单卡 RTX 3090 跑 Wan2GP 做叙事短片：2×2 分镜参考图工作流全复盘
Inevitable_Emu2722 · reddit · 2026-10-14
Reddit 用户用 Wan2GP 搭配 MiniMax H3 Ref2VA Pruned 20B 模型，在单张 RTX 3090（24GB）上以 720p、20 步生成了一部黑白模仿《阴阳魔界》的叙事短片《The Prompting Zone》首集《The Last Human》，每段 5-10 秒的片段约需 30 分钟生成。
工作流要点：
- 先写完整剧本含对白，拆成 5-10 秒场景
- 每个场景生成一张 2×2 网格的四机位构图参考图，作为给视频模型的粗分镜
- 参考图配文字提示（镜头运动、角色动作、精确对白）一起喂给模型
踩坑经验：
- 模型有时把四格参考图误读成一段四分屏视频而非四个连续镜头
- 角色一致性是最大痛点：人脸跨片段漂移，几乎每条提示都要重复描述角色、服装与环境
- 电脑屏幕文字无法生成可读 UI，改用肖像和简单图标后更可靠
- 黑白风格有助于整体一致性但不解决连贯性问题
作者计划后续自动化从剧本到分镜、视频提示与成片组装的全流程。
所属事件:开发者单卡 RTX 3090 用 Wan2GP 制作叙事短片(2 条相关)→
「多模态」频道最新
- Correction Training 让扩散模型摆脱 CFG，循环架构渐成新共识 — CSProfKGD · 2026-10-14
- FramePack-U:常量内存压缩任意长视频,VLM长视频理解提升13% — UNC-ChapelHill · 2026-10-14
- SALD:无需教师网络,扩散模型自参照优势学习框架 — IITK · 2026-10-14
- Midjourney 新图流出:暖色光阵隧道质感惊艳 — ciguleva · 2026-10-14
- H3+UVR+YuE2-3B 组合技：网友拼出全自动 AI 音乐视频流水线 — Delicious-Farmer-234 · 2026-10-14
- 恶搞 T 恤「NERDVANA」:AI 生成 Nirvana 风格极客周边设计 — Delahuntagram · 2026-10-14