产业观察
【AI】巨型鸟类占领世界
📋总体概括
博主分享AI视频生成试水体验：先用豆包生成图片，再用本地部署的MiniMax H3做首帧图生视频，配合8步LoRA。整体效果一般，博主认为问题出在豆包的图片质量上。不过MiniMax H3的多模态参考能力表现亮眼，仅凭一张几维鸟图片就生成了相当真实的踢球画面，但生成效率堪忧——5秒视频耗时30多分钟。博主同时表达了期待2026年出现更好本地文生图模型的需求，反映出当前AIGC工作流中各环节能力参差的现状。
⚡关键信息
- ▸博主用豆包生成图片，再用本地部署的MiniMax H3进行首帧图生视频，搭配8步LoRA加速
- ▸整体生成效果一般，博主将问题归因于豆包生成的首帧图片质量
- ▸MiniMax H3的多模态参考能力表现出色，仅凭一张几维鸟图片就生成真实感较强的踢球画面
- ▸生成效率是短板：5秒视频在本地跑了30多分钟
- ▸博主期待2026年出现效果更好的本地文生图模型
🔥犀利点评
典型的本地AI创作流痛点实录：文生图、图生视频、参考生成三段能力不齐，最弱一环决定成品下限，所以「豆包的锅」未必是甩锅，首帧质量确实直接框死视频上限。MiniMax H3能凭单图理解「几维鸟踢球」这种概念迁移，说明多模态参考是真有东西，但5秒30分钟的本地速度说明消费级硬件离流畅AIGC创作还差得远。与其等2026的模型，不如先把工作流短板拆开逐个换件。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 bilibili-36 阅读全文 →