实测MiniMax H3做后期和动效夯中夯，视频界的审美王来了！

在昨天, 运用新推出的 H3 视频模型这种东西, 给一款薯片跑了一个具有创意性质的广告。

这个效果有点意思啊。

而且还是2K的，

我拿着1080P的2.0, 用相同的提示语, 又跑了一个, 呈现出的效果是如此这般的。

实话讲, 对于这种实拍与线条动画相结合呈现出的整体感觉, 我不禁产生这样的想法, 怎么会觉得这两种效果几乎是差不多的呢?

但H3只要四分之一的积分就能跑一条。

这一回, 直接分成六个场景来测了一下, 分别是广告TVC、短剧、创意片头、动态海报、UI动效以及游戏实机, 一块儿瞧瞧是否能够丢到工作流里直接去用。

偷偷讲, 将H3与LibTV之中的Skill进行结合, 一次尝试, 发觉有着奇特且显著突出出人意料引人瞩目的良好神奇效果。

大概我过了一遍H3的能力, 其能够生成5到15秒的视频, 具备原生双声道声音, 常用画幅基本都被覆盖。一次最多能放置9张图、3段视频以及3段音频, 混合参考素材最多可以放置12个, 提示语最高支持7000字符, 并且可以直接输出2K。

从通俗的角度来讲, 就是人物呈现出的模样是怎样的, 中间期望形成的画面是何种样子，镜头将会如何运动, 配乐具体是什么样的风格, 特效打算仿照哪一条视频, 能够将这些一起提供给它, 它能够把图片、视频以及声音放在同时去进行理解, 这一步骤替我们省去了诸多周折。

然后在LibTV里还可以把H3和结合，更是省了不少事。

比如说, 要是打算做一支新中式美学的TVC, 我能够径直去调用对应的H3, 接着将产品以及需求放置进去, LibTV的Agent在问询了一些您的审美倾向上的信息后, 便会自动于画布之上构建节点, 进而完成整项流程。

接着，我们就能一次性得到效果还不错的影片。

没错, 就 LibTV 里头的情况而言, 先前我们已然发布了一篇文章, 详尽地讲明了如何去运用它, 怀有兴趣的各位是能够前去瞧一瞧的。

实地检测LibTV Agent, 在将100个AI视频工作流重新组合完成之后, 我获得了创意方面的自由。

在测试进程当中, 我发觉与真人短剧相搭配的这个, 这般这般的H3视频模型, 同样是能够具备良好的表现成效的。

制作而成的短剧, 其中真人的一致性呈现得挺好, 音色的保持状况同样不错。整体的场景看上去极具质感, 清晰度也是相当高的。其中涵盖了一些道具的细节之处, 场景的设计方面, 均做得极为到位, 人物的表演也显得颇为自然。

并且, 于这个自动生成画布的进程里, 每一个人物, 每一个场景哦, 以及那些分镜镜头, 都会拥有单独的节点哟你也能够瞧见每一个镜头下方的提示语。这就意味着哩, 要是你对于一次生成出来的完整成片感到不满意, 便能够随意更改其中的任何一个镜头再重新生成。

并且, H3的积分耗用并非那般高, 通常状况下, 当我谋求批量生成之际，一个提示语能够一次性抽取4个镜头, 或者是8个, 压力不会那般大, 不会那般令人心痛。

并且, 哪怕我们不去进行挪用, 仅仅是于画布里单单创建节点, 运用H3模型来开展单个镜头的生成, H3的表现亦是颇为出色的。

比方说, 我制作了一个电影片头, 这个片头是美式拼贴动画风格的, 我给到它的核心提示语, 大概是像这样的。

生成一个时长为15秒的、16:9横版的原创科幻冒险动画电影片头，其片名为《NEON 》。磁悬浮快递少女NOVA REY以及声波精灵BIX带着“黎明唱片”, 进而穿越那个由音乐频率加以驱动、持续不断折叠分裂的平行都市, 然后朝着天空电台赶去。整部片头全然采用复古日系动画片头样式、硬边剪影手法、漫画印刷拼贴技巧、非对称分屏形式、网点颗粒效果、套色偏移处理、纸张撕边模样、速度线以及强烈几何色块构建, 主要颜色是电光青、酸性黄、珊瑚橙、洋红、深靛蓝与黑色。其氛围展现出青春、酷、自由、灵动的特质, 不存在悬疑、犯罪元素。先是黑底定位线出现, 接着画格、人物、唱片、轮鞋火花以及城市建筑跟着鼓点撞入, 随后建筑翻转、街道折叠, 并有角色连续穿越还撞破画格, 之后英文署名“A FILM BY ELIAS NORTH”“ MIRA VALE”“MUSIC BY JUNO ”依次出现, 最终定格“NEON ”以及“ネオン・オーバードライブ”, 每条文字都只出现一回, 转场采用唱片遮罩、长影擦屏、巨大字母遮罩、边框重组以及色块硬切, 而非柔和溶解。BGM运用合成器贝斯, 采用切分鼓点, 伴有琶音, 还有电吉他以及短促铜管, 结尾处唱片迅速停止并重重敲击进行定格。不包含蜘蛛, 不包含蛛网，不包含超级英雄制服, 不包含现有角色, 不包含真人写实, 不包含三维卡通, 不包含中文, 也不包含乱码。

