使用 Wan2GP、LTX 2.3 和 OmniVoice 创作 AI 生成视频： detrás de scenes 的柔佛州选举石狮子播客视频
介绍
近期，一段名为《居銮石狮子都要下来做Podcast，柔佛州选大乱斗？》的 YouTube 视频（观看链接）在马来西亚社交媒体上引起关注。视频中，居銮的石狮子化身播客主持人，幽默评论柔佛州选举的最新发展。有趣的是，这段视频完全由 AI 工具生成：作者使用了 Wan2GP 进行视频生成，LTX 2.3 提升视频质量，以及 OmniVoice 合成逼真的播客配音。
本文将详细介绍这些工具的特点、它们在视频创作中的协同工作流程，以及使用 AI 工具制作时事评论内容的启示。
工具概览
Wan2GP：低显存友好的 AI 视频生成器
Wan2GP 是一个专为低显存 GPU 设计的开源 AI 视频生成工具，能够在消费级显卡上生成高质量视频。它基于 Wan 系列模型优化，特别适合快速生成短片和社会性内容。
- 官网：Wan2GP: Free AI Video Generator Online, No Install
- GitHub：deepbeepmeep/Wan2GP
- 特点：无需安装、在线使用、低 VRAM 消耗，适合快速原型制作
LTX 2.3：最新开源 AI 视频模型
LTX 2.3 是 LTX Model 团队发布的开源 AI 视频生成模型，支持 4K 分辨率和 50 FPS 的视频输出，并内置原生音频生成功能。该模型在文本到视频和图像到视频任务上表现出色。
- 官方介绍：LTX-2.3: Introducing LTX's Latest AI Video Model
- 教程：LTX-2.3 Tutorial: Text to Video and Image to Video
- 特点：高分辨率、流畅帧率、开源社区活跃
OmniVoice：多语言 AI 声音克隆与 TTS
OmniVoice 是一个支持 600+ 种语言的 AI 声音生成平台，具备零样本声音克隆和自然语音合成能力。它能够根据短音频样本生成目标声音，或直接从文本合成多语言语音。
- 官网：OmniVoice: Free AI Voice Generator & Voice Cloning
- GitHub：k2-fsa/OmniVoice
- 特点：跨语言支持、声音克隆保真度高、免费使用额度 generous
视频创作 workflow
1. 内构思与脚本编写
首先，作者根据柔佛州选举的最新新闻撰写了播客脚本，内容包括石狮子“下山”、选举混乱以及地方民众反应等幽默元素。脚本采用中英双语混合风格，以增加趣味性和传播范围。
2. 音频生成（OmniVoice）
使用 OmniVoice，作者选择了一个中年男性声音作为石狮子的声音特征。通过上传一段样本音频（或使用内置声音库），OmniVoice 生成了完整的播客配音音频文件。该工具的多语言支持确保了中文发音的自然流畅。
3. 视频基础生成（Wan2GP）
有了配音后，作者将脚本关键场景的文本描述输入 Wan2GP。例如：
- “一个古老的石狮子在居銮镇街道上走动，背景是柔佛州政府大楼”
- “石狮子拿着麦克风，表情严肃地讨论选举结果”
Wan2GP 在低显存环境下快速生成了这些场景的基础视频片段，尽管分辨率和细节可能有所限制。
4. 视频增强（LTX 2.3）
为了提升视频质量，作者将 Wan2GP 生成的初始片段导入 LTX 2.3 进行二次处理。LTX 2.3 的超分辨率和帧率插值功能使视频达到更清晰、更流畅的效果，特别是在石狮子的纹理和动作细节上。
5. 音视频合成与后期
最后，使用视频编辑软件（如 DaVinci Resolve 或 CapCut），作者将 OmniVoice 生成的配音与 LTX 2.3 增强后的视频轨道同步合成。添加了字幕、背景音乐和简单的过渡效果，完成了最终视频的制作。
成果与反思
通过这个工作流程，作者成功在几天内制作出了一段具有新闻时效性和娱乐性的 AI 生成视频。视频在 YouTube 上获得了数千次观看和大量评论，观众普遍对石狮子配音的逼真度和视频的讽刺意味表示赞赏。
关键优势：
- 成本极低：所有工具均有免费层级或开源版本，避免了传统视频制作的人力和设备开支。
- 速度奇快：从构思到成片不到 24 小时，能够紧跟热点事件。
- 创意自由：AI 工具使得原本难以实现的概念（如石狮子播客）成为可能。
局限性与改进方向：
- 生成视频偶尔存在轻微的“不自然感”（如嘴型不同步），需要后期微调。
- 对于复杂镜头运动和多角色交互，AI 仍难以完全替代真人拍摄。
- 未来可探索使用更先进的模型（如 Wan 2.2）或结合运动控制技术提升一致性。
结论
这个案例展示了现代 AI 工具链在内容创造中的强大潜力。通过组合 Wan2GP（快速原型）、LTX 2.3（质量提升）和 OmniVoice（声音合成），创作者能够以极低的门槛制作出专业水准的视频内容。对于新闻评论、社会 satire 和教育类内容，这种工作流程特别适合快速响应和实验性表达。
随着 AI 视频和语音模型的持续进步，我们可以期待更多创作者利用类似工具链来表达观点、讲述故事——甚至让石狮子也能有自己的播客频道。
