[![点击观看：Mac 本地 AI 模型生成的《青石劫》第二章](https://developer.qcloudimg.com/http-save/yehe-1184138/f09528eb3a3262caf321edb9b27d4785.webp)](https://www.bilibili.com/video/BV1Zc4i6aE5W/)

> 🎬 **先看成片：[《青石劫》第二章完整版](https://www.bilibili.com/video/BV1Zc4i6aE5W/)**，2 分 06 秒、23 个镜头、原生 1080p，视频全部在一台 MacBook Pro 上本地生成，视频费 0 元。
> 
> 本文 4 个题材的成片都放在 B 站合集 **[本地 AI 模型视频生成效果展示](https://space.bilibili.com/454617261/lists/9508534?type=season)**：[青石劫第二章](https://www.bilibili.com/video/BV1Zc4i6aE5W/)、[仙侠打斗](https://www.bilibili.com/video/BV1iA4i6cEE5/)、[写实披萨广告](https://www.bilibili.com/video/BV1iA4i6cEkX/)、[足球写实版](https://www.bilibili.com/video/BV1Q84v6XEiv/)。

#### 先看效果

**《青石劫》第二章（3D 国漫，2 分 06 秒，23 镜）**

坠崖、青石吸血、青光射入眉心，然后林焰昏倒，镜头一路推进，没有切镜，靠的是 9 秒的 extend 续拍。人物的脸、发丝、布衣纹理每一帧都清楚，这是本地生成里效果最好的一段。

![青石裂开，林焰昏倒](https://developer.qcloudimg.com/http-save/yehe-1184138/92eaecc6d83e25debf3ae8c09ffdcbfa.webp)

识海里，玄衡坐在镇天塔顶讲述来历：魂体光晕稳定，口型跟着台词走，镜头从远景慢慢推到近景。

![玄衡讲来历](https://developer.qcloudimg.com/http-save/yehe-1184138/66f35a0144cbb708377d20c0aaa2e674.webp)

**同一个镜头，卡通版和写实版**

同一个模型、同样 1080p，写实版明显更清楚、更立体。卡通平涂到了中间帧会发软。原因是 LTX 主要用真实视频训练，画写实是它的强项。

![卡通平涂版 vs 写实版](https://developer.qcloudimg.com/http-save/yehe-1184138/1d9a912940640fad40c4b70dd661b81f.webp)

足球写实版成片：[《破纪录的一脚》写实版（21 秒，原生 1080p）](https://www.bilibili.com/video/BV1Q84v6XEiv/)

**打斗测试（短板）**

两人对冲、拳剑相撞、龙影和狼影互咬。分段生成再拼起来，动作不连贯；改成一镜到底以后连贯了，但动作发软，拳头会穿过对方的脸。

![打斗测试](https://developer.qcloudimg.com/http-save/yehe-1184138/859a69b9dd812dfd7afc8d017924efe3.webp)

打斗测试成片：[《青石劫》炎帝陵对决](https://www.bilibili.com/video/BV1iA4i6cEE5/)；另外一条写实披萨广告（42 秒、13 镜）：[点击观看](https://www.bilibili.com/video/BV1iA4i6cEkX/)

* * *

#### 先说结论

上一篇《AI 漫剧实战：Seedance、MiniMax、Gemini 做一集要花多少钱，怎么用最省》用的是云端视频模型，一集 3 分钟花 76～240 元。这一篇兑现预告：**视频改在 Mac 本地跑**，用的是开源的 LTX-2.5，不调用任何视频接口。