提示语还可以, 不算特别复杂, 然而在开始跑之前, 我相当担心会把这种拼贴效果做得极类PPT, 不过实际效果远比我预先设想的要好许多, 起码要是我在一部动画剧集的开端瞧见了这样一个动画片头, 我认为是能够接受的, 甚至会觉得颇具风格。

而后, 我依照这个思路, 制作了一个MV, 它是之前较为流行的Kpop风格, 是真人实拍的方式与这种拼贴杂志风相融合的表现形式。

其实, 我所想知道的是, 在维持真人稳定且一致这个状况之下, 是否还能够让文字展现出比较具备冲击力的视觉效果, 与此同时, 又能够保持文字的稳定性。

选取参考图里的三位成年女性作为固定女团成员，生成时长为15秒、画面比例为16:9的真实KPOP女团MV, 三人全程自然开口去演唱, 嘴唇要跟歌曲英文歌词保持同步, 具备真实下颌、呼吸以及演唱表情, 不要闭嘴摆拍, 严格维持三人的脸、发型、身材还有粉黑银服装一致。

照着参考视频那种快节奏的硬切, 还有鱼眼近景, 以及闪光灯、人物定格、拖影、分屏以及时尚杂志拼贴来模仿。主色是芭比粉、黑、奶油白和镜面银。把“PINK LIGHT”“ONE TOUCH”“TURN IT ON”“BASS RUSH”“LIP GLOSS”“ IT UP”“ HEART”“NO ”“”“”直接弄成超大的动态歌词, 随着演唱一个词一个词地出现, 遮挡住人物或者超出画框, 粗体跟超窄字体混合排版, 拼写要清晰准确。不能有AI脸, 不允许换脸, 要禁止闭嘴, 人物融合不行, 畸形手指不能出现, 乱码不可以有, 额外人物得杜绝, 水印不被允许存在, 缓慢转场是被禁止的。

我提供了作为参考的真人图片还有一段已完成的音乐, 实际呈现给人的那种效果就在于, 可以看到人脸依旧还算保持着较为像样的感觉, 人物它呈现在那、作为道具的话筒以及经过拼贴呈现的背景, 就感觉犹如那处在同样的一个空间范围里面, 印刷出来的纹理还会跟随着呈像的镜头产生相应的变化, 有几个在节奏上的关键节点干脆利落, 并且并没有把那特效一股脑地完全涂抹到人脸之上, 给到我这样一种总体感觉就是, 名为H3的那种审美风格挺内敛但又确实比较灵巧, 它心里是明白什么时候适合充分展露什么时候适合有所收敛的。

该视频使用了AI生成技术

走向产品范畴, 除开我们起始那种创造性产品广告以外, 实际上存在两种我并非时常去检测但于实际情形里需求量还算颇为可观的视频类别, 动态的海报归属其一, 产品的UI网页动态属于另一种。

这两种动态效果, 要是放置在社媒平台予以展示, 又或是放于官网进行呈现, 实际上均都需要相对较为收敛着些。当下诸多的AI视频模型往往会做得颇为夸张, 超出了理应呈现的动态范围。这便对视频模型对于这种动态的理解水平提出很大考验, 换而言之, 那就是它必须得明白什么样的呈现形式才最为契合这类视频的需求。

先来瞧瞧动态海报, 我先是用了方才的洗发水产品制成了一张海报图, 接着便吩咐H3给我“制作一个动态海报”, 是的, 提示语就是这般简单。

效果出来的时候，我一直盯着字。

原因在于, 当这种动态海报制作完成时, 心里特别担忧产品上的字会变得模糊不清, 又或者仅仅只能维持一秒便飞逝不见。然而, H3所呈现出的效果却是, 产品上的字不仅没有出现模糊的状况, 并且是以动态海报那种相对收敛的动效风格, 把整个视频里的元素逐个展现在画面之中, 整体的表现极为恰如其分。

