在 M5 Pro Mac 上跑 MiniMax H3:单条生成从 14 分钟缩到 4 分半的设置
作者在 M5 Pro、24GB 内存的 Mac 上本地运行 MiniMax H3 做视频生成,通过三项调整把单条生成时间从约 14 分钟缩短到约 4 分 40 秒:单条长度从 192 帧(约 8 秒)改为 124 帧(约 5.2 秒),加入 Turbo LoRA 并设为 6 步,启用 8bit 计算与高速注意力。
作者在 M5 Pro、24GB 内存的 Mac 上本地运行 MiniMax H3 做视频生成,通过三项调整把单条生成时间从约 14 分钟缩短到约 4 分 40 秒:单条长度从 192 帧(约 8 秒)改为 124 帧(约 5.2 秒),加入 Turbo LoRA 并设为 6 步,启用 8bit 计算与高速注意力。
在 ComfyUI 里可搭建"文本输入→本地 LLM→文本编码器"链路,让 LLM 把日语自然文转成 anima 用的英文提示词并自动选择 LoRA,无需付费 API。
SenseNova-U1.5 是一款把图像理解与生成合二为一的多模态模型,支持原生 4096 × 4096 输出,理解与生成分支各约 8B 参数。作者实测其排版与局部编辑能力,在 CVTG-2K 上得分 0.948,高于报告中的 Seedream 4.5(0.899),并与 FLUX.2-dev 32B、Qwen-Image 20B 做了同题对比。
一份对比表梳理了 Midjourney、DALL-E 3、Stable Diffusion、Adobe Firefly、Ideogram 五款 AI 图像生成工具在画风、文本精度、日语支持、商用许可、价格与生成速度六个维度的差异。
作者用开源项目 REA(Reverse Engineer Anything)拆解了 Mac 录屏软件 Screen Studio,101 秒生成 3695 个文件的证据地图,再让 claude code 写脚本解开 6 万多处加密字符串,读取出自动缩放背后的 6 条规则。
推荐理由:作者用 REA 拆解 Screen Studio 并让 claude code 复刻,展示了逆向工具与 agent 配合的完整工作流。
一份面向日语用户的 Seedance 与可灵(Kling)速习指南,按注册、价格、提示词写法、商用确认的顺序整理了官网、官方博客与使用条款的公开信息,确认日期为 2026 年 10 月 13 日。文中包含中日英提示词对照表 40 词、目的别提示词示例 8 条(日英),以及带条款出处的商用利用检查清单。作者说明画质、等待时间、日语语音等实测比较尚未进行,实机测试结果将在测试后追记。
超小型图像生成模型 AuroraIMG-6M 已可通过 ComfyUI 在 AMD XDNA 2 NPU 上运行,但该混合实现比 CPU FP32 慢约 11 倍。
一篇面向40至50岁AI初学者的实操指南,介绍如何用手机完成AI视频生成并发布为Instagram Reels。文中以Higgsfield、Google Gemini和CapCut为例,演示地球拉远、烟雾变身、墙壁崩塌三类视频效果,并给出提示词修正、30秒Reels剪辑、旁白与标题模板及7天发布路线图,付费部分定价500日元。
Kling Motion Control 是随 Kling Video 2.6 推出、在 Kling 3.0 升级的参考驱动视频生成功能,可将参考视频中的动作、表情与时机迁移到参考图像中的主体上。
Higgsfield 给出在同一 AI 视频场景中保持两个角色身份不混淆的完整流程:先用 Soul 2.0 为每个角色各生成一张 16:9 三视图角色设定表,再作为参考图一并传入 Cinema Studio 4.0。
网友 cellinlab 提出用 AI 模型输出 Three.js 前端代码,在浏览器中实时渲染几何方块与摄像机移动轨迹,录制成参考视频后导入视频生成模型。作者龙爪槐守望者称,AI 视频直接输入提示词容易产生镜头漂移和肢体扭曲,引入 3D 白模可作姿态与空间参考,而用 Blender 有学习成本、让 AI 操作 3D 工具又消耗积分,浏览器方案零门槛、更快、成本更低,不用装插件就能跑。
AITuber 整理出 25 条可直接复制的 AI 说唱视频提示词,按街头 Cypher、动画角色、婴儿与动物等五种风格分组。每条提示词固定包含角色、场景、情绪、镜头四要素,并给出配套的 BPM 与伴奏描述,如 boom-bap、80 BPM。提示词刻意避开真实艺人、真实人脸和品牌名。
