RTX 5090 跑 H3 模型对口型：30 秒视频耗时 12 分钟

R34vspec · reddit · 2026-08-14

作者分享了使用 H3 模型生成 30 秒对口型（Lip Sync）视频的实测数据。在单张 RTX 5090 显卡上，该生成过程耗时约 12 分钟。

此外，作者提供了一个实用的提示词技巧：在输入音频进行对口型生成时，将真实的英文歌词以 <d> [English] Lyrics </d> 的对话语法格式粘贴到提示词中，能显著提升最终生成的对口型准确度与效果。