这次测了 4 个题材：

-   仙侠 3D 国漫《青石劫》第二章
-   少儿足球动漫《破纪录的一脚》，做了卡通版和写实版
-   一条写实披萨广告
-   一段高速打斗测试

下面的数字都来自真实的任务日志和文件时间戳。先看速查表：

| 方案 | 画质 / 声音 | 1 分钟成片的视频费 | 1 分钟成片的耗时 | 适合场景 |
|------|------|------|------|------|
| 本地 LTX-2.5，原生 1080p | 3D 国漫和写实近景接近首帧画质，口型由配音驱动 | 0 元 | 约 2.5～3 小时（纯生成） | 对话剧情、不赶时间、想反复试 |
| 云端 Seedance 2.5，720p | 画质最好，原生配音 | 约 90 元 | 约 6～8 分钟 | 主打画质的正片 |
| 云端 MiniMax-H3，768P | 质感接近，自带声音 | 约 30 元 | 约 5～6 分钟 | 性价比首选 |

一句话：**本地方案用时间换钱**。对话类的 3D 国漫，本地能做到可以发布的水平；高速打斗和体育对抗是短板。和上一篇一样，真正决定成本的还是返工次数，只不过本地返工花的是小时，不是钱。

* * *

#### 全程由 Claude Code 自动化完成

和上一篇一样，从读小说到出成片，所有执行工作都是 Claude Code 在终端里完成的。人只负责看片、提意见、拍板。

| 环节 | Claude Code 自动做了什么 |
|------|------|
| 分镜 | 把小说章节拆成镜头，每镜写画面（中文，给生图用）、动作（英文，给视频模型用）、台词、情绪、时长 |
| 定妆照 / 首帧 | 调 Gemini 出角色定妆照，同一场戏的首帧串联生成，保证场景和光线连续 |
| 配音 | 调 MiniMax 生成台词，主角用 "声音设计" 定制音色；再用本地 Whisper 听写，校对有没有读错字 |
| 视频 | 调本地 LTX 逐镜生成，并按镜头类型选择生成方式：说话镜头用 a2v 驱动口型，空镜和特效用图生视频，连续动作用 extend 续拍 |
| 质检 | 逐镜抽帧，检查变形、烧录字幕、多出来的物体，有问题自动重做 |
| 后期 | 用 Python 画字幕，ffmpeg 做转场、混音、响度统一和拼接 |
| 记录 | 汇总每镜耗时，写会话记录和本文 |

* * *

#### 电脑配置

| 项目 | 配置 |
|------|------|
| 机器 | MacBook Pro，Apple M5 Max |
| CPU / GPU | 18 核 CPU / 40 核 GPU |
| 内存 | 128 GB 统一内存 |
| 系统 | macOS 27 |
| 磁盘 | 模型约 80 GB，加上素材，建议预留 200 GB |

几个要点：

1.  **内存比芯片重要。** 视频模型常驻约 21 GB，生成 1080p 时峰值更高。64 GB 能跑，但要开低内存模式，速度会慢。
2.  **吃满的是 GPU。** 生成时 GPU 一直 100%，CPU 只占 4% 左右。macOS 不能给 GPU 设上限，所以生成期间看视频、剪片子会卡，写代码、办公基本不受影响。建议晚上挂机跑。
3.  **插电，并且防休眠。** 长任务要用 `caffeinate -i`。我们遇到过一次深夜过热进入睡眠，一个本该 15 分钟的镜头跑了 4.6 小时。
4.  **N 卡也能跑。** 本文用的是 Apple 芯片专用的 MLX 版。Windows 加 N 卡可以用官方的 PyTorch 或 ComfyUI 版，显存建议 32 GB 以上。

