DGX Spark 本地生成完整 MV:43 条素材、20-30 小时炼成鹦鹉乐队
Inevitable_Emu2722 · reddit · 2026-11-22
一位独立开发者用 NVIDIA DGX Spark 本地跑 Wan2GP + MiniMax H3,配合 pi coding agent(本地 glm 5.3 fast 调度),为虚构乐队 The Stochastic Parrots 完成一支约 3 分钟的完整 AI 生成 MV(“鹦鹉乐队”过 Abbey Road 斑马线的画面极具披头士梗感)。
工作流程
- 用 ChatGPT 头脑风暴概念并生成约 60 张参考图;场景涵盖天台、超市、机场、后台等
- 用 MiniMax H3 Ref2VA/FL2VA 让参考图动起来,并把对应歌曲段落喂给视频生成做表演同步
- 用 faster-whisper 把实际唱词映射到时间轴(生成歌曲不完全遵循原歌词),最后在 DaVinci Resolve 剪辑、卡点、加空镜
关键数据:主体 20 个场景 + 十几个补充镜头,共约 43 条视频 take;多数片段 1280×704、24fps、8 步,每条约 16 分钟;总 GPU 生成与实验耗时 20-30 小时。
踩坑经验
- 角色一致性最难:脸会变、服装会漂移、乐器变成怪东西、人物中途消失
- 简单场景远比复杂场景靠谱:单角色做一件搞笑的事比全乐队同框更可信
- 黑白后台 footage 既好看又能掩盖不一致
成品仍能看出 AI 痕迹,但剪辑和荒诞概念把它撑起来了——一条可复现的本地长视频生产流程参考。
所属事件:开发者用 DGX Spark 本地炼成 3 分钟 AI 音乐视频(2 条相关)→
「编程与Agent」频道最新
- 微调 Qwen3 后导出丢失 MTP 头,解码悄悄变慢无人察觉 — AIFlow_ML · 2026-11-22
- 一个 Codex 任务连续跑了 10 天 21 小时还没停 — chrisalbon · 2026-11-22
- 「2027 Agent 平台」蓝图:Actor 模型、共享文件系统与收件箱式交互 — yawnxyz · 2026-11-22
- 开源工具破解 Claude Desktop 限制,可接入任意第三方模型 — pneuny · 2026-11-22
- 开源 Claude 技能一张图生成可逐层拆解的精细 3D 机械模型 — tinyfool · 2026-11-22
- Salesforce 发布评审 agent:补丁审核从 24 小时缩至 12 秒 — shoumikgoswami · 2026-11-22