AITuber 发布 Lumen5 替代品指南,按离开原因推荐工具:想要 AI 生成画面选 AITuber,需要出镜数字人选 Synthesia,想保留素材库风格但更便宜选 Pictory,需要团队席位则看 Kapwing 和 InVideo AI。
作者在本地 RTX 5070 12GB 上用 Wan 2.2 的 First → Last Frame 模式做了实验,首帧是手绘斑点骆驼状生物,尾帧是写实苹果,同一提示词跑三次得到三种不同过渡:把绘画角色放进尾帧的城堡场景、留在绘画世界后快切、以及两个世界缓慢溶解。
中国 AI 视频生成模型主要由快手、字节跳动、阿里等公司开发,代表系列包括 Kling、Seedance、WAN,以及 Vidu Q3、PixVerse 6 等。
Cursor 可以制作视频:它在视频项目文件夹中编辑工程并调用外部视频工具,CoAnimator 负责预览场景并导出 MP4。使用前需安装 CoAnimator、coa 命令、FFmpeg/FFprobe 和项目 skill,主工作流基于文件与命令,可选的 ACP 连接需单独做兼容性测试。
建筑师在使用 ComfyUI 前应优先导出渲染器原生深度图,而非依赖深度估算模型。原生深度图直接记录场景相机与表面几何信息,而估算深度会引入额外解读误差,导致竖框消失、平面被压平等问题。ControlNet 1.1 文档确认其深度模型可直接使用渲染引擎输出的真实深度图,ComfyUI 官方示例也警告 ControlNet 不会自动将普通图像转为深度图。
ArchiGen 提出把 AI 植被当作独立的遮罩局部 pass,而不是用全局增强提示词一并处理,以保护建筑、路径与关键视线不被改动。做法是只对种植区域做遮罩重绘,把立面、屋檐、门洞、坡道等排除在可编辑遮罩外,必要时拆分前景植被与建筑边缘两个遮罩。生成后需核对物种特征、成年尺度、轮廓、通行与阴影,并借助差异叠加检查树枝与屋檐、幕墙的接触处。
作者在 RTX 4070 12GB 上用 ComfyUI 测试 Qwen Image 2.1 Turbo 的 i2i 图像编辑,832×1248 图像按官方 8 步设置平均总时间 12.87 秒,常规模型 25 步为 27.26 秒,约 2.12 倍提速。
Higgsfield 提供两种无代码自动化 AI 视频创作方式:在 ChatGPT 中通过 Higgsfield Extension、在 Claude 中通过 Higgsfield MCP 批量生成视频,或用 Supercomputer 按计划运行重复任务,两者均消耗常规套餐积分且无需 API key。
用 ChatGPT 把运镜意图整理成英文提示词,再手动粘贴到 Runway Gen-4.5 生成 5 秒 Image to Video 视频,对比"固定机位"与"缓慢推近"两案。
针对平日只能挤出1至1.5小时的上班族,一种AI动画制作思路是把流程拆成每天一个工序:周一用15分钟定题材,周二30分钟生成一张角色图,周三30分钟给图片加3至5秒动作,周四30分钟叠加BGM或音效并保存,周五回看成品。首个作品以3秒能动、能完整播放为合格标准,不必追求完美,也不保证14天完成或产生收益。
这篇指南按十步工作流对比 Higgsfield、Runway、Kling AI、Dreamina CapCut 和 LTX Studio 五个一站式 AI 视频平台,依据各家公开套餐与文档页面。
用 DomoAI 从照片生成商品视频时,应先写光、影、汤气等周围元素的运动,再决定商品本身是否移动。DomoAI 官方博客建议文字标签细密的商品最好完全静止,需旋转时控制在 15 度以内并写明停止位置;人物场景则只保留一个动作,并写清速度与姿势。
MiniMax H3 是 MiniMax 于 2026 年 7 月发布的视频生成 AI 模型,可同时生成影像与音频(含日语台词),并支持 Turbo LoRA 降低生成步数。在 ComfyUI 0.30.0 及以上版本中,使用官方模板即可从一张图片生成短视频,只需放入图片(first frame)并用提示词描述运动方式,适合超初心者上手。
用生成式 AI 做视频生成应用有三条捷径:直接接入 Sora、Runway、Luma、Pika 等商用视频生成 API;用 Stable Video Diffusion 等开源模型配合云 GPU 自建;或用 iPaaS 与无代码工具串起文本生成、视频生成、语音合成 API 的自动化流水线。三者分别在开发速度、成本与可定制性上各有取舍,可先用 API 或无代码工具快速做原型,再按需迁移到自建管线。
