免费方案的局限性与付费路径选择
目前AI视频生成领域，免费方案仅能制作五到十秒的简单动作或情境短片。若用户有类似红果短剧的剧情需求，或使用Google Flow、Veo等工具进行定制化创作，免费额度通常无法满足效果要求。因此，本实测聚焦于两种付费解决方案：一是追求性价比的Colab云端租赁加MiniMax H3模型方案；二是追求高品质与便捷性的Kie.ai平台调用Seedance 2.5最强模型方案。作者的工作流核心目标是仅通过Agent生成影片，完全不开启ComfyUI或剪辑软件，以实现极简操作。
“如果你想要做出像那种红果短剧啊或者是有一些有剧情的...你可能没有办法使用像Google Flow或是Google Veo这种AI生成影片的方式来去制作。”
Colab云端租赁方案：硬件成本与计费模式解析
Colab方案的本质是租用Google云端搭载RTX PRO 6000（96GB）顶级显卡的主机，运行本地生成的AI工具。自行购买此类主机成本高达60万新台币（不含外设），而云端租赁按单位计费，10个单元约等于3.4元新台币。该方案适合个人用户，因为企业级硬件难以通过零售渠道获取。作者指出，租用主机比购买更划算且无需维护。在计费方面，Colab提供“随用随付”和订阅两种模式。对于拥有Google AI Pro（20美元/月）的用户，每月赠送200个单元额度，且这些额度若当月未用完可累积至多90天。作者强调，切勿浪费这每月赠送的200单元，因为这是高性价比获取算力的关键。
“主机而已还没有含屏幕那些...所以理论上来说你不太可能个人用户买到这样的主机。”
工作流优化与生成效率对比
Colab方案的优势在于作者已预先在GitHub仓库中完成了所有工作流的搭建与优化。相比官方预设流程，作者的工作流将生成速度提升了1.5倍至2-3倍。在本地运行AI视频生成的门槛极高，即使使用RTX 5090显卡，生成5秒影片也可能耗时十几二十分钟。而通过Colab云端主机运行优化后的工作流，生成一部短片通常在一到两小时内即可完成。作者的工作流价值在于“踩坑”与加速，用户只需克隆仓库即可直接使用。对于拥有AI Pro账号的用户，200个单元足以支撑约22小时的主机全开运行时间（每小时消耗8-9个单元），足以制作多部短片。作者建议用户利用Agent自动监控并关闭主机，避免闲置扣费。
“我的工作流我已经是优化过速度...比官方预定的工作流应该是快了两三倍。”
云端连接与Agent自动化操作演示
实际操作中，作者通过Claude Code或Codex等AI Agent连接Colab。用户需登录Google账号，并通过浏览器完成OAuth授权。Agent会自动处理复杂的CLI（命令行界面）连接步骤，包括生成和粘贴授权Key。用户只需提供权限并确认登录状态，Agent即可接管后续的资源监控与任务执行。作者演示了如何通过终端界面查看剩余单元数（如主账号显示的200单元），并强调90天后未使用的额度会清零。对于学校或企业用户，如制作园游会宣传视频、性平课程范例或校庆短片，此方案提供了低成本且高效的解决方案。作者提醒，学生折扣账号可能无法享受赠送额度优惠，需确认账户类型。
“你本身没有3D加速卡没有关系...把这一百个单位把它用完。”
云端部署与 Agent 自动化工作流
本次实测试图通过 Google Colab 结合 MiniMax H3 模型，实现低门槛的 AI 视频生成。核心策略是利用 GitHub Repo 配合智能 Agent（如 Codex）自动化完成云端环境的搭建与运行。用户只需将两个关键的 GitHub 仓库链接发送给 Agent，并明确指示其在 Colab 上执行安装与生成任务。Agent 会自动连接至 Google Cloud 的 G4 GPU 实例，该实例配置为 32G VRAM + 64G RAM，足以支撑本地生成视频的工作流。整个过程无需用户手动下载或配置复杂的环境依赖，Agent 会从 MiniMax 官网直接拉取资源并部署在云端主机上。
“你只要把这两个 GitHub 都给他，跟他讲说我就是要照这两个 repo 在你的 Colab 上面去生成影片，然后他就会帮你打开。”
