H3 视频生成实测：复杂场景的人物行为控制为何全靠运气？
Hdfjds · reddit · 2026-08-23
作者分享了使用 H3 模型进行复杂视频生成的实战体验，指出了一致性难以控制的现状。
测试场景：
试图生成包含 3D 厨房背景和 3 个特定人物的场景，并精确控制每个人的动作（如 A 做某事，B 做某事）。
遇到的问题：
- 随机性强：运行 6 次，每次结果截然不同。
- 动作不可控：人物可能从错误的位置进入，或执行了未要求的额外动作。
- Seed 依赖：即使 Prompt 不变，仅改变 Seed 也会导致输出差异巨大。
引发的思考：
作者感到困惑，目前的生成似乎主要依赖“运气”，而非精准控制。并询问社区是如何应对这种不可控性的：是反复微调 Prompt、大量生成后筛选，还是接受不完美的结果？这反映了当前视频生成模型在复杂叙事和精确控制上的技术瓶颈。
「多模态」频道最新
- AI视频新突破：10分钟故事锁定7个角色4个场景一致性 — mygreenmyblue · 2026-08-23
- 12GB显存笔记本跑通MiniMax H3视频生成，人脸细节成瓶颈 — sarasa_0505 · 2026-08-23
- 用户宣布在本地成功部署类 Sora 视频生成模型 — nptacek · 2026-08-23
- 重温老帖：用提示词在潜在空间里「走进」虚拟环境 — nptacek · 2026-08-23
- 闭源 vs 开源：Minimax 提示词最优，Flux 3 画面质感胜出 — Grinderius · 2026-08-23
- 一人三周自制科幻片：AI 全流程制作 Spectrum — HashemGhaili · 2026-08-23