# 一段影片切三個鏡頭、24 格補成 48 格：AI 短片《每天多一點》實測，跑了四輪才成
來源：Realpha 讀市場（blog.getrealpha.com）
原文與圖表：https://blog.getrealpha.com/blog/mio-daily-ai-short-film/
> 小實驗紀錄：用 Google Colab 的 A100 跑 MiniMax H3，拍一支 27 秒的 AI 短片《每天多一點》。這次多試三件事：一段影片裡切三個鏡頭、把分鏡照片釘在指定格數、用開源的 RIFE 把每秒 24 格補成 48 格。整理每一步花的秒數、四輪開跑各壞在哪、運算單元花了多少，以及台詞有沒有真的說出來。片中人物是 AI 角色。
Published: 2026-10-13
Locale: zh-TW
Tags: AI 影片, Colab, MiniMax H3, RIFE, 小實驗
TL;DR: 一段 15 秒切三鏡可以一次拍完，但每格花的時間比 5 秒的單鏡段多五成；插幀 24→48 格只佔總時間 4%。四輪開跑壞了三次，其中一次錯誤被算到無辜的元件頭上。
> *一日一錢，千日千錢；*
> *繩鋸木斷，水滴石穿。*
> —— 羅大經《鶴林玉露》引張乖崖語（南宋）
2026 年 10 月 13 日，我在 Google Colab 的 A100（80GB）上用 MiniMax H3（能把照片變成影片、連聲音一起生的模型）拍完 AI 短片《每天多一點》：AI 舞者 mio 一個轉圈轉不穩，每天多練一點，第 30 天轉穩了，剛好被叫去試領舞。這支片比上一支《大丈夫》多試三件事：一段 15 秒的影片裡直接切三個鏡頭、把分鏡照片釘在指定的格數、再把每秒 24 格補成 48 格。成功那一輪兩段影片從生成到補格共 3317 秒，花 3.87 個運算單元；但前後跑了四輪才成，四輪合計 13.20 個運算單元。以下秒數都是單次量測，只代表這台卡、這個長度。
## 這支片多做了哪三件事？
上一支片每個鏡頭都是單獨一段、約 5 秒，13 段拍完再自己剪。這次想試試能不能少剪一點，於是把三件事一次加進去。
第一件是一段切三鏡。前三個鏡頭（第 1 天清晨、第 12 天深夜、第 30 天白天）寫在同一段 362 格、約 15 秒的影片裡，描述裡用「第 5 秒鏡頭切到……」這種寫法告訴模型什麼時候換場。
第二件是把分鏡照片釘在格數上。光靠文字說「切到深夜」，模型畫出來的練舞室可能跟我要的不一樣，所以我在第 120 格和第 240 格各放一張事先生好的起始照片，讓模型切過去時有圖可對。結果三個時段的光線分得很開：清晨是窗外的冷白光，深夜只有一盞琥珀色吊燈，第 30 天又回到明亮的白天。
第三件是插幀。我用開源的 RIFE（一種補中間格的模型，透過 MIT 授權的 ComfyUI-Frame-Interpolation 節點來跑）把每秒 24 格補成 48 格，想讓轉圈、甩馬尾這種快動作看起來順一點。
另外我把模型讀描述用的文字模型，換成社群改版、量化成較小檔案的版本。這件事後面會講，它在故障排查時差點背了黑鍋。
## 一段切三鏡，比拍三段划算嗎？
我原本以為一段切三鏡就是「三段的時間合在一起」，結果不是。
| 段落 | 格數 | 生成（秒） | 每格（秒） | 放大（秒） | 補格（秒） |
|---|---|---|---|---|---|
| 段 A：一段切三鏡 | 362 | 1516 | 4.19 | 980 | 111 |
| 段 B：第 4 鏡單獨一段 | 124 | 335 | 2.70 | 340 | 35 |
生成這一步，段 A 每格要 4.19 秒，段 B 只要 2.70 秒，貴了五成。要先講一個打折扣的地方：段 A 是第一段，載入模型的時間也算在它頭上，所以實際差距會小一點，但我沒有拆開量，不知道小多少。
放大那一步（交給 SeedVR2，一個專門把影片放大、補細節的開源模型）就很老實：段 A 980 秒、段 B 340 秒，比值 2.9 倍，跟格數比 2.9 倍一模一樣。補格也差不多照格數走，兩段加起來 146 秒，只佔全部 3317 秒的 4%。
