Ref2VA · 16-step Teacher Latent 浏览
实时查看 step-2200 LoRA 对 2371 条数据重新 rollout 的结果。每条使用 16 次 DiT，并展示最终 VAE 解码视频、Reference 条件、完整 Prompt 和生成信息。
结果持续从四台训练节点解码；视频使用 24fps 并保留 H3 生成音频。
Turn an idea into
a complete video.
Describe the outcome. Add the media that matters. The agent interprets your intent, preserves visual continuity, and builds a production-ready plan.
先别急着知道
自己想要什么。
给一点素材和模糊偏好，我们先替你走向几个完全不同的方向。看完成品，再决定选哪个、混什么、改哪里。
你想让大家认识什么？
不必写完整 Brief，一句话和一张图就够了。
让几个方向同时发生。
正在理解产品里真正值得被记住的部分…
看完成品，再决定。
选择一个主方向，或从不同方案里拿走你喜欢的部分。这里的反馈会成为下一轮创意的真正 Brief。
交互原型：下一步可接入创意模型与真实 T2V Prompt 编译服务
① 选择你的形象
老照片也可以
② 选择舞蹈
③ 生成
⚙️ 模型与参数 —— LoRA权重 / 基座 / 提示词 / 种子
🔬 训练数据质检 · Pose / VAE Round-trip
首帧 + 音频 A2V
选择一个 LoRA 后，共用样例音频、文本克隆 TTS 和文章演绎能力。
① 选择音频或 Seed Audio
③ Checkpoint 与条件
📺 完整视频伪流式生成
按原视频时间轴逐段生成；每一段都固定使用当前选择的 First Frame，避免生成误差逐段累积。前三段完成后自动播放。
🎙️ 克隆音频文章伪流式生成
按 E01 顺序音频逐段生成；每一段都固定使用当前选择的 First Frame，避免人物和画质逐段衰减。前三段完成后自动播放。
📝 自动文章 → 克隆 TTS → 完整视频
直接粘贴一篇文章；服务按完整语义切段（目标 74 字、最多 80 字）、逐段合成克隆语音，再沿用同一条 24fps 伪流式 A2V 管线生成完整视频。
Text to Video · MiniMax-H3 / LTX 2.5
选择 H3、4090 上的 LTX 2.5，或用同一个 Prompt 同时生成两路视频并排对比。
生成参数
H3 推理节点集群
“当前可接单”仅统计健康、空闲且未被维护锁定或隔离的槽位；注册数量不等于服务容量。
5RJ · AI 主播伪直播
V4 Flash 负责下一句口播，四张 H200 同时生成对应画面与人声；没有新消息时会自然延续直播。
Audio VAE Latent 扰动试听
从真实训练缓存中抽一句语音，直接比较原音频、VAE 上限与 latent 随机扰动结果。
① 选择真实训练 latent
② 选择随机变量与 scale
③ 直接 A/B/C 试听
Ground truth
训练数据中的原始归一化语音。
decoder(z)
不加扰动，用来单独观察 Audio VAE 上限。
decoder(z + 0.05 · v)
Time-shared，Gaussian，noise seed 42。
DiffInk · 在线手写动画
输入文字后，由官方 DiffInk checkpoint 生成带字形和笔顺时序的在线笔迹，再渲染成逐笔书写动画。