關於這個網站

一個人做的小工具：把靜態照片變成會呼吸、會眨眼的循環肖像， 全部跑在自己家裡的一張顯示卡上。

為什麼做這個

起點是家裡那本相簿。抽屜深處泛黃的合照、只剩一張的爺爺奶奶年輕時的樣子 —— 看著看著會想，如果他們能再眨一次眼、再笑一次，會是什麼感覺。 現在的影像生成模型其實已經做得到，但一般人要用得先裝 Python、裝 ComfyUI、 下載幾十 GB 的模型、再看懂節點圖怎麼接。中間的門檻不是技術問題，是「有沒有人願意把它包好」。

所以這個網站把整條流程收成三個步驟：選一張照片、選一個動作、等四十秒。 背後的指令措辭、畫面尺寸、循環方式、失敗攔截，都已經替你調好了。

關於作者

我是 William Hsu，全端工程師，做的是從 0 到 1 的完整系統 —— 產品設計、系統架構、開發、部署到商業化。作品集在 lazebot.com， 上面有 ERP 系統、遊戲伺服器基礎設施、AI 系統整合等十幾個專案。

這個網站是其中比較好玩的一個：它同時是影像生成模型的實作練習， 也是「把一個難用的技術包成任何人都能用」這件事的實驗。

做這個網站時學到的事

大部分的工作不在「讓模型跑起來」，而在處理各種真實世界的意外：

• 在指令裡叫模型「不要移動鏡頭」，畫面反而推得更兇（實測位移量從 6.6 惡化到 39.2）
• 讓模型畫相框，畫出來的框會歪 —— 改成網頁疊上去
• 指令寫「這個人」，但照片裡是一隻鳥，模型會憑空生一個人出來
• 整套跑得慢，慢的不是計算，是把 30GB 模型搬進 16GB 顯示卡
• 使用者的手機把分頁凍結，前端以為斷線就放棄，其實後端一路跑完了

這些踩坑的細節都寫在技術說明和使用教學裡， 有興趣的話那兩頁比這頁有料。

技術棧

MiniMax H3 影像轉影片模型、ComfyUI、NVIDIA RTX 5070 Ti、Python + Flask、 ffmpeg、OpenCV，前端是沒有框架的原生 HTML/CSS/JavaScript。 沒有用任何雲端 AI API。你的照片會傳到我們自己的伺服器處理（這是網頁服務必然的事）， 但它不會再被轉交給任何第三方服務，也不會被拿去訓練，七天後自動刪除。

三個設計原則

一、能不讓使用者選的，就不要讓他選

這個工具沒有開放自由輸入指令，只能從十一個預設動作裡選。 不是做不到，是因為指令的措辭一亂掉，出現奇怪東西的機率會大幅上升 —— 「照片裡是一隻鳥，指令寫 the person，於是憑空長出一個人」就是最好的例子。 把選擇收斂到少數幾個確定可行的組合，成功率比給你一個輸入框高太多。

二、失敗要看得懂

模型做不好的時候，使用者不該只看到「生成失敗」四個字。 所以有失敗案例這一頁，把每一種常見的壞掉長什麼樣、為什麼、怎麼修， 用真的跑出來的影片攤開講。

三、不要偷偷處理使用者的照片

整套跑在自己的機器上，照片不會被轉交給任何第三方 AI 服務，不做訓練、不做人臉比對、 七天自動刪除。這不是行銷話術，是技術說明裡寫得出實作細節的東西。

接下來想做的

• 讓成品長度可以選（目前固定 6 秒循環）
• 更多動作，特別是動物組（現在只有五個）
• 把 VAE 解碼那 11 秒再壓下去，目標單張 30 秒以內
• 批次處理：一次上傳整本相簿

有想要的功能歡迎直接告訴我。