紧接着的是UI展示视频, 在我个人看来此视频极其厉害, 能够被说成是夯中之最。我仅仅拿出了一张产品图, 以及一段这样的提示语。

一款高端的头戴式耳机官网的UI/UX动效视频, 核心展示的是图片1里的白色耳机, 页面选取黑、灰、暖白进行配色, 运用倾斜的超大粗体文字进行张扬排版, 背景融合了动态光影、碳纤维、声学网布以及声波纹理, 视频以单页面、一镜到底的方式流畅地向下滚动, 顶部导航是固定的, 耳机经由效果稳定缩放并移动到右侧, 左侧依次呈现降噪、音质、续航等卖点, 鼠标悬停的时候, 只有局部按钮或者卡片产生放大、颜色反转以及弹性反馈。在整个过程当中, 要让耳机造型、暖白色的配色以及“”这个字标始终保持相同, 不被允许出现页面跳转、布局发生变 化、产品产生形状改变、镜头进行切换以及出现乱码的情况。呈现出16:9的比例, 具备4K的画质, 拥有源自高级运动科技官网的那种质感。

那之后我所获取到的呈现效果是这般模样的, 文字, 布局, 交互逻辑均处于良好状态, 最为厉害的是, 此视频里 UI 界面所关联到的文字全部都是由 H3 自行生成的。那些常负责制作 AI 视频的人士理应清楚, 意图在某一个视频当中固定住如此数量众多的文字, 而且是在具备动效的情形下还能够让大部分文字都维持稳定, 这可是一桩超级超级超级艰难的事情。

接着瞧瞧游戏实机展示, 这要求模型拥有强悍的联想能力, 鉴于我们未曾给予它游戏里的道具页面, 也没有给开机页面, 就连游戏中的游玩页面参考图都没给, 我仅仅给了一张人物图, 以及一张UI风格图, 还有一段提示语。

角色参考图一, UI风格参考图二, 进行高角度俯拍。NIX盘腿坐在有着电光青色涂鸦的地面, 然后抬头看向镜头。菜单在右侧显示, 内容有START NEW RUN 、（高亮）、GEAR , 左上角显示NIX / LEVEL 19。当光标点击后, 镜头推近右脚那里, MAG - STEP面板滑入, 选项从GRIND MODE切换至WALL - RUN。鞋底装甲分开, 活塞伸展, 磁力轨道旋转着锁定, 黄色线圈与青色能量依次亮起。镜头转向左侧, MODS网格呈现出来, 迅速切换SOLE、COIL、HEEL。磁力鞋跟右臂手甲逐个部分拆解再重新组合, 新的线圈、推进器以及抓钩模块吸附着进行安装, 导轨与线路露了出来, 爆出橙色火花。点击LOCK, UI收缩变成贴纸飘散开来。NIX单膝站起来, 手甲装填弹药, 磁力鞋展开。进度条被填充到100%, 青色空间变暗淡, 城市通过扫描线一层一层加载。立体涂鸦都市、悬浮轨道、广告牌、车流、无人机还有列车显现出来。镜头变换成第三人称视角了, 这个时候那HUD出现了, 还有任务RACE THE LINE—420M。然后这NIX开启冲刺模式发射了那抓钩, 紧接着它整个人腾空而起还连着翻转动作了, 之后成功切换成滑轨模式稳稳地落在腾空高架轨道之上, 一路带着黄色火花气势如虎地高速滑进城市里头了。

呈现出这样的效果, H3似乎极为通晓游戏UI的审美标准, 并且我必定要再次又再次又再次又再次夸赞一回这个文字的稳定性, 根本没有什么可挑剔之处, 我能够直接把它运用到游戏宣传片里的演示环节部分, 甚至我认为它还能够创造出更多有意思的效果, 大伙赶紧展开奇思妙想！

到最后, 我又专门单独测试了一条有关游戏人物的、具备大动作展示呈现的视频, 讲真, 实际情况确实真挺好, 依我个人的看法, 当你处于想要把控住成本的状况之下, 去替换掉一部分由2.0版本制作出来的镜头, 这是完全能够满足使用需求的。

到这，我对 H3 最深的印象归根到底还是两个词，

有审美，懂克制，这两点很重要。

它在片头里, 能够管住色块以及字卡, 在MV里, 可以清楚特效做到别糊脸, 对于海报而言, 就算动起来之后、版式还是维持着, 而到了像是游戏跟UI这种复杂的情况之下、于镜头面以及空间还有界面方面、也不存在一跑就散了情形呢。

当然，还是有它的权威性在的，更何况现在.5还上线了，

但像这种特效类、后期类或者需要控小文字的稳定的视频，

我现在非常愿意先让H3跑一跑，

真人短剧类型或者风格化的TVC，在已经有很成熟的情况下，

我也很愿意直接丢到LibTV里用H3抽四个八个先走一轮。

768p 的 0.1 /秒，2K 的 0.2/秒，

还要啥自行车啊。

我真是爱惨了这种又用新模型加入常用列表的感觉了！

@ 作者 / 卡尔 & 阿汤