Minimax H3视频工作台可批量生成视频，附提示词Skill和一键整合包
AI视频工作台首个版本正式发布，核心集成Minimax H3视频生成模型，主打开箱即用体验。功能涵盖文生视频、图生视频、全能参考模式以及新增的数字人模式（支持原音频驱动口型同步与参考音色驱动）。生成速度相比之前整合包优化10%-30%，5秒480P视频约20秒生成。内置基于官方模板的提示词Skill，可一键优化提示词质量。数字人模式支持自然/热情两种说话风格，最长可生成30秒视频，手势与头部动作丰富自然。参数设置提供超高质量、平衡、极速三种速度模式，并支持帧率二倍放大（24→48帧）、低显存模式及API调用。软件包与模型包分离设计，方便后续增量更新。本地与云端版本同步发布，适合希望快速上手AI视频创作的用户。
一、开篇：视频工作台产品定位
大家好，欢迎来到与AI同行，然后这期来介绍一下我做的这个视频工作台啊。然后第一个版本呢，主要是集成了这个Minimax H3这个视频生成模型。然后后续呢，会把一些强大的模型，一些非常好的一些解决方案等等，然后都会加进来。
然后整体上，这个工作台这个产品呢，就是后续我个人会把它作为一个对标一些商业产品体验的这么一个产品形态去不断的更新优化。然后小伙伴们在用这些开源模型的时候呢，就是使用体验上也会更好一些的。整体上呢，就是希望大家能够开箱即用，然后打开软件之后呢，直接用就行，不需要再去折腾那些模型参数、环境插件等等，这样效率上可能会高很多。
然后这个工作台呢，目前还是第一个版本，所以可能有一些地方体验上可能还有一些问题。然后如果感觉有什么问题的话，可以加左下角这个群，然后一块反馈交流一下。
二、核心功能概览与速度优化
然后功能上呢，可以快速看一下。整体上这个功能和之前的我发的这个整合包差不太多，主要是加了一个这个数字人模式，然后前两个这个文生视频和图生视频和这个全能参考，就是功能上差不太多。
然后这次主要是优化了它一个生成速度，生成速度大概优化了百分之十到三十。像这个五秒的480P视频，在我的机器上，每次大概只需要二十秒就可以生成。之前的版本可能大概需要三十秒左右吧。对，整体上速度优化还是有一些的。
三、提示词Skill：基于官方模板优化
然后提示词这块呢，我专门写了一个Skill，就是基于官方的这个提示词模板，做了一个Skill。因为这个模型提示词还是非常重要的，所以还是非常推荐用官方的这个模板，然后去优化一下。
然后这个Skill呢，可以下载这个安装包，然后放到这个Codex里边，在这个Codex里边或者其他的一些智能体里边，然后直接加载，加载完了之后，然后输入自己的提示词，让它去优化就可以了。这样它会根据官方的这个提示词样式去进行仿写、扩充等等。
当然也可以看一下我之前发的这个提示词网站，就我自己做的这个提示词网站，可以看到很多这个大佬，他们发的一些创意，都可以使用，也都可以借鉴。如果感兴趣的话，也可以关注一些博主。
四、数字人模式详解：原音频驱动
然后数字人这块儿，我们详细介绍一下。这块主要包括两个模式。
第一个呢，就是这个原音频驱动模式，就这个视频的口型和这个原音频的口型完全一致。然后这个说话风格这块儿呢，默认用的是这个就是自然说话，这种风格就比较平淡。然后可能手势上就是没什么手势，就是纯说话这种。如果需要视频里边人物看起来更热情一点，或者说更生动一点呢，可以选择这个热情的风格，让他手势动作、头部动作等等都会比较丰富一些，看起来可能会更真实一点。
好，我们设置一下参数，数字人这块一般用这个极速模式就可以了，然后这个生成步数调到六会比较好一些。添加完任务之后呢，可以在这块看到这个所有运行的这个任务队列，它这边后台在跑。
五、数字人模式详解：参考音色模式
我们看一下这个参考音频模式。这个参考音色模式呢，主要是上传的这个音频，主要参考这个音频的音色，然后来基于这个输入的文字来生成新的说话的内容。视频里的人物最后会说这一段文字。然后这个输入的文字的语言和这个台词的语言要对应啊。如果是中文的话，就选择这个中文；如果输入的是英文的话，这块就选择这个英文。
然后这个参考音色模式，它生成视频的这个长度可以自己控制。我们这块就选择这个十五秒吧。然后点击生成。生成完了之后，我们看一下刚才这个两个例子：
整体上呢，感觉这个原音频驱动的模式可能效果会更好一些，口型匹配效果还是非常好的。然后这个参考音色这块，它这个音色参考生成的这个语音相似度不是很高，有时候还是会变的。所以可能就是没有一些专门的一些语音生成模型效果好，但是使用起来就是非常简单啊。
如果你在这块设置了这个视频时间比较长，然后这个人物说完了这段文字之后呢，然后他可能会就是再重复说一些文字，所以这块也是正常的。后续可以通过剪辑手段来调一下。
