我是如何从好莱坞视效，开始转型做AIGC的
作者Cara曾参与《西部世界》《哥谭市》等好莱坞剧集的视效制作，回国后在外企视效公司、腾讯游戏工作，2026年7月裸辞All in AIGC。她发现当AI技术门槛降低后，做AIGC最难的不是技术，而是讲故事。文章记录了她用1000元预算试错、建立工作流的过程，并分享了两部作品的经验：《曜曜侠》花费800元、2分18秒，让她认识到短视频需要黄金三秒和强冲突；AI小猫Vlog《莫莫的Vlog》仅用1天、80元完成。她的结论是内容为王，先完成再完美。
全部文档 / 标签: AIGC
329 篇
自己动手做LoRA 从 0 到 1 实战
作者详细记录了从零开始训练一个专属人物 LoRA 的完整实战流程。他使用 GPT Image 2 生成 56 张虚构人物训练数据，基于开源模型 MOSS-Image（5B 参数 Diffusion Transformer）进行微调，仅用一张 RTX 4090 训练约 65 分钟即获得稳定的人物形象生成能力。文章涵盖数据准备、Caption 标注、Checkpoint 选择、效果验收等关键环节，并指出了过拟合等常见问题。作者将整个流程开源到 GitHub，提供运行环境镜像、Jupyter Notebook 和 ComfyUI 工作流，建议初学者亲手跑一遍以真正理解 LoRA 训练原理，一通百通。
大肥鱼 1017 真是越用越顺手：用 DeepSeek-V4.1-Flash + OpenPencil 打造 UI 设计
作者分享使用 DeepSeek-V4.1-Flash 1017 模型配合开源 AI 原生设计工具 OpenPencil 和生图模型 Qwen-Image-2.1 Turbo 制作电商落地页与模特图的实战体验。文章包含完整的落地页设计提示词和模特生成提示词，展示了生成结果的高审美水准，并提到 OpenPencil 是一款开源免费的 AI Native 设计工具，核心能力是通过 Agent 输出高质量 UI 设计稿、卡片、轮播图、PPT 等，适用于电商页面和海报制作，评论区多人交作业复刻效果。
AI 生图还能用 JSON 控制排版？5B 开源模型商业海报实验
作者测试了模思智能开源的 5B 生图模型 MOSS-Image，重点验证其文字渲染与 JSON Layout 结构化布局能力。通过虚构日系甜品店海报案例，对比传统自然语言 Prompt 与 JSON 布局控制的效果差异：JSON 可将人物、产品、标题等元素按坐标框精确定位，类似写前端页面。三轮测试覆盖主视觉、商业活动海报排版及中英文文字生成，验证了文案正确率、版式适配与视觉融合。结论是 JSON Layout 虽非 PS 级精确编辑，但能将模糊排版需求变为结构化描述，对商业海报、电商图等场景具有实际价值。
色彩的秩序：从古典绘画到 AIGC，重新理解“调性”（Tonality）
文章系统讲解美术色彩学中的“调性”（Tonality）概念：调性是画面中所有色彩在明度、纯度、冷暖及面积比例关系下形成的整体视觉秩序与情绪特征。作者区分了色调与调性，剖析决定调性的四大因素，并以伦勃朗、维米尔、哈默修伊的古典油画为例说明调性统一的原理。最后将这一美术逻辑迁移到 AIGC 图像创作中，指出相比简单罗列色卡，描述调性关系能让提示词更完整、画面更协调。
开源5B小模型 MOSS-Image 两次画对整首《将进酒》，闭源最强 GPT Image 2.5 第二轮翻车
