上篇讲完本地部署生图模型，这次换成视频。装好 Skill、查完配置、挑对 MiniMax H3 版本，剩下的交给 WorkBuddy，最后一步还得自己看 ComfyUI 的工作流，包括那个丢失的 Z-image 节点。

昨天的文章发布了之后有小伙伴在说，下一篇会不会是AI生成视频的本地开源模型部署。

老马想了想，其实也很有必要演示一下过程，至少Comfyui长啥样，上篇文章忘了截图给大家看看。

短剧漫剧这门生意，普通人机会不大

还有原因是，现在火爆的短剧跟漫剧，让很多小伙伴蠢蠢欲动，纷纷想搞个副业啥的，自己动手做做短剧。说句实在话，从专业的角度的来讲，短剧的导演思维是很重要的。

剧本你可以抄来抄去，让AI尽可能地去模仿爆款生成，但最终呈现出什么样的视觉效果，还是看导演是谁。像什么《持械入宋》这种案例，你可以理解成公关稿，至于是谁发的，谁是既得利益者，懂的都懂。

为啥要宣发这种案例，尤其突出制作团队是退休会计大叔，宝妈和网约车司机这种职业背景。这让科班出身的，搞了半天短剧只赚个一块多的团队情何以堪。所以还是懂的都懂，红果的营销手段源自抖音。

每隔一段时间造一下梦，造一下网红，这是字节时间除了算法外的又一套打法。废话有点扯多了，老马的观点是短剧漫剧这类的内容制作，除了烧钱之外，未来是慢慢往专业制作方向走的，普通人机会不大。

短剧市场能成立还在于广告投放，现在这个电商环境下卖的比买的多，而付费看短剧的习惯还在培养。加上短剧除了制作成本，还有占大头的投流成本。所以这条赛道上外行看热闹蠢蠢欲动，内行看门道产能过剩卷得要死。

这跟拍抖音一样的，你天天扭屁股偶尔被算法或者平台刻意给到一个爆款，不代表你真能把扭屁股这件事情当饭一直吃下去。因此我们在本地部署MiniMax H3这种开源的AI视频生成模型，主要是为了玩玩。

开源AI视频模型里，H3点燃了新希望

当然，有时候自己工作上需要，比如做个产品宣传片，或者是作为视频素材啥的，也用得上。因为开源且好用的AI视频生成模型，坦白说不多的。早期是千问团队的 Wan系列，还有近期字节的 Bernini。

然后MiniMax H3应该说点燃了新希望，毕竟能力大概能摸到闭源的 Seedance 2.0 mini的程度。虽然有些AI博主会说它已经逼近了 Seedance 2.5，所以一般也不用争论，只需要承认对方说的都对。

老马算是体验了一段时间 MiniMax H3的，坦白说如果要拿来做短剧漫剧的话，还得有一整套的工作台。没错，所以这篇文章不会是最后一篇，后续还会接着围绕导演工作台的搭建全部给大家介绍演示完毕。

实操：装Skill查配置，挑个量化版本

下面咱们直接进入实操，第一步还是老规矩，你在需要本地部署 MiniMax H3的电脑上，提前安装好WorkBuddy，然后安装好下面的Skill，让它帮你检查一下当前电脑硬件配置能不能部署，能不跑起来等情况：

安装这个skill：dl.97444.cn/local-model-check.zip

安装完Skill检查完毕后，可能你会面临多个 MiniMax H3版本的选择。因为 MiniMax H3开源了一段时间，社区里面有多个量化或者LoRA微调后的版本。我们自己也可以手动在电脑浏览器打开魔搭社区 modelscope.cn，搜索 MiniMax H3进行查看：

你只需要告诉WorkBuddy，你需要本地部署 MiniMax H3，Skill会根据你的电脑硬件配置情况，给你推荐合适的版本去部署，这是比较省事的操作。当然你还可以像上面那样子，自己去挑选一个版本，前提你得看得懂。

那老马只是为了演示，就自己随便挑选了一个 量化版本。还是那句话，你自己分不清看不懂这些版本，你就问WorkBuddy，说清楚自己的需求，让Skill给你推荐合适的。

那接下来就很简单了，直接把这个 MiniMax H3 版本的模型名字或者加上魔搭的模型地址链接一起发给WorkBuddy进行本地部署就行了。全程不需要你动手，也不需要你懂：

半小时部署完毕，看一眼Comfyui工作流

WorkBuddy大概花了半个小时，就把整套 MiniMax H3模型所需的环境依赖和权重文件啥的都在本地部署完毕了，只不过一开始它给搞成了启动WebUI的服务。说好给大家看一下Comfyui，老马又让它调整了一下：

如上图的工作流还是比较简单的，当然这里有节点丢失了 Z-image模型，但不影响最终的生成。接下来老马照例找了一段提示词发送给WorkBuddy，让它去操作Comfyui生成视频就行了，生成后效果如下：

实际上WorkBuddy在拿到提示词去调用Comfyui生成视频的过程中，也在担任一个AI创作者的工作。它会根据提示词的需求去核对画面生成是否准确，调整片段的生成，检查音轨是否正常，甚至是进行多段拼接。

上一篇文章介绍过，老马这台Windows机器是十四代i9的CPU，64G内存，显卡是笔记本版的4070 8G显存。跑完上面5秒 768×432分辨率24帧的视频，耗时是488秒。

抽卡的坑，Agent也会犯浑

另外补充一些实际操作的细节问题，AI生成视频是肯定要抽卡的，而WorkBuddy这种Agent，当你使用的模型能力不大行的时候，比如使用Hy3模型，当然还有最新版的Hy4模型。

Hy4虽然已经赶上来了，大概能相当于 Deepseek V4.1 Flash三分之二的功力，有时候也容易犯浑，比如干起活来跟愣头青一样，可能会为了替你用尽显卡的能力，将完整的视频拆分成多个片段去生成，最后再拼接成片。

这样抽卡出来的视频就会存在片段稀碎连贯性很差，且音频也是断断续续的。像这种情况你就得去纠正它之前操作思路，或者更换别的模型，走单次生成完整视频的路线。

抽卡的意思就是很多时候你一段提示词，直接生成出来的视频能够符合你要求的概率是不高的。尤其不是太强的AI视频生成模型，H3就不算太强，因此你就得多次去重复生成，最终选择效果最好的那个视频，这就叫抽卡。

死磕H3还是烧钱调API，看你的要求

所以为什么说做一部完整的短剧，如果你纯粹靠本地部署H3模型去完成，除了你本地的硬件设备得足够强，或者说足够多，或者说你也可以持续去找优化好的模型版本以及调优。

剩下的就是耗费时间的问题，一个人跟一个团队那是两码事的产出。一般正规的操作还是会去调用API，比如用火山引擎的 Seedance模型，但结果就是烧钱，烧钱的结果就是效果真的比H3好。

同样你去租用算力部署H3也是一个道理的，前面老马也提到过，H3生成的效果不算太好，只能作为补充。如果你要的短剧对质量要求不算太差的话，精品剧咱就别想太多了。

如果你要的是短剧能看就行，画面不重要重点在于剧情，那可以死磕H3去生成，反正免费开源的，只要有电脑服务器硬件去部署就行。最后说多无益，自己做起来你就知道了。