Японский креатор сделал 267 версий 104 сцен исторической драмы на MiniMax H3; подсчёт он привёл на 27 сентября 2026 года. 142 ролика отправились в архив — больше половины генераций ушло не в монтаж, а в проверки и переделки. Для тех, кто делает ИИ-видео, это главный вывод: время съедает не первый результат, а бесконечное «тут бы поправить».
В заметке на note автор гайда пишет: одна генерация ролика примерно на три секунды занимала около 217 секунд и стоила около $0,04 при оплате через под. Но проблема оказалась не столько в цене, сколько в ручной проверке дублей. Из 63 видео только 27 совпали с репликами сценария. Автор связывает это с тем, что фразы в кавычках были лишь в 8 из 97 видеопромптов. Не универсальный тест модели, а личная статистика автора на связке H3, RunPod и ChatGPT.
Что он поменял: реплики стали просить произносить прямо во время генерации. В прошлой работе с собачьим TikTok-клипом добавленный позже голос не совпадал с движением рта. Ещё одно правило — сцены короче 9,5 секунды: такой отрезок можно генерировать на RTX 4090, а длинные сцены, по расчётам автора, обходятся на 25–35% дороже. После последней реплики он оставляет минимум три секунды: модель может выдать её на 1–4 секунды позже плана.
До генерации креатор советует подготовить референсы персонажей — анфас, профиль и выражения лица — и схему фона. Голос тоже нужно определить заранее: тембр, диапазон и ритм, чтобы героев можно было различать; персонажу без заданного голоса реплик не давать. Думаю, в этом и есть практичная часть разбора: меньше надеяться на удачный дубль, больше фиксировать решения до генерации. Автор отдельно предупреждает, что его правила завязаны на собственный пайплайн, а следующей темой называет стартовый и финальный кадры сцены.
Источникnote #動画生成AI
