你根本想象不到 grok 生成视频有多强大

55次阅读

没有评论

本来励志做一个天才交易员和价值投资巨头的，但 3 天过去了，我沉迷于玩小图片。

没办法，我太热爱艺术了！

最近 Codex 额度过于充沛，就跟精力旺盛到溢出一样，我总得找点事儿来做啊。

于是我又把之前做的 AI 伴侣项目拿出来折腾了。

众所周知，Live2D 是二次元形象的最广泛采用形式。当然我本人是不会做的，我尝试把做 Live2d 的经验喂给 AI，让它给我倒腾一个出来。

结果大家也看到了，失败了。

https://x.com/0xCheshire/status/2071872364745523359

一计不成，我又生一计。

我又不是要拿 Live2d 皮套做直播，那我直接用动画帧做不就行了，现在 AI 这么强大，成本很低。

简单来说就是这样：

生成带绿幕的媒体 -> 抠去绿幕 -> 拼接多个连贯的动作图 -> 人物会动了！

之前的 Codex 桌宠就是这样做出来的：谁能拒绝一只会陪你写代码的猫娘桌宠？

但过往的成功经验往往会导致之后的失败。

Codex 桌宠本身就是低像素，人物有点瑕疵也看不出来，并且动作帧很少。

但是 AI 伴侣不行，至少得是高清无码的吧！

而 GPT 生成单独的人物图还行，这种连续动作图中每个人物的像素都非常低，抠出来都是糊的。

如果一张一张生成，又会浪费很多时间。

于是我想到，生成带绿幕的视频，抽取其中的图片帧，再抠图处理，不就成了吗？

用 @grok 试了一下，你别说，效果还挺好。

使用的挥手提示词如下：

请根据我上传的正身参考图，生成一段 6 秒无缝循环绿幕角色动作视频。目标：同一个角色，正面站立，做轻微循环挥手动作。不要重新设计角色，不要改变头身比例、发型、猫耳、服装、袜子、鞋子、胸前饰品和整体画风。以参考图为主。视频规格：- 时长 6 秒。- 无缝循环，最后一帧必须能自然接回第一帧。- 纯绿幕背景，颜色为 #00FF00。- 背景必须完全平整，不要渐变、阴影、地面、文字、边框、道具或 UI。- 固定镜头，正面视角，不要推拉、摇镜、旋转或景深变化。- 角色完整全身出镜。- 角色四周留大边距，头发、呆毛、猫耳、手指、裙摆、鞋子不能贴近画面边缘。- 角色始终站在画面中心。- 双脚固定站立，脚底基线保持稳定。- 人物整体高度和头身比例保持稳定。循环动作：角色从参考图的正身站姿开始。画面右侧的手缓慢抬起到胸口或肩膀附近，手掌向外。做 2 次轻微小幅挥手。然后手慢慢放回接近初始站姿。第 6 秒结束时，姿势、手的位置、身体中心、脚底基线和表情都要回到第 0 秒的状态，方便无缝循环。动作节奏：- 0 到 1 秒：保持初始站姿，轻微呼吸。- 1 到 2 秒：画面右侧的手慢慢抬起。- 2 到 4 秒：做两次小幅挥手。- 4 到 5.5 秒：手慢慢放回。- 5.5 到 6 秒：回到初始站姿，和第一帧尽量一致。细节运动：头发、猫耳、裙边、荷叶边可以有轻微二级运动。身体可以有很轻微呼吸起伏。不要跳跃，不要转身，不要大幅摆动。表情：保持参考图里的轻微坏笑和自然表情。不要夸张大笑、哭泣、惊讶、生气或换脸。眼睛、脸型、猫耳、头发轮廓必须稳定。稳定性要求：- 不要变成其他角色。- 不要换衣服。- 不要改变胸前饰品。- 不要让袜子左右交换或消失。- 不要让鞋子变形。- 不要新增尾巴、翅膀、武器、特效或背景图案。- 不要横向漂移。- 不要上下跳动。- 不要身体比例忽大忽小。- 不要出现多个人物、残影或拖影。输出用途：这段视频会被程序抽帧，作为角色挥手动作帧动画使用。请保证角色轮廓清晰、动作连续、背景是干净绿幕。

既然这篇的主角是 Grok，那就再插播一下。

Grok 用来做这种小幅度动作的效果是非常不错的，你甚至可以用它来做动态壁纸。

https://x.com/0xCheshire/status/2069641382294429803

提示词放这儿了，方便你们复制：

基于输入图片生成一段 6–10 秒的 Live2D 风格循环视频。保持原图的人物、构图、表情、服装、文字和整体氛围不变。人物只做非常轻微的动态，身体基本不动，表情保持原样，眼睛只做很轻微的高光闪烁。背景可缓慢变化，镜头基本固定，仅允许极轻微的呼吸感晃动。动作幅度一定要小，首帧和尾帧一致，形成无缝循环。BGM 不要人声，可无声或纯音乐。

很快，我又遇上了第二个大坑。

现今所有的开源抠图方法，都是垃圾！我尝试了所有的方法，人物始终都有绿边。

开源的不行，那闭源的呢？

于是我给剪映冲了一个月会员。你别说，有点东西的。

它这个边缘清除，完美地解决了之前手部大量绿边的问题，也不知道是什么算法。

就是头发抠的有点糙。

我又试了达芬奇，抠头发的效果比剪映好，整体也还不错。

具体步骤是这样的：