# 在 Colab 用 MiniMax H3 做 AI 短片：2K 畫質值不值得？

來源：Realpha 讀市場（blog.getrealpha.com）
原文與圖表：https://blog.getrealpha.com/blog/colab-minimax-h3-2k-worth-it/

> 2026 年 10 月 12 日我在 Google Colab Pro 選 A100，用 ComfyUI 跑 MiniMax H3 影片模型，一段 3 秒 1344×768，再用 Real-ESRGAN 放大成 2K。生成加放大一段 206 秒、顯示記憶體峰值約 52GB。兩版比完，我的結論是 768 就夠，真正決定好不好看的是劇情。附操作踩坑、授權重點與三種拿到 2K 的路比較。技術學習分享，不是任何商業建議。

Published: 2026-10-12
Locale: zh-TW
Tags: Google Colab, MiniMax H3, ComfyUI, Real-ESRGAN, AI 影片, 雲端 GPU

TL;DR: 在 Colab A100 上做 3 秒的 AI 短片再放大成 2K，一段 206 秒、記憶體峰值 52GB；手機上看兩版差不多，與其追畫質，不如把力氣花在劇情和每段的人物一致。


![浪漫主義油畫風格封面：暮色裡的懸崖上，一位畫家手裡拿著一小塊空白畫布，身旁懸著一面巨大的放大鏡，放大的只是一個空框；頭頂翻騰的暴風雲才是整個畫面的故事](/covers/colab-minimax-h3-2k-worth-it.png)

> *繪事後素。*<br/>
> —— 孔子《論語・八佾》（春秋）

2026 年 10 月 12 日，我在 Google Colab Pro 上選了 A100，用 ComfyUI 跑 MiniMax H3 影片模型，每段約 3 秒（73 格）、1344×768，再用 Real-ESRGAN 放大成 2560×1440 的 2K。生成加放大一段共 206 秒，顯示記憶體峰值約 52GB。兩版放在手機上比，我看不太出差別，所以我的結論是：1344×768 就夠，2K 不值得多等；真正決定一支短片好不好看的，是劇情和段與段之間人物對不對得上。

## 一開始，我以為畫質是門檻

動手前我是這樣想的：AI 影片看起來「很 AI」，多半是因為糊。既然 Colab 能借到大顯示卡，那就一路拉到 2K，糊的問題應該就解決一半。

MiniMax H3 是 MiniMax 公司放出來、可以自己下載來跑的影片模型。我讀它官方授權檔時發現一件少人提的事：下載版本身不出 2K。網路上的報導說下載版最高 768p，要原生 2K 得走他們的雲端服務；這點授權檔沒寫，是二手消息，我只當參考。所以想在自己的環境拿到 2K，路只有一條：先出 768 左右，再找別的模型放大。

![上排是下載版的路：小的 768 方框先出圖，經過一道放大模型變成大的 2K 方框；下排是雲端服務的路，虛線直接通到 2K 方框，標示為沒實測過。](/figures/two-roads-to-2k.svg)

我選的放大模型是 Real-ESRGAN，騰訊 ARC Lab 的研究團隊開源的，BSD-3 授權，有現成的兩倍放大版。1344×768 放大兩倍是 2688×1536，比例跟 16:9 差一點點，我再用 lanczos（一種常見的縮放演算法）裁成 2560×1440。

## 跑起來之後，證據不站在 2K 那邊

先講 Colab 這一頭。Colab 是 Google 的線上筆記本，開瀏覽器就能借顯示卡跑程式。我用的是 Pro 方案，能選到的最大卡是 A100，執行階段顯示 80GB 顯示記憶體；H100 要更高的方案才選得到。至於 Pro 一個月多少錢、A100 每小時扣多少運算額度，Colab 官方定價頁要登入才看得到，常見問題頁只寫「能用的顯示卡會隨時間變動」，所以我不在這裡寫數字，以你登入後看到的為準。

ComfyUI 是一套開源的節點式介面，把載模型、下提示詞、輸出影片拉成一張流程圖。我用的是 4 步加速的設定，步數少、速度快。結果是一段 3 秒、73 格的 1344×768 影片，接著放大、裁切，整段跑完 206 秒，記憶體峰值大約 52GB。我沒有把生成和放大的時間拆開量，所以說不出放大單獨佔多少。

52GB 這個數字讓我多想了一下：它遠超過一般家用顯示卡的 8GB、12GB，也超過不少人租雲端時會選的 24GB 卡。

![四根長條比高度，52GB 的那根高到其他三根的兩倍以上，24GB、12GB、8GB 依序矮下去。](/figures/memory-peak-vs-common-cards.svg)

