请教关于 AI 生图、音频、视频的本地部署及 api 问题

[joyarise]

请教有 AI 生图、音频、视频的本地部署经验的朋友，有客户呢，对这块兴趣挺高， 想合作做一点事情，但是需要我们先做到能演示的地步再谈下一步合作。 技术背景，后端开发背景。AIGC 生成文本的各大厂家的各种 api 调用，或是自建 llm3 服务都熟悉。 前两天 sd3(英文生成图 这不也开源了嘛），就是视频这块，一直没有打通可用的大厂 api 或者自建。 自建平台，目前只有咸鱼购的两块 3060Ti 的显卡，可验证一些本地的可行性，然后再租赁 gpu 部署... 大概这思路。 AI 音视频 确实太陌生，没太多时间摸索。 特向有经验者请教几个问题： 1.文生视频、图生视频，目前是否有可以 API 调用的厂家服务。 2.文生视频、图生视频，自部署测试的话，3060Ti ，够不够扛，用到哪些开源框架，有没有例子。 3.数字人克隆的全流程，可以私有化部署的框架？哪种比较可靠运转。 4.那种给一张图片，就来一段 2 分钟左右的 ktv 音乐的，自部署怎么搞的。 谢谢有经验的人分享一下经验，个人动手能力比较强，后面就争取动手干起来给客户演示，再看下一步

[KINGWAY]

我也在找这个, 其实用 chatgpt 可以解决很多问题, 只是这里也许有人有经验可以回答更准确.

[joyarise]

@KINGWAY 是的，chatgpt 里训练时间都是半年之前或者更靠前的，最新的东西，它少点。文生视频方案 它没法给出最优的了。 油管里有很多介绍，玩了几个，目前没有合适的。 这些都是大部头，动不动十几个 G ，部署调试都很耗时间，本身呢，有比较忙。1 个月前遇到 1 人说他全流程打通了数字人训练(私有部署)，估计也都是开源方案的整合，但是人家也不愿意细说呢。 我这一个合作的客户，非常看好这些，经常问我。故问问 v2 有没有可以指点一二的

[GoRoad]

首先两张 3060ti 生成视频是肯定不够用的，目前暂时也没看到文生视频的 api

[JoryJoestar]

v 站内搜搜，我记得刚不久有人发了个 AI 生图视频的帖子

[devilweime]

去 B 站看下，有没有人整合，小说推文我看到有人在弄了。
各自部署后都有 api 方式，就看有没有人整合了。
sd3 还是蛮大的，显存 16G 起步

[sweat89]

@GoRoad https://replicate.com

[GoRoad]

@sweat89 感谢，我去看看

[timczm]

两块 3060ti 应该不够吧