单张24GB显卡，生成6分钟《网络创世纪》视频

Reddit 的 StableDiffusion 版块上，有网友用 MiniMax H3 在 ComfyUI 里做了一支 6 分 16 秒的 Ultima Online 视频，72 个镜头，全部跑在单张 24 GB 显卡上。

Ultima Online 1997 年上线，是早期大型图形 MMORPG 之一，开放 PvP、玩家杀手、尸体可被搜刮，今天还在运营。年轻读者可能没听过这个名字，老玩家看到画面大概会想起一些事。

作者列出的硬件是 RTX PRO 4000 Blackwell，24 GB，单卡。成片 1344x768、24 fps、20 steps。HD 渲染时，56 帧约 2.3 秒，耗时约 4.5 分钟；243 帧约 10 秒，耗时约 43 分钟。

流程里，角色和场景参考卡用 Gemini 的 Nano Banana 生成，这是整条链里唯一的闭源图像/视频工具；修正用本地 Qwen-Image-Edit。主镜头走 H3 的 reference-to-video，输入角色卡、场景卡和语音片段。声音处理也细：从早先的 H3 take 里切出音色参考，让每个角色跨镜头保持同一个声音。

桥接和修复用 H3 的 i2v，给首帧和尾帧。有个例子是 243 帧的 take 里，路人跟幽灵击了个掌，作者把第 107 到 160 帧重新生成。新镜头先出 672x384 草稿，再上 HD。音乐、音效和字体从 UO 客户端用 UOFiddler 提取，头顶文字在 CapCut 里像游戏那样做关键帧。Claude 帮写 prompt，也帮写 QC 和编辑脚本。音乐、音效、字体版权归 Electronic Arts。

跟帖里老玩家反应很直接。有人说自己当年玩过，笑了，愿意看一整季；有人提到用陷阱箱子杀人；有人说后来开始做绷带，不再冒险。也有评论注意到工作流：单卡跑 6 分钟比想象中可行，先做 672x384 草稿，可以让 43 分钟的 HD 渲染只花在已经喜欢的 take 上。有人追问草稿是不是固定种子重跑高分辨率，帖子里没展开。还有人问 HD 流程用了什么，作者前面列了渲染数据，但没有单独说明 HD 放大工具。

这条帖子有用地方在于，它把生成视频拆成可检查的段落：参考卡、主镜头、声音、桥接、草稿、HD、后期。6 分钟成片由多次生成拼成，72 个镜头背后是一堆局部修复和取舍。对做过视频的人来说，这些细节比“单卡能跑”更有参考价值。