这种模式的优势在于算力资源的弹性获取。由于 Google Cloud 拥有大量闲置的 G4 机器，用户几乎可以即时租用到所需的计算资源。对于普通创作者而言，操作界面被简化为单一的对话窗口：用户只需关注“生成什么视频”的内容指令，而底层的硬件调度、软件安装及推理过程均由 Agent 在云端完成。这种“本地体验，云端算力”的架构极大地降低了 AI 视频生成的技术门槛。
“山狮霸 Drama”编剧技能与脚本价值论
在视频生成的工作流中，作者强调“脚本才是 AI 生成影片时代最有价值的东西”。当视频生成的技术门槛普及后，内容的共鸣感与独特性将成为核心竞争力。为此，工作流中内置了一个名为“山狮霸 Drama”的编剧技能（Skill），专门用于将零散的想法转化为结构化的短剧脚本。该技能遵循一套固定的“戏剧化”公式，要求脚本包含明确的转折点、夸张的动作分镜以及前后呼应的台词逻辑。
“影片厉害没有用，你知道吗？你的内容要好，那这个视频才有价值。”
“山狮霸 Drama”不仅生成文本脚本，还会输出分镜表和十六宫格的分镜草图（试映），甚至包含配音读本。这种“漫画式”的预演方式允许创作者在消耗大量算力生成正式视频前，先通过低成本的静态图像和音频检查节奏与片长。默认输出格式为 9:16 竖屏，因为作者指出在 Facebook 等社交平台上，竖屏视频的观看率显著优于横屏。然而，针对学校园游会或校庆等特定场景，创作者需主动指令 Agent 调整为横屏格式。这一环节的核心在于人机协作的提示词工程：用户不能凭空要求脚本，而必须输入基于自身专业经验（如教学现场观察）的“梗”、痛点或场景设定，由 Agent 进行扩展和结构化。
角色资产构建与图像生成天花板
在确定脚本后，视频生成的另一大难点是保持角色的一致性。作者指出，目前OpenAI 的 Image Gen (Image 2.5) 是生成图片的“天花板”，也是解决角色一致性的最佳方案。与传统需要训练 LoRA 模型的方法不同，本工作流采用“角色资产”（Character Assets）的概念。用户无需进行复杂的模型训练，只需利用 Codex CLI 或 ChatGPT 生图功能，为每个角色生成一套标准化的参考图集。
这套“角色资产”通常包含：全身正面定装照、面部近景特写、四分之三侧面图以及背影/转面图。这些图片被存储在本地项目文件夹中，作为后续视频生成的固定参考输入。当 Agent 执行生成任务时，会将这些预制的角色资产喂给视频模型，从而确保视频中的人物形象在不同镜头和场景中保持高度一致。作者强调，“你不需要训练人物，你只要做角色资产就好了”。通过这种方式，创作者可以建立自己的专属角色库（如“阿福”、“小文”等），并在不同的脚本中灵活调用，实现了低成本、高效率的角色复用。
实战案例：台风假脚本的生成与迭代
为了演示上述流程，作者现场展示了一个基于“台湾台风假”主题的短视频生成案例。用户首先向 Agent 输入核心创意：场景为教学环境，背景是台风天放假，涉及老师担心进度而提前派作业、学生关注台风动向等共鸣点。用户并未提供完整剧本，而是提供了“梗”和情景锚点（如“无风无雨也放假”、“打赌没放就送台積電炸雞店”等网络热梗），并要求 Agent 搜索相关共鸣点并撰写脚本。
Agent 随后加载“山狮霸 Drama”技能，经过搜索、整理和自检，输出了包含故事大纲、分镜表和台词的完整草案。在审核环节，作者对脚本进行了微调：保留了“老师加派作业”的反转梗，但删除了涉及真实县市长或过于低俗谐音的部分，以确保内容适合学生观看。最终确定的脚本时长控制在 90 秒以内，并通过现有的角色资产（如学生“阿福”）进行匹配。这一案例清晰地展示了从模糊创意到结构化脚本，再到角色绑定的完整闭环。作者再次强调，提示词的质量直接取决于用户自身的专业洞察（如教师对教学现场的理解），AI 只是将这些专业经验放大并具象化的工具。
“你不能够没有东西进去，你沒有東西進去他出來的東西就沒有那麼的有價值。”
角色资产构建：本地存储与Agent调用
在AI视频生成的工作流中，角色一致性是核心难点。作者提出将教室场景分为“从后往前看”和“从前向后看”两种视角，以确保空间逻辑的一致性。制作流程的第一步是创建角色资产（Character Assets），用户只需向AI描述所需角色，AI便会生成对应的形象。这些资产一旦建立，便存储在本地硬盘中，而非云端平台。
“角色是存在你自己的硬碟裡面 不用存在雲端...我的話我是用 Agent 去接嘛 我不管接哪個平台 我的角色資產就是從 我的電腦 Agent 這邊上傳”。
