MinLiBuilds 分享 AI 短剧低成本落地全流程

🔥 聊聊黄果短剧怎么做。

很多人上来就纠结 Wan 还是 H3，NSFW，甚至直接研究买卡。

顺序反了。 先解决人物一致性，再考虑视频模型。先跑通工作流，再考虑买显卡。 应该效果验证通过后，再决定继续用 API，还是转向本地部署。我的建议是：先用 ZenMux 这类聚合 API 测试云端模型，搭配租赁 GPU 跑开源工作流。 不用一开始就投入几万块买卡。

整理一套技术方案👇

① 剧本 / 分镜：Agent + 大模型 - Harness：DeepSeek Harness / Pi / Hermes - 云端：Gemini Flash、Muse Spark - 本地：破甲 Qwen 3.8 NF、DeepSeek 前期用云端模型省事，ZenMux 一套 API 可以接多个模型，方便 Agent 根据任务切换。 剧本、分镜、提示词、角色设定、剧情连续性检查，都能交给 Agent。

② 角色一致性：全流程最重要的一环 前期用 Nano Banana、FLUX、GPT Image 等模型生成角色定妆照、多角度参考图和关键帧。 多角度定妆 → 固定脸、发型、服装、体态 → 生成关键帧 → 视频。 验证阶段不一定要训练 LoRA，先用参考图测试人物稳定性。 确定长期生产同一个角色，再租 GPU 训练角色 LoRA。

本地可选： - Qwen-Image 2.1 - FLUX.2 Klein - Z-Image Turbo - MOSS-Image 也可以考虑社区微调 / NSFW LoRA，推荐上面几个因为底模都有成熟生态。 角色 LoRA 解决身份一致性，NSFW LoRA 解决特定视觉表现，两回事。

③ 视频生成： 前期直接用云端 API 测 Veo、Seedance、Kling、Wan，比较画质、人物一致性、动作和单镜头成本。 需要更高控制权或特殊微调，再考虑： - MiniMax H3：原生音视频，turbo/社区加速方案值得测试 - LTX-2：原生音画同出 - Wan2.2：图生视频、动作镜头，社区微调生态比较丰富，需要后期配音 准备批量生产，可以买 GPU 搭 ComfyUI 工作流；如果 API 更便宜、更稳定，也没必要强行本地化。 YouTube / B 站有大量现成 JSON 工作流，也能让 Agent 配合 ComfyUI MCP 辅助搭建。

④ 声音：本地、云端都能搞定 - Gemini Flash TTS：神级，多角色对白、中文配音和情绪表达 - IndexTTS2 / VoxCPM / Fish Speech / CosyVoice 3：本地语音克隆、自然对白 视频模型如果已经生成可用音频，就不必重复配音。

⑤ 硬件：大显存优先，但别急着买 - ⭐⭐ RTX 5070 Ti 16G：入门够用，显存有限 - ⭐⭐⭐ RTX 3090 24G：二手显存性价比不错 - ⭐⭐ Tesla V100 32G：价格低，新模型兼容性一般 - ⭐ RTX 4090 24G：不推荐 - ⭐⭐⭐⭐⭐ RTX 4090 48G 改卡：个人最喜欢的方案，大显存 + 高算力，但需要注意改卡风险 - ⭐⭐⭐⭐ RTX 5090 32G：性能强，价格也高 RAM 32G 起步，推荐 64G，DDR4即可，DDR5太贵；SSD 预留 2～4TB，2500能解决。

⑥ 验收： 人物不换脸、手脚不畸形、服装道具不穿帮、剧情连续、失败镜头能低成本重做。 算清楚固定后，一分钟能用的成片，究竟花多少时间和精力？

🎃 顺便说个适合试模型的活动。 ZenMux 最近有万圣节模型盲盒，每天现金 PAYG 消费满 $1，即可解锁一次，单份奖励最高估算价值 $500（模型额度，非现金）。 10/31 22:00（新加坡时间）截止，每晚 22:00 刷新，每账户每天最多一次，奖励随机。

先花小钱验证，再决定要不要砸钱买显卡。 别设备买了一堆，最后发现自己根本不喜欢当抽卡员。🤣

你是不是也经常忘记取消 onlyf 的订阅？