终于,我把 Openclaw 加 Seed2.0 Skills 做 AI 漫剧搞定了

终于,我把 Openclaw 加 Seed2.0 Skills 做 AI 漫剧搞定了

这是苍何的第 500 篇原创!

大家好,我是苍何。

不知不觉,500 篇原创啦。年前开源的 AI 漫导开源项目也 1.1 k star 了。

图片

最近玩 Openclaw 又玩的跟个疯狗似的,给我的小龙虾装了很多实用技能,可以自动写小红书图文,可以自动写作,配图,生成封面等。

图片

但感觉生活还是很无趣,于是又花了一些时间,开发了个 AI 漫剧视频生成 Skills,给小龙虾使用。

准确的说,这是个基于字节 Seed2.0 的技能包,有以下子技能。

图片

「seedance-video」:文生视频、图生视频,seedance 1.5 Pro 版本还自带音频生成,属于基本盘。

等seedance 2.0 的 API 出来,也会第一时间接入。

「manga-style-video」:8 种漫画风格一键切换。日式治愈系、吉卜力、国风水墨、美式卡通、铅笔素描、水彩、Q版萌系。

「manga-drama」:这个是核心,漫剧生成器。丢一张主角图进去,自动给你编排分镜短剧。

「volcengine-video-understanding」:火山视频理解,生成完还能分析效果,看看情感表达到不到位。底层用的是 doubao-seed-2.0-code 的能力。

说白了,从写脚本到出视频到验收,一条龙全包了。

比如直接一句话调用 manga-drama 技能生成视频。

图片

稍微控制一下提示词,就能生成比较精致的动漫风格的视频了,其中我给的提示词是:

动漫风格视频,一名长发高中少女漫步在盛开的樱花树下。粉色的花瓣在微风中缓缓飘落。明媚的春季阳光洒下,产生柔和的镜头光晕效果。侧向跟踪镜头,怀旧氛围,高画质,控制在20M 以内,并以视频文件预览的方式直接发给我
图片

这个视频目前使用的是 seedance 1.5 Pro,等 2.0 的 API 出来效果会更好 :

wxv_4408713255741292548

可以使用一张图片,直接生成漫剧分镜视频,生成脚本到主角再到分镜视频,manga-drama 都能一次性完成。

图片

我录了个视频,大家可以看下这个流程:

wxv_4408715430488440839

生成的分镜视频合成了下是这样的:

wxv_4408716137966977028
后面考虑迭代的方向就是让这几个视频能连一块组成丝滑的视频。

我把整个 Skills 都也开源到了 GitHub 我的 Skills 仓库:

图片
点击头像,然后私信回复:canghe-skill,可获取我的所有技能包。

使用的话也非常简单,你只需要让你的 openclaw 自己安装下我的技能就好了。

图片

实战:一张图到一套漫剧,怎么跑的?

光说不练假把式,直接上流程。不过在此之前,得申明一点,这个过程将会非常费 token,我自己小龙虾用的是火山的 Coding Plan 套餐。

图片

3 月起新用户首购是 9.9,还有裂变活动:被推荐的用户还可叠加10% 推荐福利,8.9 即可购买。

图片

里面模型也挺多的,主要原因是我想用 doubao-seed-2.0-code 的 Agent 和 VLM 能力,之前也做过一次测评,目前表现是非常不错的。

图片

能理解长达 2 小时的视频,并调用剪辑 skill 进行混剪。

图片

还可自定调用各种 Skills 和 Agent 由视频转公众号文章。

图片

因为 seed2.0 具备更强的多模态理解能力和 Agent 能力,特别是在多模态感知,长视频理解,对 Skills 的理解和应用上表现不错。

在我们的整个流程中需要调用不少的 Skills,以及需要理解视频,所以目前来看,doubao-seed-2.0-code 是最合适的。

火山的 Coding Plan 上就可以直接用 doubao-seed-2.0-code,而且性价比也是挺高的,特别对新用户几乎是白菜价,hh。

我把地址放在「阅读原文」了,想要玩的可以自己点哈。

第一步:剧本逻辑编排

漫剧视频第一步,得有个像样的分镜脚本。

谁来写?Openclaw 后端配置的大模型。

我这里接的是 doubao-seed-2.0-code,负责生成分镜逻辑、编排场景顺序。

比如我想做一个「少年仗剑走天涯」的国风漫剧。

它会自动帮我拆成:开场独白、拔剑出鞘、对决场景、雨中沉思、结尾定格。

每一幕都带详细的画面描述和镜头指令,省心到离谱。

图片

第二步:主角设定 + 风格选择

脚本有了,需要生成漫剧主角,会调用 canghe-image-gen  skill 来生成主角形象,这个 skill 是支持 Google API 及第三方 API 的。

无论是用最新的香蕉 2.0,还是使用 seedream 5.0,生图都轻松。

需要选风格。manga-style-video skill 提供了 8 种预设风格,每种都内置了专业提示词。

不用自己调参,选一个就完事。

我这次选的是国风水墨,配合「仗剑少年」的主题刚刚好。

图片

你还别说,吉卜力风格也很绝,改天再试试。

第三步:漫剧生成

重头戏来了。

manga-drama 这个 Skill,是整套工作流里最让我惊艳的。

操作贼简单:丢一张主角图进去,它自动帮你编排整套分镜。

内置了 5 种分镜类型:

主角登场、动作场景、情感表达、互动场景、结尾定格。

每一幕的构图、镜头角度、光影氛围,全都安排得明明白白。

图片

不过当前是有一些待优化的地方都,传参考图,会中断链接,问题不大,后续我再修复下。

第四步:效果验收

视频生成完,还没完事。

volcengine-video-understanding 可以对生成的视频做内容分析。

这里基于 seed2.0 的视频理解能力,还是非常方便的。

情感表达到不到位?场景衔接顺不顺?它都能给你反馈。

相当于自带了一个「AI 质检员」,省得自己一帧一帧去看。

图片

整套流程跑下来,从一张图到一套完整漫剧视频,我这边大概十来分钟搞定。

写在最后

Openclaw 的可玩性还是很多的,但也确实废 token。

Openclaw 的最佳使用方式是搭载自己的 Skills 技能包,而非是让自己的小龙虾在 ClawHub 中一顿瞎找。

现在的 Skill 太多了,但唯有那些对自己有用的技能才值得被收藏。

更推荐每个人都维护自己的技能仓库:把个人方法论、模板、脚本和领域默认配置沉淀为可版本化资产,而不是长期依赖单一公共基线。

说实话,等 Seedance 2.0 的 API 正式放出来,这套漫剧工作流还能再上一个台阶。

到时候画面一致性、角色连贯性都会好很多,想想就有点期待。

感兴趣的可以先玩起来,我的技能包都开源了,私信回复 canghe-skill 就能拿到。

想试试火山 Coding Plan 省 token 的,也可直接点文末「阅读原文」

有什么好玩的玩法,也欢迎评论区交流。

觉得有用的话,点个赞和在看呗,下次继续给大家整点好活。

Read more

Stable-Diffusion-3.5 Java开发实战:SpringBoot微服务集成指南

Stable-Diffusion-3.5 Java开发实战:SpringBoot微服务集成指南 1. 开篇:为什么要在SpringBoot中集成Stable-Diffusion-3.5? 如果你正在开发一个需要AI图像生成功能的Java应用,可能会遇到这样的问题:Python生态的AI模型怎么和Java微服务架构结合?其实很简单,通过RESTful API的方式,我们就能让SpringBoot应用轻松调用Stable-Diffusion-3.5的图像生成能力。 想象一下这样的场景:你的电商平台需要自动生成商品海报,内容社区想要为用户提供头像生成功能,或者设计工具希望集成AI绘图能力。这些都是Stable-Diffusion-3.5在Java应用中很典型的应用场景。 我自己在项目中集成过多个AI模型,最大的感受是:关键不在于技术多复杂,而在于找到简单可靠的集成方式。接下来,我会带你一步步实现这个集成过程。 2. 环境准备与项目搭建 2.1 基础环境要求 在开始之前,确保你的开发环境满足以下要求: * JDK 11或更高版本 * Maven 3.6+ 或 Gradl

手把手教你用Whisper-large-v3搭建个人语音转文字服务

手把手教你用Whisper-large-v3搭建个人语音转文字服务 1. 为什么你需要一个自己的语音转文字服务 你有没有遇到过这些场景: * 开完一场两小时的线上会议,想快速整理会议纪要,却要花半天时间听录音打字; * 收到客户发来的5分钟语音咨询,一边回消息一边反复暂停播放,手忙脚乱; * 做自媒体剪辑时,反复听口播素材写字幕,耳朵累、效率低、还容易漏字。 市面上的在线语音识别工具看似方便,但存在几个现实问题:音频上传慢、隐私有风险、中文识别不准、长语音断句混乱、不支持本地部署——尤其当你处理的是内部会议、客户沟通或敏感内容时,把语音传到别人服务器上,真的安心吗? 而今天要带你搭的这个服务,就解决了所有痛点:它跑在你自己的机器上,99种语言自动识别,中文准确率高,支持实时录音和批量上传,GPU加速后30秒音频2秒出结果,全程不联网、不上传、不依赖第三方API。 这不是概念演示,而是已经稳定运行的完整Web服务——镜像名称叫“Whisper语音识别-多语言-large-v3语音识别模型 二次开发构建by113小贝”,基于OpenAI最新版Whisper Large

一文讲清:AI、AGI、AIGC、NLP、LLM、ChatGPT的区别与联系

一文讲清:AI、AGI、AIGC、NLP、LLM、ChatGPT的区别与联系

AI行业的“术语”很多,但它们到底是什么关系?有什么层级逻辑?作为开发者或想转行 AI 应用工程师的人,该从哪学起?今天我们来说一下 本文用一张层次图 + 六段解释,让你彻底搞懂它们的区别与联系。 一、AI:人工智能的最上层概念 AI(Artificial Intelligence,人工智能)是所有智能技术的总称。 它的目标是让机器模仿人的智能行为,例如学习、推理、判断、理解语言、感知世界。 AI 涵盖的分支非常多,包括: * 计算机视觉(CV) * 自然语言处理(NLP) * 语音识别(ASR) * 智能决策系统 * 强化学习(RL) 可以理解为:AI 是整个智能技术的“天花板概念”,下面的所有都属于它的子集。 二、AGI:通用人工智能 AGI(Artificial General

Intel GPU加速llama.cpp:SYCL后端完整配置与性能调优指南

Intel GPU加速llama.cpp:SYCL后端完整配置与性能调优指南 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 随着Intel Arc显卡在消费级市场的普及,越来越多的开发者希望利用Intel GPU来加速大语言模型的推理。llama.cpp作为当前最流行的开源LLM推理框架,通过SYCL后端为Intel GPU提供了强大的计算支持。本文将从实际使用角度出发,深入解析SYCL后端的配置要点和性能优化技巧。 为什么SYCL是Intel GPU的最佳选择? 在llama.cpp的多后端架构中,SYCL相比传统的OpenCL具有显著优势。SYCL基于现代C++标准,提供了更简洁的编程模型和更好的编译器支持。对于Intel Arc显卡用户,SYCL能够充分利用Xe架构的硬件特性,在矩阵乘法等核心操作上实现更高的计算效率。 环境配置:避开常见的安装陷阱 正确安装Intel