这种本地化策略允许用户通过Agent在工作流中直接调用这些参考图。例如，在“AI研习宇宙”系列中，作者建立了包含学生、讲师、教授等多个人物的文件夹。当需要生成特定短剧时，只需在Agent中指定使用该系列的角色资产，AI便会自动将这些人物套入剧情。虽然初次制作需要花费时间建立这些资产，但一旦完成即可重复使用，极大提升了后续生成的效率。声音方面同样可以固定，用户录制自己的声音样本提供给AI，即可实现角色与声线的绑定。
Colab自动化流程：从脚本到分镜草图
完成角色资产后，进入Colab自动化生成阶段。作者演示了如何利用Agent将脚本文本转化为可视化的分镜草图。这一过程并非直接生成视频，而是先进行前置阶段的图像生成。作者强烈建议使用 Codex CLI 的 Image Gen 功能来生图，因为其订阅方案（如20美元）包含无限生图的额度，相比其他按次付费的工具更具成本效益。
“我個人建議最佳方案應該是你用 Codex 來去接這個工作的最好...你不用再額外花錢”。
在演示中，Agent首先生成了16宫格的分镜草图，将剧本拆解为具体的镜头画面。例如，在“台风天”的短剧脚本中，Agent生成了包括教室、便利店等场景的分镜。作者指出，每个分镜对应视频中的一个画面起点，通过这种方式可以实现对画面的100%控制。如果用户对分镜不满意，可以在生成视频前进行修改。此外，Colab作为云端环境，使用后需关闭以停止计费（按单元计算），作者实测生成测试内容仅消耗0.79个单元，且重启和下载模型仅需3-5分钟，时间成本可控。
Seedance 2.5：高成本的“天花板”方案
对于追求极致画质的用户，作者介绍了Seedance 2.5作为目前的“天花板”级AI视频生成模型。该方案通过 Kie.ai 平台获取API Key，并接入Agent工作流中。与Colab的自动化不同，Seedance 2.5的成本极高。
“一秒鐘 10 塊錢...頂級的這個生成影片的模型”。
作者详细拆解了Kie.ai的计费模式：这是一个点数制平台，非订阅制。用户需先充值（如50美元购买1万点），然后根据模型调用扣费。以Seedance 2.5为例，生成90秒的视频大约消耗900点（约合台币900元或相应美元价值），若需重新生成，成本会迅速累积。作者强调，这种高昂的成本意味着不能随意试错。因此，工作流设计为：先通过Colab生成低成本的分镜草图和配音试映本（Pre-viz），确认剧本、节奏和画面无误后，再调用Seedance 2.5生成最终视频。这种“先低成本验证，后高成本执行”的策略，是平衡质量与预算的关键。
审核机制：低成本试错的重要性
整个流程的核心逻辑在于分阶段验证。在生成昂贵的视频前，必须先完成“试映本”的制作。这包括由AI生成的图像分镜和语音合成（TTS）的音频轨道。
“生成影片的成本很高 所以我們先做這種事情...免得說你生成影片之後你才要改”。
作者展示了生成的试映本音频，其中包含角色对话和音效。如果用户发现台词错误（如“台风”的发音）或剧情逻辑问题，可以在这一阶段通过Agent指令进行修改。例如，修正角色名称的发音或调整场景描述。只有在试映本完全满意后，才进入最终的图像和视频生成环节。对于Colab方案，修改只需重新运行脚本；而对于Seedance 2.5方案，每一次重生成都意味着真金白银的消耗。因此，充分的预演和审核是避免高昂试错成本的必要步骤。
首帧控制与分镜策略：高可控性的核心逻辑
在AI视频生成中，完全控制影片节奏的关键在于对每一段首帧的精确管理。作者的工作流并非依赖单一提示词生成整片，而是先为每个分镜绘制或生成高质量的首帧图片（Storyboard），再以此为基础驱动视频模型。这种“先图后视”的方法虽然需要生成20-30张首帧图片，成本较高且耗时，但能确保画面内容符合预期。相比之下，仅靠提示词生成视频（即“抽卡”模式）往往需要反复重试以修正偏差，可控度最低。作者强调：“每一段的第一张生好...全部拼起来 它就會變成是一個 AI 影片”，通过固定首帧，可以精准控制每一页画面呈现的具体内容。虽然Seedance 2.5在云端可能具备更强的脚本理解能力，但为了公平对比成本与工作流，作者坚持使用相同的首帧控制策略。
时长限制与剪辑哲学：短镜头拼接优于长视频生成
