本地换角色换产品，做一段视频要多久

Reddit的StableDiffusion板块有人贴了一段视频，问在本地替换角色和产品有多难。演示里能看到人物和产品被换进画面，效果挺完整。

跟帖里最先被提到的是模型。有网友说每段剪辑控制在15秒以内，有耐心就不难，用的是H3 minimax。另一位把路线写得更直白：H3 minimax跑本地，Wan3做云渲染。还有人回了一句，无聊地简单。

但“简单”有前提。有网友问，普通机器行不行？回答分两种：PC足够强，相对容易也快；机器是土豆，就得接受各种妥协和大量浪费时间。另一位说，不需要什么秘密知识或难搞的设备，但根据配置，花上几个小时很正常。

质疑也出现了。有人问，这真的是AI做的吗？CanBeUsedAnywhere看了视频，指出14秒处女孩头像的嘴和脸有轻微卡顿，像是在对口型。老人转身时，口型对的是创作者的旁白。这个细节比“像不像”更有说服力。

一位说自己靠做这类视频吃饭的网友给了更实际的成本。每段15到30秒的片子，大约要2小时，过程烦，需要反复试。他的做法是先用realism loras，提到一个中文电影风格的lora适合远景；再用soft strength 0.25的realism people去掉过锐的观感。生成两阶段720p片段，不到5分钟，然后放大到2K，套soft DLSS补更可信的光照。声音经常单独在omnivoice里生成，再拿来驱动口型，因为Minimax原生语音多数时候很差。

所以本地做这种换角色、换产品的视频，软件层面已经能跑通，麻烦在切段、试错、放大和声音修补。演示视频看起来顺，拆开看是很多个十几秒的段落，每段都要人盯着调。