系列
ai-media-creator-stack
共 8 篇，依順序讀完。
- 01
AI 內容與多媒體工具鏈指南：從生成到可收費交付
整合早期多媒體與生成文章：商業模式對照、PDF 轉簡報影片、開源音樂、端側 TTS、動漫圖像、世界模型與動作捕捉。重點在素材到交付的工具鏈，而非單點生成器評測。
- 02
InstaMAT 的「免費 Pioneer 授權」該怎麼讀——一家德國工作室如何用商業模式撬動 Adobe Substance
InstaMAT 用「年營收低於 10 萬美元即可免費」的 Pioneer 授權，正面挑戰 Adobe Substance 的訂閱制。從 2024 年的軟性叫陣到 2025 年正式 1.0 落地，這不是另一個免費替代品，而是一場有真實勝算的市場戰。
- 03
pdf2video：把 PDF 自動轉成有動畫的簡報影片
DangJin 開源的 pdf2video 用 Remotion 把 PDF 自動轉成 1080p/30fps 動畫影片：四種場景模式、自動配樂淡入淡出、內建 Claude Code skill。TypeScript 100%，384 stars。
- 04
ACE-Step 1.5：A100 上 2 秒生成一首歌，開源音樂生成現在能做到什麼程度
ACE-Step 1.5 是 ACE Studio 與 StepFun 聯合開源的音樂生成模型，A100 上單首歌不到 2 秒，RTX 3090 也在 10 秒內完成，支援 50+ 語言、1000+ 樂器，可將文字直接轉成完整歌曲，採用 MIT 授權。
- 05
Pocket TTS：100M 參數、CPU 上比即時快 6 倍的語音合成
Kyutai Labs 開源的 100M 參數語音合成模型，MacBook Air M4 上兩顆 CPU 核心就能跑到 6x 即時速度、首段音訊延遲約 200ms。不需要 GPU、不需要雲端。
- 06
ChenkinNoob-XL：工業級動漫圖像生成模型，用 217 萬張訓練圖消滅「AI 廉價感」
由獨立團隊打造的動漫風格圖像生成模型，在 SDXL 基礎上用 217 萬張精選訓練圖重建，目標是達到遊戲美術流程的工業級品質；配套 ControlNet 支援 8 種控制模式同時疊加。
- 07
Matrix-Game 3.0：Skywork 開源的互動式世界模型，720p 即時 40fps
Skywork AI 開源的 Matrix-Game 3.0 是記憶增強的互動式世界模型，以 5B 蒸餾模型在 720p 達成 40fps 即時生成，並維持長時序的空間一致性；28B-MoE 大版本則以畫質為優先。
- 08
一支手機鏡頭、沒有 GPU、跑在 Chromebook 上：無標記動作捕捉的民主化
過去動作捕捉需要反光標記點、多台攝影機、數萬美元的硬體——現在一支普通手機鏡頭加上 WiFi 就夠，連 Chromebook 都能跑，AI 還能在關節被遮擋時自動補位。這個 demo 比它看起來重要得多。