Using monocular depth maps with GPT Image 2.5 to control AI video motion

雪踏乌云 @Pluvio9yteOriginally posted 2026.09.13

Open original on X

之前给大家分享过红白模参考视频，控制AIGC视频动作的教程。 不过在我自己的实操过程中发现，红白模参考视频的制作还是有一定难度的，并不适合普通用户去批量化的复刻。 这里我推荐一个我自己使用的更加便捷，且完全本地的优化方案——GPT image 2.5 + 单目深度图参考视频。 是的，这玩意的学名其实叫单目深度图，而不是网上很多人说的白模视频，现在推特上很多博主也以讹传讹管这个叫白模。 这两者表现的形式类似，但是实现方法完全不一样，在本地部署时需要的算力也差了好几个档次，我当时差点被绕沟里了，这里也帮大伙排个雷。 直接使用开源项目：https://github.com/DepthAnything/Depth-Anything-V2 这个项目可以把任何视频转化成我们需要的深度图参考视频。 算力方面，用Depth Anything V2 Small 就行了，基本上都跑得动。 之后再用 GPT image 2.5 生成参考图就行了，其实也不需要生成太复杂的三视图，一张正面照片完全足够了。

This post quotes another post: x.com/pluvio9yte/status/2097240246278832351