所以這次的帳是這樣算：一段切三鏡省下的是剪接和三張起始照片之間的銜接，付出的是生成時間不照比例長。片子短、鏡頭少的時候，我會繼續一段切多鏡；如果要拍幾十個鏡頭，每段還是切短一點比較省。
## 24 格補成 48 格，看得出差別嗎？
老實說，我還沒把 24 格版和 48 格版並排比過，所以不敢說看得出來。能確定的只有成本：兩段補格共 146 秒，是整條流程裡最便宜的一步。既然便宜，這次就先留著 48 格版當成品，兩個版本都存著，等有空再並排看。
## 跑了四輪才成，壞在哪？
這是這次最花錢的部分。開跑前帳上有 134.24 個運算單元，跑完剩 121.04，四輪共花 13.20。
| 輪次 | 運算單元 | 壞在哪 |
|---|---|---|
| 第一輪 | 約 0.71（由總差額推回） | 安裝補格工具時，套件清單的檔名寫錯，沒開始拍就停了 |
| 第二輪 | 3.09 | 釘在第 120、240 格的兩張照片，在第二階段被當成半解析度的圖接進去 |
| 第三輪 | 5.53 | 補格那一步少填三個必填欄位，被流程檢查直接退件 |
| 第四輪 | 3.87 | 全部完成 |
第二輪那個錯，值得多講兩句。這套流程是先用 384×672 小尺寸算 30 步，再放大到 768×1344 重算最後 10 步。我把釘格照片接到第二階段時，接的還是給第一階段用的小尺寸版本，兩邊尺寸對不上就出錯了。
讓我多繞路的是另外兩件事。第一，錯誤訊息被一大串數字陣列蓋住，真正的原因在最底下，畫面上根本看不到。第二，我的筆記本原本寫了一條退路：「改版文字模型載入失敗，就自動換回官方版重跑。」這條規則判斷「是不是文字模型的錯」的方法太寬，只要錯誤發生在那附近就算。結果接錯線時，換成官方版一樣會死，舊程式卻把它記成「改版模型出問題」。如果我照著紀錄去怪那個改版模型，就會把一個沒有錯的元件換掉，真正的錯還留在原地。
修法是三件事：錯誤訊息改成先印真正的原因；只有確定是文字模型本身出錯才退回官方版；產生筆記本的程式加一段自檢，接線尺寸不對就不讓它出筆記本。第三輪壞在補格欄位，是另一件獨立的事，補上三個欄位，第四輪就全部跑完了。
## 換了社群改版的文字模型，畫面有變好嗎？
不知道。這次兩段都用改版模型、而且都順利載入，但我沒有拿官方版拍同一段來比，所以說不出它好在哪。我能說的只有：它在 80GB 的 A100 上載得起來；在我家裡記憶體比較小的電腦上，一載入就崩潰。
## 台詞她說出來了嗎？
大部分有。我用語音辨識把兩段的聲音軌聽一遍：段 A 開頭辨識出「再一次」，第 13 秒左右是「欸？」，正好是她第 30 天轉穩後愣一下的那一刻；段 B 結尾辨識出「我」。門外那句「mio，來試領舞」被聽成「Mia 來是林某」，只對了一半，所以後製還是把每句台詞都加上字幕。
還有一個劇本沒照走的地方。第 4 鏡原本要讓門口只出現別人的一隻手，但我生的三張起始照片裡，扶著門框的都是她自己的手，最後改成靠門外的聲音把「有人在叫她」帶出來。
## 那我自己能怎麼用？
如果你也在用 Colab 跑這類生成流程，我會分享三個這次學到的做法。
一是開跑前先估時間，跑完再對帳。我原本估兩段約 45 分鐘、5 到 6 個運算單元，成功那一輪實際是 55 分鐘、3.87 個運算單元：時間低估了，錢倒是高估了。每次對完帳，下一次的估計就準一點。
二是看錯誤時，先找到最底下那一行真正的原因，再決定要怪誰。最陌生的那個元件，最容易被懷疑，但不一定是兇手。
三是一次只加一樣新東西。這次我同時加了切鏡、釘格、補格、換文字模型四樣，壞的時候每一樣都有嫌疑。如果一次只加一樣，壞了就知道是誰。
## 帶得走的一件事
**每次只多加一樣新東西，壞了才知道是哪一樣。**
這跟片子講的是同一件事：mio 每天多練一點。她沒有哪一天把全部動作一口氣換掉。換到生活裡也一樣，今天想改一道常煮的菜，就只換一種調味料；想調整早上的作息，就只提早十分鐘起床。做完記一句「這次改了什麼、結果怎樣」，一週後回頭看，你會清楚知道是哪一個改變在起作用。