Bruce Huang

解决什么：长镜头最难的是构图、表演、节奏和机位无法稳定复现。3D Editor 先摆相机、角色、动画与环境，Canvas 再用节点式图像 / 视频模型生成与修整。

适合谁 / 怎么用：适合短片导演、预演和 VFX 创作者；先用低成本 3D blocking 锁定 6 秒镜头，再把关键视角送入生成，不要一开始就反复抽卡。

开源 / 本地：商业官方服务，不是开源仓库，也没有可本地部署权重；具体模型、计费与地区开放以 Autodesk 账户页面为准。

限制：公开展示不等于所有用户已获得相同功能；云端素材上传、角色肖像和商用条款需人工确认。

Bruce 可试：在 Blender 复刻同样的“3D 预演 → 关键帧 → 图生视频”方法，比较纯 prompt 与先定机位的返工次数。

解决什么：普通 video-to-audio 容易忽略文字意图或让条件互相冲突；项目统一支持 V2A、文字增强、参考音频控制与纯文字音效生成。

适合谁 / 怎么用：适合无对白动作、环境音与产品短片；先用同一视频分别跑纯 V2A 与文字控制版，再对齐击打、脚步和环境声的时间点。

开源 / 本地：GitHub 提供官方实现，2026-07 发布维护方 ComfyUI 节点与全任务 workflows；可本地运行，模型和环境按仓库说明下载。

限制：属于研究级音效生成，不等于专业混音；显存、支持采样率、权重许可和 Windows 安装需按最新 README 核对。

Bruce 可试：给同一 6 秒镜头写“远处雨声 → 脚步靠近 → 金属落地”时间序列，检查声音是否跟动作而非只跟语义。

解决什么：常规 camera-control 模型把世界运动与相机运动绑在一起；BulletTime 分开控制时间轴和相机 pose，可做冻结主体时继续环绕的“子弹时间”。

适合谁 / 怎么用：适合虚拟摄影与产品镜头；先用仓库本地 HTML 轨迹编辑器画一条简单圆弧，再只改变时间曲线做 A/B。

开源 / 本地：官方 GitHub 已公开代码与轨迹工具，以 CogVideoX / ReCamMaster 生态为基础，可本地运行。

限制：研究模型通常需要高显存 NVIDIA CUDA 环境；仓库未给出所有分辨率的统一最低显存，低显存用户应先跑官方最短示例。

Bruce 可试：做“时间暂停，相机继续 90° 绕拍”和“相机不动，动作倒放”两条 4 秒基准片。

解决什么：把生成视频从离线等待变成可演奏的实时管线；VACE 条件可接参考图、depth、scribble、optical flow 等控制信号。

适合谁 / 怎么用：适合 VJ、实时装置和镜头预演；先用 webcam + depth 做低分辨率测试，再接 OSC / MIDI 或音频控制。

开源 / 本地：代码公开，本地优先，也支持云端推理；可与现有实时工具链交换帧和控制信号。

限制：真正实时强依赖 NVIDIA 显卡、模型、分辨率和帧率；云端免费状态与后续订阅会变化。

Bruce 可试：把 Blender 输出的实时深度或预录深度序列接入 VACE，观察相机移动时结构稳定性。

解决什么：近期官方发布记录包含多 GPU work units、LTX 音视频修复、Seedance 2 视频参考上传改进，以及 Load3DCamera 内参字段，控制层与性能层都在靠近核心。

适合谁 / 怎么用：适合维护本地视频生产环境的人；查看最新 release 后，在副本中用一条固定 workflow 回归加载时间、显存、参考视频与相机数据。

开源 / 本地：ComfyUI 为 GPL-3.0，可本地运行；也有商业 partner nodes，使用时要区分本地模型与云 API。

限制：发布节奏快，自定义节点可能滞后；多 GPU 不代表显存自动合并，具体支持取决于节点和采样路径。

Bruce 可试：固定一条短视频 workflow，保存更新前后 JSON、依赖版本、启动日志和显存峰值，建立可回滚基线。

解决什么：避免 GPT 把一句需求扩写成不可复现的华丽散文；用固定字段保存主体、时间轴、机位、深度 / 光流条件、声音、禁止项与输出规格。

适合谁 / 怎么用：适合 LTX、Wan、Seedance 等跨模型测试；让 GPT 只改一个字段，并同时输出 60 词短版与 160 词长版。

开源 / 本地：指南位于 Lightricks 官方 GitHub；LTX-Video 可本地运行并有 Hugging Face 模型页，具体许可按所用版本核对。

限制：自动 prompt enhancement 会改写输入，做 A/B 时应固定开关；长提示不保证更好。

Bruce 可试：模板：{subject, timeline[], camera_path, depth_or_flow, lighting, audio_cues[], negative, output}；每次实验只改 camera_path 或 timeline。

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。