地端模型解決方案
虛擬人、AI 影片、配音與音樂，在你自己的 GPU 上生成
把開源模型架在你的 GPU 主機上：替虛擬人訓練專屬 LoRA，換場景、換衣服都是同一張臉，讓他們拍日常短片、演短劇並用自己的聲音對嘴；從一個主題、一篇新聞或一份簡報做出有配音字幕的影片；也能訓練專屬聲音、生成配樂、把錄音轉成逐字稿。圖片、影片與聲音都在你的機器上生成，也沒有按次計費。
生成成果
用這個平台實際生成的短片：第一支是 AI 廣告；接著三支是虛擬人開口說話，台詞用角色的聲音、對嘴、燒上字幕；最後三支是以虛擬人的一張關鍵影格當首幀做圖生影片（MiniMax H3），每支 5 秒，沒有剪輯。
AI 廣告：帶三歲小孩去關西的親子旅遊廣告，58 秒、11 段畫面，每段有標題和字幕，最後一幕收在「立即索取行程表」。 打招呼：在唱片行對著鏡頭自我介紹、請大家追蹤，一句 8 秒的台詞，字幕跟著聲音走。 對嘴特寫：戴眼鏡的男生對鏡頭說話，臉拍得這麼近，嘴型和聲音一樣對得上。 週末 vlog：在公園邊走邊聊三個放慢腳步的小方法，37 秒換了好幾個鏡頭，臉和聲音從頭到尾是同一個人。 公園步道：她邊笑邊走向鏡頭，臉、衣服與光線都跟首幀那張關鍵影格一致。 整理行李：手扶行李箱，低頭笑了一下再抬頭看鏡頭；房間與晨光從頭到尾沒有走樣。 咖啡店：端起咖啡喝一口，鏡頭慢慢推近到她對鏡頭微笑；配樂與環境音也是模型一起生成的。
適合
- 要大量產出圖片、語音或影片，按次計費的雲端服務算下來太貴
- 錄音、影像或逐字稿屬於敏感資料，不能送到第三方
- 需要固定的品牌聲音或代言人形象，每次輸出都要一致
不適合
- 一個月只做幾支，用現成雲端服務更划算
- 沒有被授權的聲音或肖像素材
我們會交付
- 01虛擬人：用授權的素材訓練專屬角色 LoRA，換場景、換衣服都是同一張臉，聲音與人設一起設定好
- 02虛擬人影片：直式日常短片，或 2～4 位同框的生活短劇；台詞用各自的聲音對嘴，劇本、分鏡、畫面每一步都能停下來改
- 03AI 製片：從主題、新聞、Blog 或 PDF／簡報開始，AI 寫腳本、挑畫面、配音上字幕，再用時間軸剪成片
- 04生成工坊：文生圖、圖生圖、修圖、換裝、圖生影片、配樂與語音，模型可以切換，成品自動存進媒體庫
- 05聲音與剪輯：用錄音訓練專屬音色；會議、客服錄音轉逐字稿，含時間軸與講者分離；Podcast 與影片剪掉空白與重複，輸出短版與字幕
- 06部署與介面：跑在你的 GPU 主機，或我們替你代購的雲端 GPU；附 GPU 佇列與顯存監看、API 與 MCP 工具；寫腳本可以接 Claude，也可以全用本機模型
實際畫面
「虛擬人與 AI 影像生成平台」的實際畫面，點圖片可以看原尺寸。
虛擬人：每位角色都有專屬 LoRA、人設與社群帳號，素材完整度一眼看得到。 
虛擬人日常影片：選一位虛擬人、講一句今天想拍什麼，剪成像隨手拍的直式短片。 
虛擬人短劇：選 2～4 位演員、講一句點子，劇本、分鏡、圖片、影片逐步確認。 
生成工坊：圖、影片、音樂、聲音分頁，生圖模型可以切換，成品自動存進媒體庫。 
AI 製片：從主題、新聞或 Blog 開始，多個 AI 代理寫腳本，最後配音、上字幕成片。 
放鬆專輯：四個 AI 分工排出從緊繃到放鬆的曲序，再用 ACE-Step 逐首生成。
相關文章
負責人部落格上的實作文章，記錄做法與遇到的問題。
相關作品
我們自己在營運或公開發佈、跟這項服務同類型的東西。
Seal-TTS 台灣腔語音平台
架在本機 GPU 的語音平台：用錄音訓練專屬聲音、零樣本即時克隆、多人對話 podcast、語音辨識、人聲分離與發音修正。AgentHub 的 LINE 語音推播使用它合成。
- Qwen3-TTS
- CosyVoice3
- 本機 GPU
- MCP
剪掉 podcast 的贅字與口吃：用本機的 faster-whisper 辨識、demucs 人聲分離，平衡音量並保留呼吸，輸出前可以逐個接縫試聽。全部在本機執行。
- faster-whisper
- demucs
- Rust
- ffmpeg
- 開源
在影片裡選一個東西（打字、點選，或交給 AI 挑），逐幀追蹤後幫它打碼、換成你的圖片或影片，或用其他幀拍到的背景把它移除。另有序列剪輯與本機字幕，全部在自己的 GPU 上跑，影片不上傳。
- SAM 2.1
- faster-whisper
- MCP
- 本機 GPU
- MIT