一台显卡 + 三个免费技能，MiniMax H3 成了随时能远程控制的导演

#硬核捡漏

手里有张闲 4090 的朋友应该懂这种感觉：显卡挺贵，但日常吃灰。我最近花了一阵子，发现一套隐藏捡漏方案：把它折腾成了一套本地 AI 视频方案——从写提示词、自动出片，到手机远程喊它干活，全跑通了，软件一分钱没花。

先亮一下成本：软件全部免费开源，没买任何订阅；唯一的硬成本就是你自己得有张 4090 / 3090 甚至4060Ti 16G这类大显存显卡都行，再加电费。对比市面上按秒收费的 AI 视频服务，本地跑一次基本就那点电费，量大的话差距很明显。

下面把完整流程和踩过的坑，按教程的方式写给同样想折腾的人。

第一道坎：提示词不会写

H3 不像有些模型，你随便说两句它就能懂。它要的是带镜头语言、带声音设计的结构化提示词。我刚开始拿大白话写"生成一个电影感视频"，出来的东西人物直挺挺站着、镜头不动、一句话没有——跟会动的 PPT 没两样。

后来用官方免费的 h3-prompt-writing 技能，直接用中文说需求，它出标准提示词。

比如"拍一个女生雨天在火车上写信，最后说一句我下一站下车"，它吐出来的是中景镜头、缓慢推进、人物什么声线、哪句台词、配什么环境音，都写好的那一份。

这一步解决的是"提示词不会写"——你不用背那套英文字段名，Agent 帮你翻译过去。

提示词有了，怎么让它变成视频？最开始我是纯手工：开 ComfyUI 网页，把那段英文提示词复制进去，找到对应的节点一个个粘，再上传参考图、调比例、填时长，点提交，然后盯着进度条，渲染完了手动下载。一趟下来少说半小时，中间任何一步手滑粘错节点就得重来。

所以我搭了个 minimax-h3-video 技能，把这套手动流程全自动串起来。照着下面四步走：

① 装提示词技能。 在 WorkBuddy 里说"帮我安装这个技能：https://github.com/MiniMax-AI/MiniMax-H3/tree/main/skills"，它自动下载安装好。

② 从 ComfyUI 导出工作流。 在已经跑通的工作流界面，点菜单 → 导出（API），得到一个 .json 文件，里面包含完整的节点、参数和连线。

建议文生视频、图生视频、参考生视频各导一份，几种模式节点结构不一样，分开存省得后面混。

③ 让 WorkBuddy 接上你的 ComfyUI。 把 .json 丢给 WorkBuddy，告诉它你的 ComfyUI 服务地址、哪些节点字段可以替换（提示词填哪个节点、分辨率填哪个、时长填哪个）。

④ 封装成一个独立技能。 所有工作流都能跑通后，在 WorkBuddy 说"帮我把这些 ComfyUI 工作流和调用逻辑，封装成一个叫 minimax-h3-video 的技能"，AI 会帮你生成完整的技能目录（说明文件 + 组装脚本 + 提交下载脚本）。从头到尾我没写一行代码。

封装完之后，我现在出片就一句话。比如下面这个耳机带货短片：丢一张耳机参考图，说"让模特把商品耳机戴上展示"，Agent 自动判断 Ref2VA 模式、写提示词、上传参考图、提交 ComfyUI，后台开始跑。

1MP 大概 6 到 7 分钟，成片直接到手。

下面这个就是实际跑出来的结果。给一张耳机参考图，生成的竖版带货短片里，模特把耳机戴上、调整、对镜头微笑，耳机外观和参考图基本一致。

实际表现： 人物动作和商品展示比较自然，适合做商品详情页或朋友圈种草。缺点是 H3 目前不输出音轨，口播或 BGM 得后期另配；商品侧面细节偶尔会有点软。

流程通了，但人得守电脑。后来用手机版 WorkBuddy 远程连家里电脑，地铁上、出差酒店发指令，家里显卡自己开工，结果回传手机。

指令传回家里电脑，电脑上的 WorkBuddy 接活儿、喊 ComfyUI 开工。

干完了结果直接回传手机，手机上就能看到产物。

等于把本地显卡变成免费用"在线生图生视频服务器"，不用租云、不用搞公网 IP。素材全在自己电脑上，隐私可控。

下面这段就是纯手机发需求、家里电脑自动跑的：两个人在咖啡馆聊天，带电影感，10 秒、16:9、1MP。

实际表现： 镜头从全景建立到双人镜头回切，氛围和光线都不错，口型、表情和肢体基本能对上。因为是纯文本生成（T2VA），没有人物参考图，人物长相每跑一遍会变；想固定演员，给两张人物参考图走 Ref2VA 就行。长镜头偶尔有轻微漂移，当短视频第一稿够用。

花费：软件全免费开源，唯一成本是你已有的显卡 + 电费；对比商业按秒收费约 1 元/秒，量大不便宜。
门槛：得有大显存显卡，电脑常开联网，ComfyUI 常驻。
适合谁：手里有这类卡、还经常要出短视频、商品片、口播素材的人。搭一次，后面每次省半小时，这笔账好算。
不适合谁：只想偶尔玩一下、或者手头压根没显卡的。租云或者用现成 App 更省心，别为了这个专门冲一张卡。
上手建议：现在加速 lora 多了，默认 1MP + 5~10 秒很稳，不用死守 0.8MP；参考图用清晰正视图；电脑常开、ComfyUI 常驻，手机远程不用公网 IP。

总结一句：软件零成本，门槛全在硬件。有卡就值，没卡先别冲动买卡只为这一个用途。