AI 短剧制作用云 GPU
一部短剧，就是同一批角色出现在几十个短镜头里，一集接一集。 在 CloudGPU 上，你按分钟租一张带 ComfyUI 的 GPU，生成一集的镜头，把文件拷走，再销毁实例。按分钟计费，1 分钟起，销毁实例即停止计费。
一集的制作流程
- 定下角色。 用 20–40 张参考图训练一次角色 LoRA，之后每集都复用它，让脸和服装保持一致。参见用 musubi-tuner 训练 Wan 2.2 LoRA（英文）。
- 生成镜头。 ComfyUI 里的 Wan 2.2 能把一段提示词或一张首帧变成 5 秒的片段。竖屏 9:16 的做法一样：在 latent 节点里把宽和高对调。参见在云 GPU 上用 ComfyUI 运行 Wan 2.2（英文）。
- 配音和口型同步。 对白用 CosyVoice 3 或 IndexTTS-2.5 生成，再用 LatentSync 或 MuseTalk 对口型。
- 超分和剪辑。 用 SeedVR2 或 Real-ESRGAN 超分，然后在你常用的剪辑软件里剪出这一集。
每一步适合用哪张卡，见 AI 影视与视频制作：每个环节用哪张卡。
一分钟成片要花多少钱
以下是 2026-11-04 在一张 RTX 4090 上用 ComfyUI 实测的结果（测试条件见 RTX 5090 测评）：
| 模型和输出 | 每条 5 秒片段的 GPU 时间 | 每 1 分钟成片的 GPU 费用 |
|---|---|---|
| Wan 2.2 TI2V-5B，1280×704，20 步 | 169–175 秒 | 约 $0.23（35 分钟 GPU 时间） |
| Wan 2.2 T2V-A14B FP8，832×480，20 步 | 354–361 秒 | 约 $0.47（72 分钟 GPU 时间） |
计算方法是每条片段的 GPU 时间 ÷ 片段时长 × 60 秒，按 RTX 4090 $0.39/小时计算（价格截至 2026-11-07 17:02 (UTC+8)）。短剧免不了重拍，每个镜头请按多拍几条来做预算。下载模型和空闲时间另计。
Wan 2.1 和 2.2 采用 Apache 2.0 许可发布，所以用它们做出的片段可以商用。工作流里加入的其他模型，请逐一查看各自的许可。
MiniMax H3：自带原生音频的视频
MiniMax H3 会把画面和声音一起生成。在 /deploy 上，MiniMax H3 (ComfyUI) 模板会在实例交付后下载 H3 文件，并附带一个示例工作流。在我们的测试中，用一张 RTX 4090 48G（1344×768、24 fps、int8 文件、4 步 turbo LoRA），模型加载完成后，一条 5 秒片段耗时 85–87 s，折合每分钟成片约 $0.20 的 GPU 费用。详情见 MiniMax H3 需要什么 GPU。H3 的权重采用 MiniMax H3 Community License，不是开源许可：使用权重或发布用它做出的作品之前，请先读一遍。
把素材传上去、拷下来
- 上传参考图和剧本：用 JupyterLab 的上传按钮，或通过 SSH 用
scp/rsync。 - 拉取模型：先运行
cloudgpu-net on，再从 Hugging Face 或 GitHub 下载（指南（英文））。 - 权重放不下时，在启动实例之前到 /deploy 选更大的系统盘。更大的系统盘会按小时加收费用。
- 销毁实例前先把成片拷走。 实例销毁后，上面的数据会被删除。
用脚本把一整集排进队列
ComfyUI 模板会在实例运行期间提供一个公网 HTTPS 端点，用来调用 ComfyUI 的 API。把工作流导出为 API 格式，然后每个镜头发一次 POST /prompt，带上该镜头的提示词和 seed，轮询 GET /history/{prompt_id}，再用 GET /view 下载每条片段。端点本身不带登录，需要的话请自己加。
常见问题
做 AI 短剧该租哪张 GPU？
先用 RTX 4090 跑 ComfyUI 里的 Wan 2.2 TI2V-5B 和 14B FP8 文件：在我们的测试中，两者都能在一张 RTX 4090 上运行，显存峰值约 21 GB。要做更长的片段、更高的分辨率或训练 LoRA，就选显存更大的卡。现在能开哪些卡，以 /deploy 为准。
一分钟成片要花多少钱？
在我们的 RTX 4090 测试中，Wan 2.2 TI2V-5B 在 1280×704 下每分钟成片约需 35 分钟 GPU 时间，Wan 2.2 14B FP8 在 832×480 下约需 72 分钟。用这个数乘以价格页上 RTX 4090 的当前价格即可。重拍会在此基础上增加费用。
能做竖屏 9:16 的视频吗？
可以。在 Wan 的 latent 节点里把宽和高反过来设置，例如用 704×1280 代替 1280×704。
怎样让角色在各集之间保持一致？
训练一次角色 LoRA，在每个镜头的工作流里加载它。提示词里保持同一个触发词和同样的参考服装描述。
视频可以商用吗？
Wan 2.1 和 2.2 采用 Apache 2.0。工作流里的其他模型，例如配音、口型同步或超分的权重，各有各的许可，其中有些仅限非商业用途。发布前请逐一阅读。
价格见 https://cloudgpu.app/zh/pricing，这里不重复列出。现在能开哪些卡，以 https://cloudgpu.app/zh/deploy 为准。