作者用一道难题对比测试开源 5B 图像模型 MOSS-Image 与闭源最强的 GPT Image 2.5：在一张水墨长卷中画出李白临江举杯场景，写出《将进酒》全文12行书法，配标题、作者、朱印和英文，并精确控制酒杯数量。第一轮两者都通过，但第二轮仅改两处细节后，GPT Image 2.5 数错酒杯，MOSS-Image 两轮全部正确。文章分析了小模型在中英文渲染、长提示词理解（支持4K tokens）和风格控制上的优势，并分享了结构化布局、负面约束等复杂提示词技巧，附完整提示词。MOSS-Image 已开源权重和代码，支持 LoRA 微调，ComfyUI 下载量突破70万。
我把一城烟火、千里江山，交给了一个5B开源模型
作者实测开源的 MOSS-Image（基于 5B DiT 主干）文生图模型，创作宋城市集、汴京灯市、青绿千里江山等中国风作品。文中分享了通过 JSON Layout 控制构图、中文店招直出、参考布局改材质（丝绸、青瓷、墨金）等玩法，并给出具体参数与工作流：先写场景拆布局，再生成、放大核对、迭代修改。模型 Base/SFT 权重与代码已开源，支持 4K tokens 提示词与微调。
从国内真实案例看，把AI美女变成钱的10种方法
文章整理了10种适合中国市场的AI美女图片变现方式，包括小红书养号接品牌广告、售卖高清壁纸素材、闲鱼AI写真头像定制、帮电商商家制作AI模特图、打造虚拟IP、出售提示词教程、参加AI创作比赛、为短视频博主制作视频素材、给线下商家做宣传海报、以及设计插画周边等。作者结合AYAYI、柳夜熙等真实案例说明变现逻辑，并建议普通人从可明确交付的小项目入手，同时强调需注意肖像权与合规问题。
前字节团队打造 AI 分镜 Agent「Story2Board」，27万电影分镜索引库杀入影视行业
前字节团队推出专为独立导演和广告人打造的 AI 分镜 Agent「Story2Board」，蒸馏 250 部影史名片构建 27 万+ 电影分镜索引库。其核心亮点包括：通过 Consistency Layer 固化角色、道具和场景资产，解决人物一致性问题；接入影史镜头标注数据，可像专业摄影指导一样反推景别、运镜方式并解释情绪动机；支持导出含场记数据的 PDF 分镜表。商业模式采用按点数充值而非订阅制，降低了尝鲜门槛，但作者也指出这牺牲了 LTV 和营收可预测性，对获客能力要求更高。
MoodMax 电商创作 Agent：一句话出整套电商图和爆款短视频
文章介绍了 MoodMax 新推出的电商创作 Agent，面向双 11 等大促场景，解决商家素材制作慢的痛点。用户只需上传商品图、模特图和参考编排图，用自然语言描述需求，Agent 即可完成拆解规划、逐张生成和自动编排，交付主图、SKU 图、详情页、海报、推广图及带货短视频等成套内容。生成结果适配淘宝、京东、拼多多、亚马逊、SHEIN 等海内外主流平台规格。产品还提供爆款短视频提示词模板库，支持选模板、传素材、三步出片。作者认为素材产能比创意优化更关键，这类 Agent 适合先跑通成套交付流程。
2小时从零看懂 AI：一篇文章建立AI认知体系（8000元企业内训同款）
本文是作者基于3家企业AI内训经验整理的AI入门长文，涵盖四大部分：大模型通识、提示词方法、智能体入门与实操。文章用通俗语言解释AIGC概念、大模型的定义与工作原理（概率预测文字接龙）、AI的优势（信息处理、知识覆盖、内容生成）与局限（幻觉、时效性、偏见、推理限制），并阐明AI软件=大模型+产品界面的本质，介绍提示词、微调、RAG三种大模型优化手段，帮助读者快速建立完整的AI认知框架。
Glimpse 视觉推理大模型在游戏开发验收中的实战体验
作者分享了使用 Elorian AI 刚发布的视觉理解与推理大模型 Glimpse 的体验。该模型能原生理解图片和视频中元素的位置、结构与空间关系。作者将其用于小王子游戏的 bug 排查：只需提供实际游玩录屏，Glimpse 就能分析游戏设计是否合理并梳理潜在 bug。实测中，在无游戏上下文情况下，其发现的问题数量是 Astra 的 3 倍，且可按视频时间戳罗列细节问题，便于逐一核验，极大解决了个人开发者验收容易遗漏的痛点。Glimpse 已开放 API，可接入 Codex、Claude Code 完善验收流程，也适合视频/图片生成等 AIGC 场景。
