视频模型

0.3 元一条 15 秒:T8 把 MiniMax H3 复刻爆款的做法打包成了一个能装进任何 Agent 的 Skill

2026年11月20日1 次阅读Read in English
0.3 元一条 15 秒:T8 把 MiniMax H3 复刻爆款的做法打包成了一个能装进任何 Agent 的 Skill

关键数字(先看一眼)

0.3 元一条 15 秒 H3 视频的低价渠道单价
60s / 90s成片 60 秒,实际生成 90 秒素材
10 元 → 5 元含折扣券后的实际花费
4 条可切换的算力渠道
0.5–0.6RelayVSR 超分权重推荐区间

一句话:这期不是模型测评,是把「复刻爆款」拆成 Skill、渠道、数字人、超分四段工程件,并把成本压到可以用「毛」算。

先讲结论:3 分钟看懂这期视频

博主 T8star-Aix 在 11 月 19 日发的这期 9 分 56 秒视频,不是在测模型,而是在交付一套「能直接开工」的东西:把用图生视频模型 H3 复刻爆款短视频的流程做成一个 Skill 包,安装到任意 Agent 里就能跑,同时把算力渠道从原来的单一入口扩到四条,并把数字人那条工作流换了底模、重写了提示词节点。

这期的核心,是把「视频生成之后那一堆脏活」——换渠道、算成本、修脸、超分——压进一条能复用的链路。三个要点:

  • 成本压到 0.3 元 / 15 秒。他拿自己片头的《非凡之爱》举例:成片 60 秒,实际生成了 90 秒素材(留出废片替换余量),总共花 10 元左右,算上折扣券约 5 元。
  • Skill 变成了「可安装件」。以前是四套复刻爆款的 Skill,这次全部更新,最核心的变化是接入了多个算力渠道,把「用哪个平台跑」变成安装完之后的第一个选择项。
  • 省钱和提质是两条线。省钱靠换渠道,提质靠 RelayVSR 一步超分 + 数字人底模换成 Dashiva V5(名称来自口播音译)。

他同时交代了一个背景:H3.1 快发了,是否开源等官方,所以近期 H3 的内容他会做得少一些——换句话说,这期更像是给现有 H3 工作流做一次收尾式的工程化整理。

这次交付的三样东西

一、Skill:复制给 Agent,让它自己装

用法被他压缩成了一句话:把新的 Skill 复制给你在用的任意 Agent,让它安装。

装完之后的第一步不是直接跑,而是问它「需要我提供什么」。它会先要图——一张或两张,不同 Skill 要求不一样;再问渠道。这个「先问再跑」的设计,是这次更新的关键差别:以前流程写死在一个平台里,现在渠道是变量。

他自己这版是在 GPT-6.2 出来之后重做的,一共放了三版,效果和费用都有改善。安装完之后可以指定哪张图对哪个角色,也可以把 API key 直接给它。

二、渠道:四条路,按「快 / 便宜 / 能不能等」选

口播里他把算力渠道分成了四类,选择逻辑很直白:

  • 本地:一分钱不花,一并发一并发地跑,一分钟视频可能要几个小时。适合不着急的人晚上挂机,白天改片会很痛苦。
  • RH(RunningHub):之前发过的那套流还能用,成本略高一点,但现成。
  • 一个便宜的在线渠道:这次主推的低价入口,0.3 元一条 15 秒的 H3,并发低。
  • 另一个在线渠道:这次新加的无水印视频替换,可以在线跑,也可以直接 API 调用。

(除 RH 外,另外两家的名字在口播里带口音,这里不硬拼,具体平台请以视频和作者仓库为准。)

渠道成本速度 / 并发适合谁
本地0 元1 并发,一分钟视频要几小时不着急、愿意挂机的人
RH(RunningHub)略高现成工作流已有 ComfyUI 流的人
低价在线渠道0.3 元 / 15 秒并发低(整体约一百多)批量短视频、下沉剧
另一在线渠道按量在线 + API 均可要无水印替换、要接进流程

他提到目前整体并发大概一百多个,如果加上 H 会再多一些,但真要跑量大的下沉剧,并发还是不够。这点他没有粉饰。

三、数字人:换底模 + 重写提示词节点

数字人这条流是从他之前的「文武双修」技术上改的,但改动不小:

  • 底模换成了 Dashiva V5(口播音译,拼写以官方为准),他给的理由是一致性更好、皮肤状态更好,一些幅度较大的动作也稳。
  • 生成侧用的是 H3 的 Flex 版本,因为数字人不需要太高动态,这样可以少挂一堆加速 LoRA。
  • 600 EMA 那两个不是必须的,他设得很低,只给一点点。
  • 还挂了一个最老的 AL 模型,作用只有一个:去油。这是数字人观感不像 AI 的关键一步。
  • 提示词节点重写了:除了原来的「极致表演重构」,新增了情绪演绎的几档,以及色彩风格(可以选王家卫式、光明等)和导演风格。

