鼓捣了一会MiniMax Hub和Seedance，分享一些AI视频体感

这两天Seedance2.5和MiniMax H3挺火，视频方向的玩法也多起来了。它们落地应用的趋势，也是在从娱乐场景向工作场景延伸。

也就是视频模型不再只是自媒体工具，而是开始批量进入比如电商、产品演示、功能说明、培训、讲课，甚至训练数据生成领域，成为流水线上的一环。

一方面，前沿视频模型的能力已经达标，另一方面，价格也在降，再结合目前很成熟的agent框架，就能迅速进入打工人的日常。

比如MiniMax新出的MiniMax Hub，作为类似腾讯Miora的多模态创意类agent，就把模型丰富度和交互易用性做得挺好，我就拿它做个了秋裤跑酷短片：

此处原文有一段视频，可前往公众号原文观看。

大概分两步：

ChatGPT做策划

做视频的第一步是文案，也就是策划这部分工作。之前最简单的方式，就是在聊天框里，跟AI直接把这些内容聊出来。

因为现在agent很成熟了，所以可以用比如ChatGPT这种高性价比agent工作台，新建一个线程，图文并茂地一站式产出片子的整体立意、基础设定、分镜、视觉、音轨和字幕策划。

用ChatGPT做策划的好处挺多，比如可以边聊边同步生成关键帧/分镜、智能/策划深度多档可选、有长期记忆便于持续深化等等。

比如最近5.6 Luna大降价，所以就可以选5.6 Luna + 最高推理强度 + 1.5倍速这种组合，以极低的价格获得极佳的体验。

把ChatGPT作为大部分工作的工作台和中枢，是我目前比较推荐的，它的性价比和兼容性都很好。

当然，用Workbuddy逻辑也差不多，可以在核心创意阶段用比较贵的K3，深化阶段换成便宜模型，可玩性和体验也不错。

所以目前的模型+agent用法，是核心工作上高配模型（5.6 Sol / Opus 5 / K3之类），非核心工作用中低配模型（5.6 Luna / Deepseek V4 / Hy3之类），推理强度也相应调整，从而形成模型路由，以实现更高的性价比。

对了，Hy3作为比较靠谱的小参数agent模型，它的免费期又延长了，能用到8月底了。

按Tibo的说法，再过两三个月，agent将变天。

可以合理推测，目前这些类似来回切换模型、做“人肉路由”的事情，那个时候可能也就不需要人来做了。

今年秋天的时候，可以期待一个全新的、有更强环境感知和更高自主性的agent形态。

MiniMax Hub做导演和执行

MiniMax Hub是MiniMax新出的一个桌面端多媒体创作agent，跟主打work的MiniMax agent还是有所区别。

这个agent，集成了H3、Seedance2.0、可灵、阿里Wan这些主流视频模型，还有 Image2、Banana2、Seedream5这些主流图像模型，也根据大家习惯的视觉创意需求，做了agent harness框架优化，综合体验我觉得好于Miora。

但是，就MiniMax Hub和目前许多类似的创意类agent而言，在他们开始干活后，也就是进入智能代理工作流后，你能感觉到还是有token的浪费，也就是有把ChatGPT已经做好的提示词和关键帧重新加工一遍的嫌疑，有点画蛇添足。

当然，这本质是一个多agent协作衔接的问题，不是啥大事，衔接造成的浪费也有我的原因。

一些体感

这次这个视频还是浪费了不少token，效果也一般，但还是换来了些体感。

比如对于H3这类模型，一次性拉满时长、生成15S视频时，即便提示词和关键帧给的再完备，它还是会多少自作主张和产生失真与BUG，比如有一次结尾时直接搞出了两个秋裤，还有很多肢体神态也很僵硬。

然后我在GPT的指导下优化了策略，改成多镜头分别生成（成本上升），画面控制就好了很多。

还有个心得，是GPT已经可以读取视频并给出优化建议，所以不光是让它出策划，过程中视频怎么改也可以问它意见。

其实我挺期待OpenAI重启Sora的，因为现在ChatGPT/Codex已经把桌面工作台搭好了，再加个自家的视频模型进来，就直接把市面上视频类agent的活也干了，妥妥滴一站式AI工作台。

基于GPT的策划，在MiniMax Hub里交互修改了四五轮，干了大概三四个小时，这个秋裤小视频就做好了。

因为现在agent足够强了，很多剪辑工作都能做，所以可以在agent阶段直接加字幕等包装。当然，也可以把音轨和字幕这些事留到剪映阶段手工解决，其实都行，更多取决于你的手感和偏好。

换句话说，agent和剪映都在向对方靠拢，“agent剪映化”和“剪映agent化”这两件事应该会同时发生。

这次做下来还有个感受，就是在我的懒与agent的勤之间，还是有衔接问题。比如太细的分镜调整，我会倾向于直接点OK，直接信任agent的判断，但这同时也会造成一定的bug和反复。

而agent工作过程中，还是会反复汇报和寻求人类的确认，一方面是为了减少修改反复，另一方面也是向人类转移一部分责任（内容层面的、token费用层面的），也可以理解。

所以现阶段，人机协同的本质还是一个边界拉扯和取平衡的问题，但未来大概率是人类放手、AI包办。

其实这个视频我最早是想用即梦做，但奈何Seedance2.5还是小贵，试了两把就没积分了，就转投H3了。但该说不说，H3试下来，感觉还是略逊于seedance，所以部分镜头我还是用回了seedance。

马斯克的Grok Imagine最近一直想蹭中国模型热度，这个传统从马斯克年初迷恋AI美女那阵就开始了。

Grok Imagine目前也支持了15S视频生成，但要充值才能用，包括720P也是。

MiniMax H3也是最长支持15S，相较之下，Seedance2.5的常规30S、部分模式下180S可以说遥遥领先了。

目前给Seedance喂参考视频就有打折，应该是字节在搜集训练数据，也是AI左脚踩右脚的表现之一。

综合能力、价格、体验而言，目前Seedance2.5（720P）和2.0（能做4K）应该是独一档的存在，B端大客户走字节API付费，已经可以极大地降本增效了。

目前电商场景应该已经AI化了，下半年大量的工作场景也会因为AI视频爆发受益，甚至具身智能的技术突破可能也会因AI视频而加速，我们拭目以待。

个人玩家的话，玩玩H3也不错，高性价比的2K视频模型。65元的MiniMax Media Plan基础档大概能做四五条15S的短片，而499元档已具备入门级生产力，我都想给秋裤做短剧了