* * *

#### 测试项目与工具链

| 环节 | 模型 / 工具 | 运行位置 | 费用 |
|------|------|------|------|
| 视频生成 | LTX-2.5 22B 蒸馏版，MLX 8bit 量化（ltx-2-mlx，权重约 70 GB），文本编码用自带的 Gemma 3 12B 4bit | 本地 | 0 |
| 定妆照 / 首帧 | Gemini 3 Pro Image（2K 定稿）、Gemini 3.1 Flash Image（1K 草图） | 云端 | 约 0.95 元 / 张，草图约 0.48 元 / 张 |
| 配音 | MiniMax speech-2.8-hd 系统音色，加 "声音设计" 定制音色 | 云端 | 约 3.5 元 / 万字，定制音色 9.9 元 / 个 |
| 配音（纯离线备选） | CosyVoice 3（0.5B） | 本地 | 0 |
| 配音校对 | Whisper small | 本地 | 0 |
| 后期 | ffmpeg、Pillow（字幕图） | 本地 | 0 |
| 试过但没用上 | Animagine XL 4.0 + ControlNet + IP-Adapter（ComfyUI 本地画首帧）、Real-ESRGAN 超分、LTX 的 DFR 细节增强 | 本地 | — |

**为什么首帧和配音还用云端？**

-   **首帧**：本地 SDXL 重画的首帧发软、发雾，还会把号码画错，Gemini 明显更好。一集只要十几张，十几块钱。
-   **配音**：本地 CosyVoice 用一个音色变调去演多个角色，听起来发僵。MiniMax 一集只要几毛钱，所以配音主力用 MiniMax。

如果要求 100% 离线，可以用 CosyVoice 加 Whisper 校对，效果差一些，但能用。

* * *

#### 耗时对比：时间全花在 GPU 上

| 作品 | 时长 | 镜头 | 纯生成 | 含返工 | 质量 |
|------|------|------|------|------|------|
| 青石劫 第二章 | 2 分 06 秒 | 23 | 约 5 小时 | 约 9 小时（跨两晚） | ★★★★ |
| 披萨广告 | 42 秒 | 13 | 约 25 分钟 | 约 35 分钟 | ★★★★ |
| 足球 写实版 | 21 秒 | 8 | 约 2 小时 | 约 3.5 小时 | ★★★☆ |
| 足球 卡通版 | 21 秒 | 8 | 约 1 小时 40 分 | 约 8～10 小时（改了 7 轮） | ★★★ |
| 打斗测试 | 4～9 秒 | 1～4 | 约 30 分钟 | 约 1 小时 | ★★ |

单个镜头的规律：

| 镜头 | 耗时 |
|------|------|
| 3 秒，1080p，图生视频，加高清解码 | 约 8～10 分钟 |
| 5 秒说话镜头，a2v | 约 7～11 分钟 |
| 9 秒以上长镜头 | 约 20～37 分钟 |
| extend 续拍 3 秒 | 约 5～7 分钟 |

几个结论：

-   **每秒成片约 2.5～3 分钟**，比云端慢 20～30 倍。
-   **镜头越长越不划算**：时长翻一倍，耗时大约翻三倍。长台词一定要拆成正反打，每镜控制在 5 秒以内。
-   **只能串行**：一台机器同时只能跑一个视频任务，两个任务一起跑反而更慢。
-   和云端一样，真正拖时间的是返工。本地返工一次就是 10～30 分钟。

* * *

#### 费用对比：一集约 75 秒

| 方案 | 首帧 | 配音 | 视频 | 合计 | 出片 |
|------|------|------|------|------|------|
| 本地 LTX | 约 15 元 | 不到 1 元（定制音色一次性 9.9 元） | 0 元 | 约 16 元（首集约 29 元） | 约 3～5 小时 |
| Seedance 2.5，720p | 约 15 元 | 自带 | 约 115 元 | 约 155～180 元（含返工） | 约 20 分钟 |
| MiniMax-H3，768P | 约 15 元 | 自带 | 约 38 元 | 约 50～60 元 | 约 15 分钟 |

《青石劫》第二章实际花费：

-   Gemini 首帧和定妆照：约 31 张，约 30 元。
-   MiniMax 配音：几毛钱。
-   玄衡定制音色：9.9 元。
-   视频：0 元。

