被央妈看上的小人国荔枝茶饮视频,用coze工作流一键制作教程来啦

大模型向量数据库云存储

大家好,我是灿灿。一位深耕AI智能体领域工具应用及创作的95后程序媛,擅长AI工具创作变现、AI工作流搭建,跑通变现闭环。下面我将使用coze工作流来详细拆解这类视频该怎么做,希望对你有所帮助,也希望通过分享链接到更多同频的人,一起进步!

picture.image

picture.image

下面我们讲拆解一下这类的工作流该怎么搭建。

创建工作流

访问coze官网去创建一个工作流,如果不会创建,可以关注我领一份coze工作流入门文档。

输入参数

在开始节点我们需要输入两个参数,一个是生成微观小人国的主题,例如:做月饼,还一个参数是aigc插件的 api_token。

picture.image

分成分镜词

在生成视频之前,我们需要使用大模型生成各个画面的文案。

添加一个大模型节点,并引用开始节点的变量作为用户提示词,用于生成特定场景的分镜词。

其中系统提示词可以写下自己的需求,然后让ai去优化。

提示词格式如下:假设你是一个专家,现在要求做,输出格式为**,避免出现**

picture.image

循环生成图片

有了分镜提示词之后,就需要根据文案去生成图片,考虑到生成的图片不止一张,我们使用循环节点来生成图片。

picture.image

在使用图像生成节点生成之前,我们需要根据场景分镜词来生成图片提示词,这个时候就需要使用大模型了。

添加一个大模型节点,输入分镜词作为用户输入参数。再使用上述技巧生成系统提示词。

picture.image

生成好图片提示词后,就直接用这个提示词去生图。

添加一个生图节点,设置好模型和比例。

模型:选择通用-Pro,生成质量较高。

比例:根据自己发布的平台来设置。

生成质量:直接拉满就行,数值越大画面越精细,生成的效果也越好。

输入:文生图提示词

正向提示词:想要生成的图片效果

负向提示词:不想要生成的图片效果

picture.image

这里我为了保证图像生成功能的稳定性,我加了两个选择器节点。如果图片生成失败就再使用图像生成节点再生成一次,最后把图像数据进行整合。

picture.image

这个选择器的意思就是如何图像生成的节点不为空,就执行下一个选择器节点或变量聚合节点,否则就执行图像生成节点。

批量生成动态视频

图像生成完毕之后,就需要根据图片生成视频了。在这之前需要生成图生视频提示词。相信看过前面段落的朋友都知道该使用什么节点了,就是大模型。

我们在循环节点后面连一个大模型节点,要求根据文生图的提示词生成一组图生视频的提示词,主要是描述人物的动作和交互。

picture.image

有了视频提示词之后,就可以使用图生视频插件来生成视频,这里我用的是豆包图生视频插件。

picture.image

要注意的是图生视频插件,不仅仅要图生视频提示词,还需要图片数据作为参数。

所以在批处理节点的输入节点需要准备两个参数,一个是循环出来的图片数据列表,一个是图生视频提示词。

这个批处理并行运行数量我设置为1,也是为了保证视频生成的稳定性。

picture.image

然后我们再看下图生视频节点。

输入参数除了图片列表数据和图生视频提示词,还需要引用开始节点的api_token。

picture.image

实际效果展示

整个过程全自动完成,无需人工干预,导出视频后直接发布到你想要发布的平台即可。

总结

通过搭建这个扣子工作流智能体,我们实现了微观小人国视频的全自动生成,大大提高了视频创作效率,而且可以修改提示词生成其他风格的动态视频。无论你是想做视频矩阵,还是想快速生成动态视频,这个工作流都能帮你节省大量的时间和精力。

好了,搭建微观小人国的工作流教程就讲完了~

有疑问可以留言咨询或者进群交流哈!

picture.image

picture.image如果想要定制AI智能体,也可以后台留言~

picture.image看到这里的小伙伴别忘了给个一键三连~

picture.image后续还会持续分享AI智能体干货,感谢各位小伙伴的关注!

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论