。

解决什么：把两段视频的边缘帧整理成 VACE 可用的 control video / mask，减少手工裁帧、补占位和拼接出错。

适合谁 / 怎么用：做短片拼接、循环视频、横竖版扩画和局部重绘的人；先用 8 帧 context + 8 帧 replace 做最小转场。

开源 / 本地：MIT，可本地运行；主要面向 Wan VACE，也支持 LTX-2 outpainting。

限制：它负责准备控制输入，不包含视频模型；显存跟 VACE / LTX 走。批量加载长视频还要看系统 RAM，仓库建议配合 VideoHelperSuite Meta Batch Manager。

Bruce 可试：把一段横版镜头扩成 9:16，再做一次两段片无缝连接，把控制 mask 作为站内图解。

解决什么：收集带时间段、镜头类型、动作、声音和风格字段的 Seedance 2.0 提示词，适合作为 GPT 改写模板而非一次性灵感。

适合谁 / 怎么用：做广告、短剧、动作镜头和多镜头脚本的人；让 ChatGPT 保留时间码结构，只替换角色、场景和镜头目标。

开源 / 本地：资料仓库 MIT，可离线阅读；Seedance 2.0 本身是商业服务，不因 prompt 仓库开源而变成本地模型。

限制：案例来自多种公开来源，效果不能保证复现；含导演/品牌风格词时仍需人工评估版权、肖像和平台政策。

Bruce 可试：做一个 10 秒三段式模板：0–3 秒建立、3–7 秒动作、7–10 秒收束，并保留镜头失败后的修订字段。

解决什么问题：把 text-to-video、image-to-video 和 text-image-to-video 收到同一个开源视频模型仓库里，适合从网页产品转向可复现的本地实验。

适合谁：有 RTX 4090 / 云 GPU，想在 ComfyUI 或命令行里控制分辨率、帧率、首帧和提示词的人。

如何用于个人创作：先用 TI2V-5B 跑 720P 24fps 的 5 秒短片，再用同一张图对比 T2V、I2V、TI2V 的主体稳定性。

是否开源 / 本地：官方 GitHub 和 Hugging Face 权重可查，可本地运行；它不是商业黑盒。

限制：官方说明 TI2V-5B 单卡至少 24GB VRAM，可用 RTX 4090；80GB 显存可减少 offload 并加速。A14B 路线更吃多卡 / 显存。

Bruce 可试：做一个“同图三跑”表格：prompt、分辨率、帧数、显存、耗时、失败帧截图。

解决什么问题：把 LTX-2 视频模型接进 ComfyUI，并补上 Depth、Pose、Canny、motion tracking、HDR、Lipdub 等示例工作流。

适合谁：想把视频生成从纯 prompt 改成“给控制图 / 控制视频”的 ComfyUI 用户。

如何用于个人创作：用同一张角色图分别跑无控制、Depth Control、Pose Control，做一张结果对比图。

是否开源 / 本地：Lightricks 的 GitHub / Hugging Face 入口可查，可本地运行；ComfyUI-LTXVideo 是开源节点仓库。

限制：仓库写明需要 CUDA GPU、32GB+ VRAM 和 100GB+ 空间；模型首次下载和缓存会占不少磁盘。

Bruce 可试：先只跑 distilled + depth 的短工作流，确认 ComfyUI 节点、模型缓存和显存占用稳定后再扩到 pose。

解决什么问题：把镜头路径从 prompt 里的“orbit / dolly”变成可计算的 camera matrices、trajectory tensor 和点云路径。

适合谁：想做 2.5D 推镜、环绕、点云漫游、wide-angle stereo 或 Wan VACE camera movement 的技术美术。

如何用于个人创作：从一张图重建或准备点云，使用 Open3D GUI 走一条路径，导出轨迹后接 Wan VACE 的 video_camera workflow。

是否开源 / 本地：GitHub 仓库可查，本地 ComfyUI 节点；不是商业服务。

限制：需要 ComfyUI、Open3D / Python 环境和可用点云；复杂路径容易暴露空洞，需要 VACE / inpainting 补区域。

Bruce 可试：先做一个最小“左移 1 米 + 轻微 push in”的镜头，把矩阵路径、输入图、输出视频截图放进文章。

解决什么问题：用 TensorRT 加速 Depth Anything，在 ComfyUI 里更快生成图片 / 视频深度图，适合做控制图、景深、遮罩和 2.5D 后期。

适合谁：需要把视频输出再加工成 depth pass、前后景分层、雾效、视差和 ControlNet 输入的人。

如何用于个人创作：把 Wan / LTX 输出抽成 24 帧，生成深度图，再做一张 depth overlay 或前后景分离图作为文章图解。

是否开源 / 本地：开源 GitHub 项目，可本地运行；依赖 NVIDIA GPU、CUDA、TensorRT、PyTorch 和 Depth Anything 权重。

限制：作者测试环境包含 H100、CUDA 13、Torch 2.12、Python 3.12；Windows / CUDA / TensorRT 版本匹配需要人工确认。

Bruce 可试：先用 720P 24 帧短视频测试三档模型，记录 FPS、显存、深度闪烁和边缘稳定性。

解决什么问题：新论文不只讨论“让人物动起来”，而是把人物轨迹、场景几何和相机运动放进同一个控制问题。

适合谁：做角色动画、AI 短片、虚拟摄影、动作迁移和镜头预演的人。

如何用于个人创作：暂时不用等代码，先把论文里的输入结构转成自己的实验清单：reference image、action、human trajectory、camera trajectory、scene depth / point cloud。

是否开源 / 本地：3STC-HIA 和 ActCam 目前按论文项目跟踪；不能假设已有可用开源仓库或本地 workflow。

限制：论文 demo 不等于生产工具；需要等待代码、权重、许可证和 ComfyUI 社区实现。

Bruce 可试：用 Blender 做一个简单人物路径 + 相机路径，把它当控制条件草图，再找 Wan / LTX workflow 近似复现。

解决什么问题：把视频提示词从“灵感句子”变成可复用结构，尤其是主体、动作、镜头、环境、光线、负面限制和模型差异。

适合谁：用 ChatGPT/GPT 帮自己改写视频 prompt，或者想把每次成功镜头沉淀成模板的人。

如何用于个人创作：把 Seedance 的样例和 Veo 的 camera movement 词表改成中文字段模板，再让 GPT 生成三版：写实、广告、游戏过场。

是否开源 / 本地：Seedance prompt 库是 GitHub 资料项目；Veo 文档是 Google 官方服务文档，不是开源仓库。

限制：prompt 库只能帮助组织语言，不能保证模型服从；dolly、zoom、arc shot、crane shot 等镜头词在不同模型里响应差异很大。

Bruce 可试：每篇 AI 影像周报固定附一个 Prompt Object：中文模板、英文模板、镜头词、控制图字段、失败点和适用模型。