* * *

#### 用法：本地生成一集的完整流程

**第一步：分镜，单镜不超过 5 秒**

每个镜头写清楚：画面、动作、谁说话、台词、情绪。

-   **长台词拆正反打**：玄衡说 "你想报仇，想变强，就得听我的"，先给他近景，问到 "你肯不肯" 时切到林焰的反应。这样生成更快，节奏也更像影视剧。
-   **镜头之间位置要连贯**：上一镜结束时人在哪、朝哪，下一镜的首帧就要从那里开始。足球片里出过一次 "过人之后又跑回起点"，原因就是首帧没对上。

**第二步：定妆照和首帧，逐张检查**

每个角色先出一张全身定妆照。每个镜头的首帧都带上定妆照作为参考，同一场戏的首帧串联生成，每张参考上一张。

**生成视频前，一定要逐张检查首帧。** 我们返工最多的原因就是首帧没查仔细：多了一个球、多了一个守门员、画风偏卡通。

**第三步：配音和校对**

用 MiniMax 系统音色配音，主角用 "声音设计" 定制，比如 "温和慈祥的老年仙人，声音醇厚、语速从容"。配完用 Whisper 听写校对，避免把 "灵石" 读成 "零食" 这类问题。

**第四步：本地生成视频，按镜头类型选方式**

| 镜头类型 | 方式 | 说明 |
|------|------|------|
| 角色正面说话 | a2v，台词音频驱动 | 口型跟着台词走 |
| 画外音、背影、空镜、特效 | generate，加 --video-decoder diffusion | 画面更锐利；背影镜头别用 a2v，见后文踩坑 |
| 连续动作 / 长镜头 | extend 续拍 | 接着上一段的结尾生成，衔接自然 |

```bash
# 3 秒图生视频，原生 1080p
ltx-2-mlx generate --distilled --model ltx-2.5-mlx-q8 \
  --image key_s07.png 0 1.0 --prompt "..." \
  -W 1920 -H 1088 -f 73 --frame-rate 24 --video-decoder diffusion -o s07.mp4

# 说话镜头：台词音频驱动口型
ltx-2-mlx a2v --distilled --model ltx-2.5-mlx-q8 \
  --image key_s11.png 0 1.0 --audio s11_pad.wav --prompt "..." \
  -W 1920 -H 1088 -f 145 --frame-rate 24 -o s11.mp4

# 续拍：在上一段后面接着生成约 3 秒
ltx-2-mlx extend --distilled --model ltx-2.5-mlx-q8 \
  --video s07.mp4 --extend-frames 9 --direction after --prompt "..." -o s07_long.mp4
```

**第五步：后期**

-   **字幕**：用 Pillow 把正确的台词画成透明 PNG（白字黑边），再按配音时间叠上去。
-   **转场**：0.3 秒淡入淡出。
-   **混音**：环境音压低，人声放前面，最后统一做响度标准化。

整个后期只要一两分钟，不是瓶颈。

* * *

#### 踩坑经验：本地特有的几个坑

| 踩过的坑 | 代价 | 对策 |
|------|------|------|
| a2v 把台词 "画" 成一行乱码中文，烧进画面 | 每次重做一镜 10～20 分钟 | 背影和看不到嘴的镜头不用 a2v；构图让人物胸口以上占满下半个画面；提示词里别写 "不要字幕"，越提越容易出；已经出了的，用 ffmpeg delogo 擦掉 |
| 每镜只锁首帧、分开生成再拼起来，动作不连贯 | 足球片衔接改了好几轮 | 连续动作用 extend 续拍；相邻镜头的首帧位置要连贯 |
| 首、中、尾都锁同一张图 | 人物像照片一样不动 | 说话镜头只锁首帧 |
| 提示词写 "嘴唇随每个字动" | 老神仙张大嘴，表情夸张 | 改成 "轻声慢语、嘴唇自然开合、身体几乎不动、微风吹动衣角" |
| 镜头越写越长（9 秒以上） | 一镜 20～37 分钟 | 拆成正反打，每镜 ≤5 秒 |
| 打斗提示词写 "每秒四五次攻防" | 动作乱，拳头穿过对方的脸 | 动作做减法，一镜一两个招式；先用便宜的 Flash 1K 画姿势草图，确认后再出 2K 定稿 |
| 期待靠超分、细节增强提升画质 | 白跑几十分钟 | Real-ESRGAN 和 DFR 实测提升都很小，画质上限在视频模型本身 |
| 长任务半夜休眠或过热 | 一镜跑了 4.6 小时 | 插电，用 caffeinate -i，长任务分段跑 |