他自己的评价是,这套改完之后,评论区开始有人问「片头怎么像真人」。

四、RelayVSR:一步超分,权重别拉满

后段加的是 RelayVSR——官方更新后,把本体更到最新、下两个模型就能用,一步出结果,速度很快。

他给的操作建议只有一条,但很具体:权重别设在 1,0.5 到 0.6 就够。拉太高脸部会出现塑料感,尤其是近距离镜头;不清楚反而就不像真人。他还提了一句「如果是 5 系可以稍微高一点」,但没展开指的是哪一类卡或哪一版模型。

这个判断和官方项目页的定位是对得上的:RelayVSR 走的是「稀疏关键帧 + 轻量重建」的路线,用大模型只在稀疏关键帧上生成参考,小模型负责其余帧,所以它快,但细节强度需要靠参数和素材质量去平衡。

官方侧能对上多少

RelayVSR 的项目页(arXiv 2609.37850)给的是工程指标而不是观感指标:1080p、单张 A100 80GB、15 帧关键帧间隔、双端点条件下做到 29.29 FPS、峰值显存 13.82 GB、首帧模型延迟 0.327 秒;对比 FlashVSR-Tiny 的 7.80 FPS、24.447 GB、2.83 秒。

代码库(Apache-2.0)里几个细节值得注意,都是会影响实际使用的:

  • 只做 4×,输出分辨率严格是输入的 4 倍,不做任意倍率。
  • 不复制音频,音轨要自己合回去。
  • 权重是两个文件:wan.safetensors 和 flash.safetensors,各自带配置,不需要运行时合并适配器。
  • --window-size 16 对应「每 15 帧生成一次参考端点」,想让它更连贯就把小模型承担的中间帧调多。

也就是说,T8 说的「一步搞定、很快」在这个架构下是成立的,而「权重 0.5」本质上是在细节增益和塑料感之间找一个他自己验证过的点。

适用场景与不适用场景

适用场景(适合谁):

  • 要做下沉剧、批量短视频,真正卡在算力单价而不是模型能力上的人。
  • 已经有 ComfyUI / RH 工作流,想换更便宜的渠道跑同一套流的人。
  • 需要数字人口播,且在意「像不像真人」而不是「能不能动」的人。

不适用场景(先别急):

  • 要跑大体量并发的人。他本人都说一百多并发不够。
  • 需要任意倍率超分、或者必须保留原音轨的人,RelayVSR 这两件都不做。
  • 等 H3.1 的人。按他的说法,H3.1 是否开源等官方,现在把工作流重投一遍可能很快就过期。
  • 需要用具体平台名下单的人:口播里两个低价渠道的名字带口音,本文没有硬拼,去视频简介和作者仓库核对再买。

怎么用:三步跑通

  1. 把 Skill 复制给你常用的 Agent,安装后先让它自己列出需要的输入。
  2. 按它要求给 1–2 张参考图,再指定渠道(本地 / RH / 便宜渠道 / 在线可替换)。
  3. 成片统一过一遍 RelayVSR,权重从 0.5 起,音频最后单独合回去。

避坑清单

  1. 别把超分权重拉到 1。近距离人脸会塑料化,0.5–0.6 起步,跑一条看一眼再往上加。
  2. 别直接复制别人的成片比例算钱。他 60 秒成片生成了 90 秒素材,废片率要算进预算。
  3. 本地跑之前先算时间。一分钟视频几个小时,改片阶段会非常难熬。
  4. Skill 装完先问「要什么」,不要直接丢提示词;渠道和参考图数量都是它要问的。
  5. 数字人不要指望靠堆 LoRA 提动态,这条流的前提就是动态小、靠表情和细节取胜。

行动建议

  • 第一步:跑一条 15 秒的最短链路,先验证渠道通不通,再谈批量。
  • 第二步:拿同一段素材在便宜渠道和 RH 各跑一次,比较的不只是价格,还有废片率。
  • 第三步:把废片率写进预算表,别只按成片时长乘单价。

一句话

这期的价值不在模型,而在把「复刻爆款」从手艺变成了可以打包、可以换渠道、可以装进 Agent 的工程件;成本那一栏第一次低到能用「毛」来算。

> 本文基于该视频口播内容的本地转写整理(视频无字幕轨),并用 RelayVSR 官方项目页与代码库交叉核对技术细节。口播中出现的模型名称为音译,拼写与版本号请以官方发布为准。

参考来源

评论

0 条已公开
登录或注册后可以参与评论。

正在加载评论...