猫猫们唱歌工具链 v10更新
更新工具链。其实在几天前就更新了，一直忘记记录blog了。重要节点LLM改为Google的Gemini 4了，正好OpenCode Go订阅支持。歌曲合成也改用自己重做的脚本了，不再使用Open Soren了。文生图测试过Moss Image，暂时还不如Krea2，不替换。兜底增加NanoBanana2.1
智能体与 LLM 模型¶
- CherryStudio — 主控台，所有智能体调度
- DeepSeek v4.1 Flash — 主力模型
- Gemini 4 Argon - 重要节点参考LLM
音乐相关¶
- YuE2 — 改词、改曲
- SoulX Singer — 改音色并润色
- 豆包录音识别 - 获得歌词准确时间，便于分镜，主要使用此渠道
- Qwen ASR - 获得歌词准确时间，便于分镜【备用】
图片生成¶
- Krea2 — 文生图，场景设定
- Qwen Image 2.1 Turbo — 图生图，图片修改与首尾帧
- GPT Image 2.5 — 兜底付费生图
- Nano Banana 2.1 — 兜底付费生图（备用）
- VOSR2 - 图片超分放大，去噪效果极佳
视频生成¶
- MiniMax H3 — 视频生成主力（本地 16G 显存 + 64G 内存），一次采样0.3M，二次采样0.7M（640p）
- RTX Video Processor — 2x放大（1280p，缩小到85%出1080p视频），利用RTX Video SDK开发
模型供应商¶
- OpenCode Go 官方订阅
- GrsAI 第三方中转站
- DeepSeek 官方（备份）
📖 本文阅读量 加载中... 次
|
🌐 全站访问 加载中... 次