单卡 RTX 5080 全流程复刻:用 MiniMax H3 做出带口型的 AI 说唱 MV

circlenline · reddit · 2026-09-07

一位创作者分享了在单张 RTX 5080(16GB 显存)+96GB 内存上,用 AI 全流程制作一支专业感说唱 MV 的完整管线:

• 图像阶段:用 Krea2 Turbo(NVFP4)生成 214 张场景图,筛选到 82 张,最终用 40 张;搭配 krea2identityedit 等 LoRA 保持角色一致性。用 Flux Klein 9B FP8 做图像编辑、遮罩和细节修补。
• 视频阶段:MiniMax H3 共生成 114 段视频(37 段 B-roll + 77 段说唱表演),口型对准歌词。Ref2V 模式喂入角色参考图、目标场景图、对应音轨片段和精确歌词。每段 5 秒 1MP@32 步耗时约 7-8 分钟;作者发现 15 秒长生成在无 Turbo LoRA 下不实用,改为把歌切成短音频片段逐段生成。
• 提示词:自建 ChatGPT GPT,内置 H3 文档、硬件规格、工作流说明和角色一致性规则,按场景生成提示词。
• 音乐:Suno 生成,免费额度预览版生成了前 1 分钟,再用免费模型 extend 续写后在剪辑中拼接。
• 成片:After Effects 手动剪辑。完整工作流已在 GitHub Gist 公开。

原文链接 →

「编程与Agent」频道最新

• AustinLangChain 分享 RAG 变体：预计算黄金答案运行时精确匹配 — colinmcnamara · 2026-10-27
• 预计算标准答案：团队重复问答的缓存式解法 — colinmcnamara · 2026-10-27
• 开发者观点：与 agent 交互式协作仍有未被挖掘的价值 — alex_frantic · 2026-10-27
• 研究者发起 AMA:揭秘「平民开发者」用 AI Agent 自动化企业工作 — Loose_Rip359 · 2026-10-27
• Gradio 推 ML Intern 人工介入：训练前可暂停审核数据 — Gradio · 2026-10-27
• 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27

更多「编程与Agent」频道 AI 资讯 →