这周关注数字人创作的朋友，大概率被一个名字刷屏了：MiniMax H3。B站的数字人分区几乎成了H3工作流专场，音频驱动对口型、动作迁移、数字人唱歌、长视频拼接，一条音频驱动的技术实测视频播放量超过2万。
先把时间线补齐：7月31日，MiniMax发布新一代全模态视频生成模型H3，三天后直接开源权重。知乎8月3日权重开放后，H3成为首个登顶Artificial Analysis全球视频榜单的开源模型。知乎8月20日，MiniMax又推出多模态创作平台MiniMax Design，把H3接进完整创作任务链。微博
于是不少做数字人口播、短剧的朋友心动了：开源了，是不是等于"数字人自由"，不用给平台交月费了？先泼盆冷水：开放权重不等于零成本。我把这周B站、知乎、小红书上的实测和踩坑记录翻了一遍，给大家算三笔账，算完再决定走哪条路。
第一笔账：显卡可能是第一道门槛
H3的模型文件不小，社区把完整权重的五个组件叫"五件套"，总重34GB起步。知乎官方给的SGLang示例用的是4张GPU，从未承诺消费级单卡能完整跑起来。知乎社区实测的现状大致是这样：
8GB显存：能跑。有人用RTX 4070笔记本（8GB显存）加32GB内存跑通了带声音的文生视频，优化后一条短片段的生成时间从500多秒压到150秒左右。知乎但要有足够耐心。
12GB显存：跑768P，5秒的片子大约要等10分钟；冲2K，5秒大约25分钟。知乎能跑，但15秒的连续镜头等起来很煎熬。
16GB显存：5060Ti要开–novram把模型卸载到内存，靠原生节点5秒片子约3分钟，“能用但不算快”。知乎
24GB显存起：社区普遍把24GB当成生产起步线，3090、4090这类卡显存余量足，少了很多来回搬运数据的折腾。
还有一个容易被忽略的点：H3本地开放的核心是H3-Base，原生画布短边约768像素，完整2K链路里的Context-IR与Regenerate-2K并没有以同样方式开放。知乎
也就是说，“H3系统最高支持2K"不等于"下载到本地就能直接出2K”，想要2K成片还得走官方云端能力，API成本照样要算进去。知乎顺带一提，H3火了之后，知乎上已经有人晒出京东5060Ti的价格走势，感叹16GB显存的卡"被带飞了"。知乎真要为它专门买卡，别在高点冲动下单。
第二笔账：时间和学习门槛，比宣传里高
先澄清一个常见误会：H3不是"数字人软件"，而是一个开放权重的全模态视频生成系统，能在同一个上下文里理解文字、图片、视频和音频，联合生成画面、对白和环境声。知乎想做数字人口播视频，得自己搭链路：TTS生成音频，音频驱动H3出对口型画面，再做拼接、放大、补帧。社区说的"双采"“音频驱动”、Ref2VA、FL2VA节点，都是这条工作流上的玩法。
评论区的真实声音比弹幕热闹得多。有人说，太复杂了，都做数字人了，没必要再排列组合那么多种了吧。哔哩哔哩也有人吐槽，H3太难了，以前的模型刚出来没几天我就搞明白了，H3现在还卡着，不知道干啥。哔哩哔哩
踩坑报告同样硬核：照网上的4080教程在5060Ti上抄作业，大概率直接卡死，差一个CUDA版本，模型就跑不了。知乎分辨率必须是32的倍数，否则直接报错；视频VAE和音频VAE要分开解码；指定中文台词还可能出现发音不准、内容变化或中英文混合，稳妥做法是H3只负责画面和环境声，对白用中文TTS单独生成，后期再做口型同步。知乎也难怪有高赞评论感慨，昨天的刚学知识今天就变成粪便了。哔哩哔哩节点和工作流迭代飞快，上周的教程这周可能就过时了。
还有一笔容易被低估的成本：抽卡时间。小红书有创作者实测100条视频，其中一组10条里只有4条能直接用。小红书本地生成不要钱，但时间不是。而且数字人口播一般是2到3分钟的长音频，H3单次出片按秒算，评论区里大家都在等长音频方案，有人直言，如果把一段长音频，先切成很多小段，再一个一个生成，太麻烦了。哔哩哔哩这个痛点目前还在靠社区工作流补。
第三笔账：许可证不是"开源就能随便用"
这是最容易翻车的一笔。H3用的不是Apache 2.0或MIT，而是MiniMax自己的社区许可协议，对适用地区、商业使用、托管服务和分发都有条款约束，当前许可文本把美国、欧盟、英国和韩国列为排除地区。知乎准备做出海内容或对外提供付费服务前，务必先读一遍最新官方协议，别当成"开源随便用"。知乎
那么，谁适合上车本地？
已有24GB显存的卡、能玩转ComfyUI：值得深入。本地最大的价值不是省那几条生成费，而是素材不出本机、流程自己可控、高频生成的边际成本接近于零。当然也要清醒：本地路线真正降低的是高频调用时的按次费用，不是把视频生成变成没有成本、没有限制的免费资源。知乎
有8到16GB显存：拿量化版加768P玩玩可以，当熟悉链路。但别为了H3专门买新卡，模型迭代太快，今天的"五件套"下个月可能就换形态。
没有显卡或纯新手：先别装机。一条路是官方API和第三方接入平台，2K档位约0.8元/秒，产量小的时候比买显卡划算。知乎另一条路是一键式工作流平台，先验证自己的内容方向跑不跑得通，再谈升级装备。
再给两个避坑提醒。其一，知乎作者已经在喊话"别花钱买课"：H3官方模板已内置进ComfyUI核心，免费教程B站一搜一大把，别再给"AI视频训练营"交学费。知乎其二，"最新免费数字人直播软件"这类标题党，多是引流广告；而且数字人主播等生成内容今年2月已被纳入监管。人民网真要做商业化，合规这根弦要绷紧。
接下来盯什么
H3的效果也不是完美。同提示词的对比测试里，Seedance 2.5在哭戏这类情绪表达上仍被不少人认为胜一筹。开源阵营自己的创作者也承认，你要说效果，肯定还是比Seedance2.5要差一些的，但是这是开源的，还要什么自行车？哔哩哔哩但开源阵营的武器是迭代速度：继H3之后，MiniMax Music 3.0也已开源，数字人现在能直接开口唱歌。
值得持续关注的信号有几个：MiniMax M3.1的发布节奏、商用许可条款的更新、长音频口播工作流的成熟度，以及Design平台的免费额度够不够。知乎开源和闭源两条路线正在对垒，受益的是创作者。我会继续跟进，感兴趣的朋友保持关注。