在视频生成的技术极限上，本地模型MiniMax H3最高支持15秒生成，但人物易崩坏，实际建议不超过12秒；云端Seedance 2.5虽支持30秒长视频，但后期控制难度极大。作者指出，长时间生成会导致后半段画面失控，且一旦出错，重生的成本极高。因此，主流的高效工作流是生成5-10秒的短镜头，再通过后期剪辑拼接。这种策略符合人类视觉习惯——观众在5-10秒内就会因画面静止而产生疲劳，需要镜头切换（如远景、中景、近景）来维持注意力。除非是特定的连贯动作长镜头，否则不应追求一镜到底。此外，在分辨率选择上，直接生成1080p成本过高且效果未必理想，推荐先生成720p再放大至1080p；若从480p放大，效果往往不佳。这种“短镜头+后期拼接”的模式，是平衡成本、质量与可控性的最佳实践。
声音处理与技术门槛：语音合成难点及硬件配置建议
AI视频生成的另一大痛点在于声音与口型的同步问题。由于MiniMax H3和Seedance 2.5均为中国模型，其语音训练数据偏向大陆腔调，若需台湾口音，必须借助Voicy TTS等外部工具修正，增加了工作流复杂度。更重要的是生成逻辑必须是“先有声音再生成视频”，因为模型需要根据参考音频来驱动角色的口型同步；若先生成无声音视频再后期配音，会导致严重的唇形不同步。在硬件方面，本地运行高质量模型至少需要16GB显存（如RTX 4060Ti 16G），但运行吃力；推荐配置为RTX 5070Ti/5080或更高，而入门级的3060虽能运行量化模型但画质较差。对于算力不足的用户，作者建议利用Colab云端生成声音资产和首帧图片，再下载至本地进行视频合成。在效率优化上，Colab可通过同时运行两个ComfyUI实例实现1.5倍加速，结合本地单实例，整体生成速度可达2.5倍速。
并行测试架构与硬件配置
本次实测评测了两条AI视频生成路径：一是基于Colab云端运行两个ComfyUI实例配合本地MiniMax H3模型，二是使用Kie.ai平台调用Seedance 2.5模型。测试者同时启动了三个ComfyUI工作流（本地一台、Colab两台）以及Seedance 2.5，以验证多任务并行处理能力。本地主机配备RTX 5090显卡，Colab端使用G4实例。测试者强调，当机器全力运行AI视频生成时，显存会被完全占用，导致无法同时进行本地音乐、声音或图片的生成任务。这种高负载状态下，机器只能专注于单一的视频渲染工作。
"這是史上成本最高的一件一件 一件直播了好不好...我本機開一個 MiniMax H3 我本機是 5090 啊...再來 開兩個 Colab G4"。
工作流自动化与资源管理策略
在Colab路径中，测试者采用了高度自动化的Agent工作流。当视频生成完成后，Colab实例会自动关机以节省资源。若后续需要修片或审核，用户需重新连接Colab并重建环境。测试数据显示，云端环境的搭建与下载仅需3到5分钟。因此，如果审核或修改需求能在5分钟内完成，建议保持Colab在线以避免重复构建环境的耗时；若超过此时间窗口，则关机更划算。这种策略使得Agent在处理视频生成时几乎不消耗额外的API点数，因为主要算力由Colab和本地硬件承担。
"Colab 的部分啊就是 他跑完就會關了...如果你審影片 可以在 5 分鐘之內審完的話 你就可以不用關 Colab"。
Seedance 2.5的成本陷阱与操作失误
另一条路径使用Seedance 2.5，但其成本极高且容错率低。测试者指出，该服务按秒计费，价格约为每秒10元（货币单位未明示，推测为台币或美元高额计费），且重抽不退还点数。测试中发生了一个关键失误：忘记为Seedance 2.5输入角色参考音，导致生成的视频声音与原始角色资产不符。由于重跑成本高昂（涉及14支有台词镜头，约62秒视频），测试者无法重做。这一案例警示用户，在使用高成本云端服务前，必须确保所有前置条件（如角色声音资产）已准备就绪。Seedance 2.5目前支持720p分辨率，而旧版Seedance 2.0仅支持480p。
"角色參考音的話，需要重做 14 支有台詞的鏡...成本太厚了齁"。
生成效率、产出量与最终效果对比