換句話說，這套「生成＋放大」放在 Colab 的 A100 上跑得很順，搬回家不一定跑得動。

然後是比較。我把 768 版和 2K 版都傳到手機上看。說實話，在 6 吋多的螢幕上，我分不太出哪支是哪支。2K 版放到電腦全螢幕才看得出細節多一點，但短片的觀眾多半是滑手機的人。

![左邊手機螢幕裡兩半畫面的顆粒看起來一樣，右邊大螢幕裡右半邊顆粒明顯更細，差別只在大螢幕上才現形。](/figures/screen-size-decides-visible-detail.svg)

真正讓我看不下去的是故事。畫面糊一點我還能接受。一段 3 秒只夠演一個動作：轉頭、拿起杯子、走兩步。一支 1 分鐘的短片要 15 到 20 段接起來，而每段都是重新生成的，同一個人在第三段和第四段的臉可能就不一樣了。這個問題我目前還沒解決，2K 也救不了它，只會讓臉不一致看得更清楚。

![一整排二十個三秒小格子組成一分鐘，每格各有一張臉，其中幾張臉的位置與顏色跟其他不同，標出臉接不起來的斷點。](/figures/one-minute-is-twenty-separate-faces.svg)

## 我現在怎麼看，還有哪裡不確定

如果你也跟我一樣，以為先把畫質拉滿再說，我會建議把順序倒過來：先用 1344×768 把整支片的劇情排出來，確認每段的動作接得起來、人物看起來是同一個人，最後真的要上大螢幕，再挑幾段去放大。

把三條拿到 2K 的路並排（授權與規格照官方文件 2026-10-12 查；時間與記憶體是我那天的實測）：

| | 768 直出 | 768＋Real-ESRGAN 放大成 2K | MiniMax 雲端服務原生 2K |
|---|---|---|---|
| 我實測過嗎 | 有，含在 206 秒裡 | 有，一段 206 秒 | 沒有 |
| 顯示記憶體 | 沒單獨量 | 峰值約 52GB | 不用自己的卡 |
| 手機上看 | 夠用 | 跟 768 差不多 | 沒比過 |
| 要注意 | 下載版授權限制 | 再多一個模型、多一段時間 | 文件沒寫價格，我沒查到官方數字 |
| 適合 | 排劇情、手機短片 | 要上大螢幕的幾段 | 需要原生高解析時 |

授權這邊也值得多看一眼。MiniMax H3 的社群授權免權利金、可以商用，但有幾個條件：年營收超過 2,000 萬美元要另外談；美國、歐盟、英國、南韓不在授權範圍內，台灣在；拿去做商用產品要在介面上標明用了 MiniMax H3；另外列了 20 項禁止用途，其中一項是不能拿它或它生出來的東西去訓練、改良別的 AI 模型。如果你打算把短片拿去接案，這幾條比畫質更該先確認。

最後是我那天踩到的四個坑，照順序記下來：

第一，Colab 同時最多兩個執行階段（這是我那天撞到的上限，官方文件沒寫具體數字），滿了要先到「管理工作階段」把舊的關掉，才能開新的。

第二，掛載 Google 雲端硬碟時，授權畫面第一次我只勾了一項，結果跳出「credential propagation was unsuccessful」，掛不上去。重來一次把權限全選，就過了。官方文件沒寫要全選，這個錯誤我只在使用者回報裡看到。

第三，構圖是近景大頭時，畫面裡看不到手，所以提示詞裡不要寫手部動作，寫了模型也演不出來，反而容易出怪東西。

第四，模型檔案很大，我把它存進自己的雲端硬碟，下次開新的執行階段直接從雲端硬碟複製過去，不用重新下載。複製比下載省多少時間，我還沒量到。

還不確定的有兩件：一是生成和放大各佔多少時間，二是段與段之間人物一致該怎麼做。後者才是我接下來真正要花時間的地方。

## 帶得走的一件事

先把內容做對，再把規格拉高；規格救不了內容，只會把內容的問題放大。

![左邊一塊小畫布上有一道缺口，右邊同一塊畫布被放大鏡放大後，缺口也跟著變得又大又明顯。](/figures/raising-spec-magnifies-the-gap.svg)

今天可以試的練習：拿你手上正在做的一件東西，一份簡報、一支影片、一份報告都行，先列出「做出來要多漂亮」的清單，再列出「它到底要講什麼」的清單，看看你現在花最多時間的是哪一張。我這次就是先在第一張上花了時間，才發現該先顧第二張。