Codex 生成“Claude感”动画skill（已开源）
作者分析了100多个国外开源Claude动画源码，通过双盲实验和消融实验迭代开发出Claude Motion skill，让Codex也能生成具有“Claude感”的动画视频。该skill通过素材库（含47条源码案例、5套制作系统、14个场景入口、30条物件包）为GPT提供可复用的绘图实现，GPT负责判断题目需求、检索案例、复制实现并重写主体与镜头，最终由浏览器逐帧绘制、FFmpeg合成视频。文章展示了天文台、灯塔、光圈等五组盲测对照成果，效果显著优于官方skill，项目已在GitHub开源。
30条高热AIGC图片视频提示词分享
作者从自己在X上分享的提示词中精选出收藏和点赞最多的30条，整理成可直接复制的合集，涵盖AI视频与人像自拍两大类玩法。视频类包括苹果风产品广告片、一镜十姿时装视频、奢侈品风塑料袋广告、无人机第一视角导览、高奢刺绣广告等；图片类包括黏土定格动画人像、自拍虚拟试穿、杂志大片重绘、和小时候的自己合影、85mm焦外抽离、极端广角人像等。每条附提示词原文、出图效果链接及修改建议，适用工具涉及GPT-Image-2、海螺H3、Seedance 2.0等模型。
疯狂水世界的广告为什么能让我们玩梗和传播？
文章以《疯狂水世界》的AI广告为案例，分析其营销为何能引发玩梗与自发传播。作者指出这类广告先具备独立娱乐价值，通过固定人物与可变冲突的设计让观众愿意追更，可复述的符号（如海水过滤器）降低了分享门槛，使不玩游戏的人也成为传播者。AI的作用不只是降低制作成本，更在于缩短创意迭代循环，让同一故事框架能持续生成变体。最后强调营销价值需落到产品端，分为内容观看、转化、留存三个环节衡量，品牌须保持一致性才能积累用户记忆。
为什么有了Vibe Creating，做AI视频还是得懂导演思维？
文章探讨了AI视频创作中工具与导演思维的关系。作者认为，尽管Vibe Creating等理念降低了技术门槛，让普通人能用自然语言生成视频，但决定作品上限的仍是导演思维：一是动手前清楚知道自己想要什么画面和感受，二是能判断生成结果的对错并明确改进方向。作者以Vibe Coding类比，指出描述与判断越模糊，结果越随机。纯粹玩乐时无需导演思维，但要做出系列作品或商业交付，就必须具备画面感和叙事能力。学习影视理论的意义不在术语，而在构建脑中画面与判断力。
开源BeefTV一周，拿下800 Stars，我做对了哪些事情？
作者分享了其开源AI画布项目BeefTV在一周内获得800 stars的经验。项目源于对闭源无限画布产品体验的不满，定位为轻量化、用户体验优先的开源AI画布工作台。落地过程中，作者借助CodeX等AI工具完成100%代码编写，通过借鉴成熟开源方案、用Playwright拆解优秀产品交互、配置专门Agent自动化测试等方式提效，并沉淀出skill。推广方面，作者利用'开源版LibTV'的概念作为社交货币引发传播，通过开源积累用户反馈，构建社群连接，并探索算力商业闭环，目标是打造开源AIGC平台。
AI 做图最怕改细节？用无限画布，一个人就是一支设计团队！「附实操」
作者分享了使用豆包工作「无限画布」进行 AI 设计的实操体验。从一张石榴海报的灵感出发，依次完成了产品图、品牌展示板、包装、帆布袋、社媒图、宣传海报等一整套品牌物料，最后还生成了一条 15 秒广告视频。文章详细介绍了无限画布的核心功能，包括引用生成、局部编辑、分图层、抠图、消除、扩图和变清晰等工具，以及「创意设计」和「创意视频」Agent 的使用方法。作者强调这种工作流让没有设计背景的人也能快速迭代创作，对比不同方案并逐步打磨细节，大大降低了创作门槛。
