流 年

最近我家孩子学校举办视频制作大赛，因此周末关注了视频生成模型最新发展， 以抖音字节为代表的国产模型Seedance 2.0确实很惊艳，但也同时发现了视频生成后的 二次剪辑小工具之类还存在很多细分商机。

字幕去除

虽然很多视频生成模型，都自称具备多模态能力，但生成的视频存在很多问题。 例如字幕存在错别字，当花了很长时间成本得到了一段视频发现字幕上有几个错别字，却很尴尬。因为如果重新生成又要等很长时间，并且还是不能百分百保证完全没问题。

因此，最好的办法是二次剪辑处理。目前针对硬字幕去除的开源项目有： video-subtitle-remover

用视频生成模型时，最好在提示词强调不要出现字幕，这样就免去字幕错别字的困扰。字幕可以在二次剪辑中再添加，例如通过剪映字幕自动补全功能。

语音处理

对于一个短片来说，例如学校举办的比赛：制作一段3～5分钟的历史人物生平事迹、高光时刻、遗憾的视频，目前的模型最长时间是15秒，因此需要分片场分段生成，然后再用剪辑工具串联。

但是模型生成的视频在不同分段的视频中，语音语调有很大差异，这就需要二次剪辑中重新调整。 例如通过剪映工具分离出语音，用“语音模型”重新生成（用临近分段视频中的语音作为“模仿”）。 目前开源的语音模型项目有：ChatTTSPlus

其他关于视频相关的模型

下面例举一些比较有意识，或有价值的开源模型，随着技术后续发展将持续更新：

视频生成模型（以人为中心）：HuMo

脸部处理（换脸） facefusion