Японский автор maruden production на note показал, как на RTX 3050 с 8 ГБ VRAM собрать полный MV без подписок. Ставка простая: если карта слабая, а бюджета на облачные сервисы нет, клип всё равно доходит до финала, только медленно.
Опорные кадры делает Qwen Image 2.1 Turbo: по словам автора, она справляется за 8 шагов, а на облачном расчёте Draw Things картинка приходит примерно за три минуты. Затем krea2 дорисовывает кожу и поднимает кадр до 1088×1920, а исходный Qwen-кадр сначала уменьшают до 720×1280. Начальный и конечный кадры обязательны: без них лицо у LTX 2.3 уплывает почти сразу.
Само видео делает LTX 2.3 IA2V с липсинком, под трек из Suno. Отрезки берут по 8 секунд, границы ставят на начало и конец пения и делают небольшой перехлёст для склейки в CapCut. Кадры с закрытым ртом держат лицо стабильнее, поэтому если нарезка не совпала с паузой, автор советует не бороться, а переиграть сцену или спрятать лицо при монтаже. Промпты тоже готовит ChatGPT, на английском, с подробным описанием. Гачи здесь много: автор обычно берёт результат после нескольких попыток, а если не выходит, правит промпт.
Дальше апскейл через NVIDIA RTX Video Super Resolution: 704×1280 превращается в 1056×1920, по мнению автора, это лучший баланс времени и качества. Потом Flowframes поднимает 24 кадра до 48. Автор прямо пишет, что без интерполяции разница в готовом виде заметна сильно.
Время такое: около полутора часов на одну 8-секундную сцену, из них 12 минут на генерацию с учётом неудачных попыток. Для трёхминутного MV автор ждёт 35–40 часов. Вывод: быстрым это не назовёшь, зато без подписки и с контролем над каждым кадром. Медленно, но своё.
Источникnote #動画生成AI