GPT Image 2.5 提示词写作指南
本文整理了 OpenAI 官方 GPT Image 2.5 提示词写作指南的八条核心原则：先定义结果、选易维护格式、描述可见细节、写清人物动作、精确文字加引号、分开要改与要保持的内容、给参考图编号、有意识迭代。同时介绍了模型与参数（quality、size、background）的选择建议，并结合人像摄影与自然景物两类示例，给出中文提示词模板和实操要点，帮助用户写出可控、可迭代的图像生成提示词。
用 AI 做“语音经验”资料包：把自己会的一件小事，整理成第一份可卖的清单
文章介绍普通人如何利用 AI 将自己的实践经验转化为可出售的资料包。作者建议选择至少做过三次的小事，用手机口述 10 分钟，再借助豆包、Kimi、ChatGPT 等工具整理成可执行清单，并强调必须逐行核对 AI 输出。资料包应排成 3-5 页 PDF 并附可编辑表格，明示内容来源和使用范围，不抄袭他人教程。定价可从 9.9 元起步，先让 3 位目标用户免费试用并根据反馈迭代。文章强调卖的是个人真实实践清单而非权威建议，这是普通人最稳的 AI 产品化起点。
我把一整个街机厅塞进浏览器：6 款 AI 造的游戏，一个都不收钱
作者发布了一个纯网页小游戏站 NEON ARCADE，收录 6 款由 AI 参与创造的免费游戏，无需下载注册，浏览器即点即玩。游戏包括致敬红白机的《魂斗罗 2026》重制版（支持双人同屏和手机触屏）、12v12 据点争夺《星陨前线》、小队养成《智械前线》、霓虹生存《霓潮》、摩托竞速格斗《公路狂徒》以及以山海经神兽为 BOSS 的 3D 弹幕空战《雷霆战翼》。站内还设有「AI 放映厅」播放 AI 生成的 MV《千禧凝思》，站点将持续更新。
AI写作文章限流与不被大模型引用的技术原因分析和解决方案
文章分析了公众号等平台大量下架低质量AI生成内容后，创作者即使降低AI检测百分比仍拿不到曝光的原因：平台核心判定标准是内容是否带来新信息，而非是否用AI。作者指出信息密度不足、标题党、模板化表达、虚构数据、内容同质化等是限流主因，并通过职场博主案例说明全手写也会因同质化被限流。解决方案包括发布前做多维度检测（AI率、同质化、敏感词等），保持信息增量和独特价值，避免频繁修改等异常行为，持续输出高质量内容以恢复账号权重。
huashu-art-motion发布！可能是最有审美的动画skill
花叔开源了一个名为huashu-art-motion的动画skill，可用Claude Code等agent生成代码绘制场景、合成配乐的动画视频。文章展示了复刻Fable 5.5风格艺术穿越动画的过程，制作了一镜到底穿越20多种画风的片子，以及白板、Vox、3Blue1Brown等8种解说风格动画，适用于B站、YouTube科普和教程视频。skill内含几十张艺术风格卡、参考视频拆解方法和自动质检流程，已开源在GitHub，支持Claude Code、Codex、Cursor等工具安装使用。
超简单 ChatCut 使用，Codex大白话剪辑出爆款视频
本文详细介绍 AI 剪辑工具 ChatCut 的使用方法。ChatCut 通过自然语言对话完成视频剪辑，与需要手动操作的剪映形成互补：ChatCut 负责初剪、挑高光、配乐、加字幕等，剪映负责最后精修，且支持导出为可编辑的剪映草稿。文章涵盖桌面端/网页端/Agent Plugin 三种入口的安装方式，讲解如何接入 Codex 和 Claude Code 等 AI 智能体，介绍界面布局、剪辑流程、字幕文本式剪辑、导出设置、免费与 Pro 套餐区别，以及常见坑和实用指令速查表，帮助创作者快速上手 AI 驱动的视频剪辑工作流。