* * *

#### 本地还是云端，怎么选

| 情况 | 建议 |
|------|------|
| 对话剧情、单人或双人近景、3D 国漫或写实 | 本地，质量能到可发布的水平 |
| 打斗、体育、多人高速对抗 | 云端，本地目前只能做到 "能看" |
| 想反复改、做预演 | 本地，免费试错 |
| 赶时间、要批量出集 | 云端，20 分钟一集 |

最省钱的组合是：**本地预演定节奏，云端出正片**。先在本地免费把分镜、机位、台词时长都跑通，确认后再交给云端，一次出片，云端的返工费能省掉大半。

* * *

#### 总结

-   **能不能用**：对话剧情类的 3D 国漫，在一台 M5 Max（128 GB）上本地生成，2 分钟一集的质量已经可以发布，视频费为 0。
-   **代价是时间**：每秒成片约 2.5～3 分钟，一集约 3～5 小时，生成期间 GPU 满载。
-   **省时间的关键**和上一篇省钱的关键是同一件事，就是减少返工：
    -   首帧逐张检查
    -   单镜控制在 5 秒以内
    -   连续动作用续拍
    -   改动意见攒齐后一次改完
-   **短板**：高速打斗。

下一期会继续攻打斗：用 "姿势草图 → 关键帧补间" 的方法，看本地模型能不能把一段 7 秒的龙狼对决做顺。

> 注：费用按官方标价和本地文件数估算，实际以 Google Cloud、MiniMax 账单为准；耗时来自任务日志和文件时间戳，硬件为 Apple M5 Max，128 GB 内存。

https://cloud.tencent.com/developer/tools/blog-entry?target=https%3A%2F%2Fwww.bilibili.com%2Fvideo%2FBV1Zc4i6aE5W%2F&objectId=undefined&objectType=undefined&contentType=markdown qct-click="" target="_blank" rel="noopener noreferrer" qct-exposure="" qct-area="链接" >

AI 漫剧实战（二）：Mac 本地 LTX-2.5 模型生成视频，一分钱不花生成高质量 AI 动漫漫剧，打斗场景也很好

https://cloud.tencent.com/developer/tools/blog-entry?target=https%3A%2F%2Fwww.bilibili.com%2Fvideo%2FBV1Zc4i6aE5W%2F&objectId=undefined&objectType=undefined&contentType=markdown qct-click="" target="_

人工智能

音视频

开发工具

本地AI视频生成实战：MacBook Pro M5 Max全程本地跑通LTX-2.5开源模型，零成本制作1080p 3D国漫《青石劫》第二章。实测对话剧情质量可发布，2分06秒23镜头耗时5小时，视频费用0元。附完整工具链、分镜流程、踩坑避雷指南，对比云端方案，帮你省时省钱。

代码解释

Windows

Python

MacOS

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI 漫剧实战（二）：Mac 本地 LTX-2.5 模型生成视频，一分钱不花生成高质量 AI 动漫漫剧，打斗场景也很好-腾讯云开发者社区-腾讯云

AI 漫剧实战（二）：Mac 本地 LTX-2.5 模型生成视频，一分钱不花生成高质量 AI 动漫漫剧，打斗场景也很好

AI 漫剧实战（二）：Mac 本地 LTX-2.5 模型生成视频，一分钱不花生成高质量 AI 动漫漫剧，打斗场景也很好

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