我个人还是比较推荐使用这个原音频来驱动的，这样无论是这个声音的音色效果上，还是说它的口型效果上等等，就出来这个视频成片效果还是比较好的。
六、数字人模式参数与限制
这个数字人这块，目前一次性可以生成的这个视频长度，我这边测试的就是，它目前可以支持一次性生成这个三十秒左右的一个视频。然后开头效果也展示过了，就是基本上没有什么瑕疵啊，整体的手势、头部动作等等还是非常自然的。但生成的这个视频越长呢，它资源占用也会越大呀。所以一般建议不要超过这个三十秒，不然它可能会就是占用会非常大。而且超过三十秒之后呢，它效果就是有时候会黑屏啊。所以暂时还是比较推荐三十秒及以内的。
这个数字人不仅可以说话，然后唱歌也是可以的，然后拿来做一些MV等等也是非常合适的。
七、参数设置与模式选择
然后开头也展示过了，参数设置呢，目前是在这个左下角，然后在这块呢，可以调节这个分辨率，和它的视频比例，还有这个视频时长，还有这个速度模式等等。
这个超高质量模式呢，就是没有用任何加速，就是原生的这个模型，细节和效果都是最好的，但是速度也是非常非常慢。所以如果追求更高细节的话，可以用它。
然后这个平衡模式呢，一般是比较推荐的，就是视频的细节效果和它的速度都还可以。
然后这个极速模式呢，一般是速度会比较快，但是细节可能会差一些。当然也可以开这个极速模式，然后把这个生成步数调到六，这样细节上呢也还可以啊。这个数字人模式可以用这个极速模式，感觉区别不大。
然后如果本地的电脑显存比较小呢，可以用这个低显存模式。
八、帧率放大与视频管理
然后这个版本呢也是加上这个帧率放大。然后之前有小伙伴啊，就是希望能加上这个插帧功能。它默认开的是这个二倍放大，如果是二十四帧的话，它放大之后就是这个四十八帧。但是这个放大速度也不快啊，也相对比较慢，因为用的模型是比较好的，所以可能速度可能会比较慢一些。
然后所有生成的这个视频结果呢，都在这个列表页可以看到啊。然后可以勾选这个所有的生成的结果，然后一次性打包下载啊。如果有一些效果不好呢，也可以直接删除就可以。
九、API支持与云端版本
然后这个工作台版本呢，我也是单独做了这个API啊。然后如果有需要这个API调用的话，也可以直接在这块就是进行API调用。然后这块有详细的一个例子介绍啊。
云端版本的使用呢，可以直接打开这个镜像，然后在线使用。然后这个镜像机子打开的时候呢，需要初始化一段时间，可以稍微等个一到两分钟。然后这个镜像正常启动之后呢，可以直接点击这个启动工作台。这样呢，你就可以直接在这个云网站上，然后正常运行这个程序了。然后使用上呢，和本地的版本没有任何区别啊，都是完全一样的。
十、本地版本安装说明
如果小伙伴们需要在本地用的话呢，需要注意一下，就是目前我发的这个软件包是本地版本，是包含两个部分的，一部分是这个基础的软件包，另一部分呢就是这个比较大的这个模型包。
然后在这个网盘这块呢，其实是有两块内容的。然后这个是个大版本，就是当前这个版本。然后这个是基础的这个环境包，里边包含了这个基础的一个环境，然后插件啊、运行环境等等。然后这个功能模型包这块呢，也是需要下载的。然后这个主要就是这个Minimax H3的这个模型包。然后如果要用这个H3相关的这个所有的功能的话，就需要把这些模型都下载下来。
然后这两个下载完了之后呢，然后把这个模型包正常解压。然后解压完了之后呢，就是找到这个模型包的这个，就是第一个主目录，就是这个名称的这个文件夹，然后里边不要有任何嵌套。里边的文件夹是长这样，然后把这个模型文件夹放在这个软件的models这个文件夹里边，然后保持这个目录就可以了。这样就可以正常打开这个工作台使用。
十一、软件更新机制与反馈渠道
因为这个模型很大啊，然后基本上变动会比较少啊，所以就是为了后续方便更新它的一些代码等等。所以本地这块呢，我做了一个分离啊。这样后续有什么功能啊，或者方案一些更新，就只需要更新这个软件基础的这个包，然后这个模型这块就不太需要动它了。这样更新起来会快很多。当然这块也有个使用说明文档，如果不太清楚的可以看一下这个使用说明文档，或者在群里问一下。
好，整体上这个工作台第一个版本就是这些，因为是第一个版本，所以可能有很多问题啊。然后我这边在测试的时候也是一边用一边改啊。然后如果小伙伴们用起来有什么问题的话，然后也可以在左下角这个反馈渠道里边，然后就是及时发出来，然后我看到之后我都会快速修改。
然后我这边也专门发了一个这个飞书文档，然后大家用的时候有什么问题也可以及时的在这块然后记下来，然后也可以截图发一下，这样看起来会更快一些。然后我这边后续都会尽量的以这个文档里边的这些新的一些需求啊，或者一些故障等等，以这些然后来进行参考，进行快速修复。好，整体上这些视频就是这些。然后这个本地版本和云端版本我都已经发出来了，然后感兴趣的小伙伴可以试一下。感谢您的观看。
