单卡本地生成四分钟音乐视频

Reddit 用户 PatBQc 公开完整本地生成管线，仅用单张 RTX 4090 制作了一支 4 分钟粉丝音乐视频，将 74 个镜头逐拍对齐鼓点，全程未使用云端或付费 API。 管线先用 Qwen-Image 2.1 生成约 300 张设定图及每镜头 3 张关键帧，再由 MiniMax H3 Ref2VA 结合鼓点和人声参考生成 153 条视频素材，覆盖 74 个镜头约耗时 4 个 GPU 小时，最后用 SeedVR2 7B 放大至 1080p。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。