WC我直接把 3D 导演台搬进 BeefTV 了
作者宣布在开源项目 BeefTV 中上线 3D 导演台功能，解决 AI 视频制作中“脑中有画面但模型听不懂怎么拍”的痛点。用户可在 3D 场景中创建白模、布置镜头机位与人物关系，再交由 AI 精确生成专业级视频。项目从零复刻 LibTV，已突破 700 stars，作者虽无科班编程经验，但借助开源社区积极反馈持续优化画布 UI 与导演台功能，并邀请用户加入微信社群共同建设 AIGC 开源社区。
Johnson Sheng: Kling 4.0 绝对值得等待！
Kling 4.0 已进入封闭测试，预计10月正式发布。奥美资深创意总监、Kling AI 创意合作伙伴 Johnson Sheng 从商业制作角度对模型进行了实测。评测显示：4.0 在大幅度运镜和高速动态中保持画面稳定，支持最长30秒的一镜到底打斗场景生成，动作连贯且能与环境实时互动；通过千字长提示词（使用 Skill 编写）可准确理解复杂创意意图；在多场景切换中，人物、道具和环境保持高度一致性。模型还支持立体声音频、精准口型同步、最高4K分辨率和10-bit HDR输出，显著提升商业广告交付的可用性。
从零用 AI 做 3D 模型：思路与工具使用流程
文章介绍了一套用 AI 从零制作 3D 模型的完整流程：先用 GPT Image 生成物体的前、后、左、右四视图（人物统一 T 姿势），再上传 TripoAI 通过多视图生成 3D 模型。作者详细讲解了模型精度与面型选择、整体与分件模型的取舍、贴图（全局贴图、Magic Brush 局部修补、PBR 材质、去光照开关）、重新拓扑降面、自动绑骨骼（人形与非人形）以及按用途导出 GLB/FBX/STL/USDZ 等格式。最后用 GPT 生成基于 model-viewer 的单文件 HTML 预览页，实现拖拽旋转、动画切换与截图功能，让模型可直接用于网站或工作中。
AI视觉创作开源库：30条案例与10个可复用Skills
作者将平时积累的AI视觉创作经验整理为开源项目Derekwen AIGC Visual Skills，包含30条案例记录、10个可复用Agent Skills和16个公开视觉图例。项目把提示词、参考条件、关键控制点整理成统一数据结构，并配Gallery示例图方便按效果查找。涵盖角色设定板、多参考图融合、品牌视觉、社媒配图等场景，解决角色一致性、素材组合等常见问题。支持直接用生图工具改提示词，或通过Agent接入Skill两种使用方式，采用MIT许可。
AI时代，内在世界就是生产力
文章探讨AI如何降低创作门槛：过去人们因不会编曲、绘画等技术而无法实现想法，如今文字成为通用创作接口，可将内在感受转化为图片、音乐、视频。作者称之为“反向通感”——从文字让人脑补变为文字让机器落地。但AI降低的是制作门槛而非审美门槛，真正的分水岭在于内在积累：能否说清自己要什么、能否判断好坏。输出的差距本质是内在世界分辨率的差距，唯有真切体验世界，才能让内在积累这座“矿”永不枯竭。
把 md 文案直接变成可编辑的4k MG
文章介绍了 Fotor Agent，一款能将 Markdown、PDF、Word、Excel 等文档转化为可编辑 4K MG（动态图形）视频的 AI 工具。它解决了传统 AI 视频生成只能输出不可编辑 MP4 的痛点，通过原生多轨道编排（画面、配音、字幕、MG 动画分离），支持自然语言指挥制作、精准局部修改和工程复用。作者实测用 PDF 生成数字人讲解视频，初稿时间从 3-5 天压缩到 40 分钟，成本约 $7.41，适合商业交付与高频改稿场景。