作者在 ComfyUI 上对比了 44 种视频高画质化手法,全部本地免费运行,并区分修复与高解像化两类场景。修复针对小型相机、监控等低画质素材,高解像化针对 HD 提升到 FHD、4K、8K 并恢复肌理与睫毛细节。文章公开了可一次跑完 44 种方案的大规模比较工作流,方便按人物、风景或动画等不同内容挑选合适手法。
推荐理由:作者把修复与高解像化两类需求拆开,用同一段素材横向对比 44 种方案,并放出可一键跑完的 ComfyUI 工作流。
作者在 ComfyUI 中实测了 MiniMax H3 的 RefMod 自定义节点,它把人物图片、动作视频或音频压缩成可复用的参照文件,无需训练 LoRA,用法接近 LoRA 加载器,可调强度并组合多个参照让角色同框。
推荐理由:作者实测了 MiniMax H3 的 RefMod 自定义节点,给出从安装、建库到接入官方 T2V 工作流的完整参数与提示词写法。
作者在 RunPod 的 A40 上用 ComfyUI 跑 MiniMax H3 视频生成时,10 秒视频连做 12 支没问题,改成 12 秒后第二支开始几十秒到几分钟内必崩,报错只有 Connection refused。
用 Hyperframes 开发 AI 视频生成应用时,可从五方面减少踩坑:初期用低分辨率、短帧数验证再逐步提升;固定种子值并配合控制网络保持帧间一致性;精简提示词并设置负面提示词;用异步处理、队列和重试应对 API 超时与调用限制;固定模型与依赖库版本并在测试环境验证更新。
在 M1 Max(64GB)Mac 上以 BF16、无量化方式运行 MiniMax H3 的 C 语言移植版 h3.c,成功生成 10 秒视频且未触发内存不足(swap),但耗时 43.2 小时。该模型完整版约 134GB,需约 150GB 可用存储,通过 SSD streaming 机制从 SSD 分块读取计算。
一位创作者用 ChatGPT 生成约 25 张分镜图、Irodori-TTS 免费配音、Runpod 租用 GPU 跑 miniMax H3 生成视频、capcut 剪辑,做出一分钟 AI 动画,成本约 ¥90-¥150,耗时两天。
一位 PC 新手用 ChatGPT 生成并修改 PixVerse 提示词,制作 5 秒玻璃南瓜切刀 ASMR 竖屏视频。最初 ChatGPT 给出的提示词过长,在 PixVerse 中不好用,作者直接反馈"提示词太长",ChatGPT 随即整理出含"木制砧板上的透明橙色玻璃南瓜、微距特写"等要点的短版本。
一位创作者分享用 AI 制作在线课程视频的真实经验:用自己声音的声音克隆配音,但录了 4 种带情感起伏的版本后听不出差别,最终沿用原声,改以问句结尾等方式通过文字写法营造明快感。
一份可直接套用的图像生成提示词合集,用 Midjourney、ChatGPT(DALL-E 3)、Flux 等工具,一行英文提示词即可在 30 秒内生成博客头图与 SNS 横幅。合集给出 5 条提示词,覆盖赛博 AI 科技风、商务远程办公、加密资产与 Web3、扁平简约图解、3D 卡通图标五类风格,均带 --ar 16:9 参数。
制作AI动画并不一定需要20万至30万日元的高性能电脑。通过云端型图像生成AI和视频生成AI,重计算在服务商服务器完成,普通笔记本或手机也能尝试。建议先用浏览器可用的工具,从3〜5秒的短动画起步,并确认免费额度与商用条款后再决定是否购机。
作者在 Google Colab 的 A100 上运行 MiniMax H3,并通过本地的 Codex 调用它,实测视频生成 960×544 10 秒约耗时 6 分 32 秒。
SINGULATELIER 的 AI 音乐项目发布第 2 曲《NO SIGNAL》,这次先定声音方向再写词,由 AI 社員サラ主导企划、ナタリー审歌词、シャロン审制作方针,クリス据 Style prompt 生成视觉。用 Suno 对同一歌词按 3 套音色指令各生成 2 曲共 6 首,最终由人耳选出 1 首。
用 Opus 5.5 结合视频模型尝试故事片表达,所有编排、视频特效、提示词和剪辑均由 Opus 5.5 决定,即梦 CLI 负责对应分镜的图片和视频生成。视频上还叠加了大量代码动画效果,质感提升明显,作者称效果不错。
ミント塾的孩子们用 Kling AI 制作了 AI 视频,作品已在 YouTube 频道 @mintjuku 发布。孩子们在制作中练习把自身想法语言化,并学会面对失败、设定"80 分即可"的标准。已发布的作品包括《天使航空をご利用いただき》《マダムGunmaの独り言》《自己愛は大事》等。