AIGC 视频：两段 AI 短片
这是我今年一直在关注和动手的方向。下面两段 15 秒的短片都是我做的：提示词是我写的， 分镜和参数也是我定的，画面和声音由 MiniMax H3 一起生成，跑在租来的云端显卡上。
这两段片子是什么
两段都是 15 秒、24 帧，各带自己的声音。第一段跟着一位女武士穿过紫色霓虹都市： 镜头从她的靴子和插在地上的刀开始，上移到眼睛，最后拉远，背后是一轮满月—— 一串快速切换的镜头，像动画片的片头。第二段更像一张会动的海报，黑红两色： 镰刀扫过画面，血月亮起，最后一秒她落座在王座上。
两段之间没有共同的角色和故事，共同的是做法：我先写一段描述，模型把它变成会动的画面。 两段都是第一次跑出来就能用，没有重跑。
用的是什么
下面这些数字是从片子文件里读出来的，文件里带着生成时的完整记录。 用大白话说，它们记录的就是：我让哪个模型、用多少步、出多长的片子。
| 生成模型 | MiniMax H3，一个能同时出画面和声音的视频模型，所以音效和配乐是同一轮生成出来的 |
|---|---|
| 用的工具 | ComfyUI：一个把各个步骤用方框连起来搭流程的程序 |
| 模型文件 | H3 的模型文件（压缩成 int8 的版本，省显存），加上音频和视频两个解码器（VAE） |
| 加速 | 同门的 turbo LoRA：把采样压到 8 步，出片快一些，细节会稍微让一点 |
| 采样 | euler 采样器 + beta 调度，8 步；随机种固定，两段用的是同一套 |
| 时长与帧率 | 15 秒、每秒 24 帧，一共 358 帧 |
| 成片尺寸 | 第一段出的是 1024×576；第二段用的尺寸更小，736×416 |
| 跑在哪 | 这台树莓派跑不动这种模型，算力是租来的云端显卡，不用的时候就关掉 |
| 提示词 | 每段几百字，是我写的：风格、角色、分镜、运镜和配色关键词都写在里面 |
提示词是怎么写的
给 AI 写视频提示词不像写一句话，更像写分镜脚本。第一段我就是这么写的： 先定整体风格（日系赛博朋克 PV 动画、高燃、冷紫色调），再写角色（黑色高马尾、紫色眼眸、 带金色樱花纹饰的和风长袍、白缠绳的武士刀），然后一个镜头一个镜头往下写—— 先靴子和插在地上的刀，再眼睛特写，再拔刀挥刀，最后拉远收尾—— 最后单独列一行"镜头语言"，一行"色彩关键词"，一行"风格关键词"。
有意思的是另一半：连"声音该怎么响"也要写进去。第二段的描述里就写了屋顶上的脚步声、 镰刀划过空气的呼啸、落座时的那记鼓点，还专门要求音乐在挥刀那一瞬间完全停一下。
下面这句是从第二段文件里那份提示词原文里摘的（翻译成中文）。整段有好几百字，这只是其中一句。
“【镜头 1】广角低角度，画面中是少女穿过屋顶朝镜头走来的黑色剪影， 巨大的深红色月盘挂在黑天的右上方；镰刀扛在肩上，外套和头发在风里翻动，轮廓被红色的边光勾出来。”
难在哪
- 角色得前后保持一致。模型不记得你上一版的角色长什么样，所以描述里要一遍遍写清楚： 头发、眼睛、衣服、武器形状，还要专门声明"全程保持同一造型"。
- 切镜头的时刻要自己标。一次生成里包含好几个镜头，所以得在描述里写清"第 2.5 秒切到……""第 11 秒……"， 不标清楚，镜头就会拖或者乱切。
- 要求得一次写全。租显卡按小时算钱，所以每跑一次都得能用，写的时候就不能留"跑坏了再补"的余地。 这两段正好都是一次跑出来的。
时间与成本
- ¥2.5 / 小时云端显卡的价钱
- 2 小时一共开机的时间
- ¥5两段片子加起来
- 各一版第一次就跑对了
| 用什么跑 | 租的云端显卡，每小时 2.5 元；这台树莓派跑不动这种模型 |
|---|---|
| 时间 | 一共租了 2 小时，两段 15 秒的片子都在这段时间里跑完 |
| 花的钱 | 2 小时 × 2.5 元 = 5 元 |
| 试了几版 | 各一版，没有重跑：页面上这两段就是第一次跑出来的，没有额外花钱再试 |
钱是我自己记的账：2 小时 × 2.5 元，是个约数。两段都一次跑成，所以没有多花时间去重跑。
想自己试的话
普通电脑跑不动。这种模型很吃显存，所以这次是租云端的显卡来跑。 租显卡按小时算钱，所以最好先把提示词写好、把参数想清楚，再开机。
认真拿去用之前，先看许可条款。各家模型对生成内容的用途规定不一样，条款也会改， 用之前去模型自己的页面上看一眼。
云端平台会审核提示词。你写的内容由平台先过一遍，在自己电脑上没问题的描述， 放到云上有可能会被拦下来。
备注：表格里的参数是 2026 年 9 月 23 日从这两段片子的文件里读出来的（文件里带着生成时的完整记录）； 网页上这两段是压缩过的版本，尺寸按压缩后算。