在性能表现上，Colab加本机的混合方案展现了极高的效率。测试中，12个视频片段在Colab上仅耗时771秒（约12.9分钟），加上本地处理，整体流程迅速完成。测试者估计，凭借此工作流，熟练用户每天可产出6到7支1-3分钟的短视频。相比之下，Seedance 2.5虽然生成速度快（约15分钟完成同等任务），但高昂的成本限制了其大规模应用。在最终画面对比中，Seedance 2.5在动作和表情遵循度上优于MiniMax H3。H3仍存在部分提示词不遵循的问题，而Seedance 2.5表现更稳定。测试者认为，随着模型迭代（如H4/H5），本地生成将成为主流，因为云端API存在额度上限且成本不可控。
本地生成与云端生成的画质天花板对比
本次测试的核心在于比较“本地生成天花板”与“云端生成天花板”的实际表现。左侧使用的是在 Colab 平台上运行的 MiniMax H3 模型，其依托的硬件环境为 RTX PRO 6000（Colab最强GPU）以及测试者本地的 RTX 5090，这两者均代表了本地部署该模型的性能极限。右侧则使用了云端服务 Seedance 2.5，被视为云端生成的顶级水平。通过直观对比可以发现，两者在静态画面上的差异并不显著，但在动态表现上存在明显分野。测试者指出，虽然两者都需要后期修正（如修复发音错误），但整体完成度较高。这种对比旨在揭示不同技术路径下的画质上限，为后续的成本与效率权衡提供视觉依据。
混搭工作流：动静分离的策略选择
面对高昂的云端生成成本，测试者提出了一种“混搭”工作流策略。其核心逻辑是根据画面内容的动态需求分配生成资源。对于静态或低动态场景（如人物讲话、固定镜头），直接使用本地生成的 MiniMax H3 即可，因为画质差异不大且成本极低。而对于包含跑步、夸张动作或复杂特效的动态场景，则必须调用 Seedance 2.5（或其更便宜的版本），因为Seedance在动作流畅度和物理模拟上远优于 MiniMax H3。这种策略避免了“杀鸡用牛刀”的资源浪费，将昂贵的云端算力仅用于解决本地模型无法处理的动态难题。测试者强调，这种混合模式是当前平衡画质与成本的最优解。
成本控制：Seedance 2.5 vs Seedance 2.0 Mini
在确定使用云端动态生成后，价格差异成为关键考量。测试者展示了 Kie.ai 平台上的具体消耗数据：使用 Seedance 2.5 生成一段视频需花费 6930 点，而使用 Seedance 2.0 Mini 仅需 902 点。尽管价格相差数倍，但测试者认为 Seedance 2.0 Mini 的动作质量依然显著优于本地模型，且性价比极高。此外，测试者还提到单次使用 Seedance 2.5 生成90秒视频的成本高达 1074元，这进一步印证了直接使用“天花板”级云端服务的昂贵。因此，推荐的工作流是将复杂动态片段交由 Seedance 2.0 Mini 处理，其余部分由本地 Agent 完成。这种组合不仅大幅降低了总成本，还通过自动化剪辑流程减少了人工干预。
自动化后期与Agent协作模式
除了生成环节，测试者还演示了基于 Agent 的自动化后期处理流程。传统剪辑中需要手动调整发音、重新生成片段等繁琐步骤，在此工作流中被简化为与 Agent 进行自然语言对话。例如，当发现“台风假”发音错误时，只需告知 Agent 修正，系统便会自动重跑相关片段并重新配音合成。测试者建议用户一次性列出所有修改需求，而非分次提交，以便 Agent 能批量处理并开启 Colab 完成所有任务。这种“对话式剪辑”极大地提升了效率，使得非专业用户也能通过简单的指令完成复杂的视频修正。最终生成的内容可直接发布或稍作修饰后上架，整个过程无需打开传统剪辑软件。
结论
实测表明，Colab租赁搭配MiniMax H3模型是兼顾成本与效率的优选方案。该路径依托优化工作流，在云端G4实例上仅需约12.9分钟即可生成12个片段，且拥有每月赠送的免费算力额度，适合追求性价比及批量产出的用户。相比之下，Kie.ai调用Seedance 2.5虽在动作流畅度与表情遵循性上表现更稳定，但高昂的按秒计费模式（如90秒视频成本超千元）及极低的容错率使其仅适用于对画质有极致要求的特定场景。
最佳实践是采用动静分离的混搭策略：利用本地或Colab生成静态及低动态镜头以控制成本，仅将复杂动作片段交由云端处理。同时，“先低成本试映验证脚本与分镜，后高成本生成视频”的分阶段审核机制至关重要。用户需重视角色资产构建与提示词工程，通过Agent自动化实现从脚本到成片的全流程闭环，避免盲目试错导致的资源浪费。