MiniMax H3 不用買顯示卡也能跑！Colab 手動生成與 Codex 自動產片比較

- 兩個開源專案的操作方式、批次生成與使用限制 -

想用 AI 生成會說話的數位人影片、AI 網紅短劇，卻發現自己的電腦沒有 NVIDIA 顯示卡？

最近在 GitHub 發現兩個很有意思的開源專案：

• minimax-h3-colab
• h3-colab-skill

這兩個專案都由開發者 dseditor 製作，而且都能透過 Google Colab 的 GPU 執行 MiniMax H3 影片生成模型。

乍看之下，似乎只是兩種不同的安裝方式。

但仔細研究後，我發現它們代表的是兩種完全不同的 AI 工作模式。

第一個專案，是讓我們操作 AI 生成工具。

第二個專案，是讓 AI Agent 幫我們操作 AI 生成工具。

差別看似不大，卻會直接影響未來 AI 影音製作的自動化程度。

一、MiniMax H3 是什麼？

MiniMax H3 是一套可以結合視覺與音訊條件生成影片的 AI 模型。

除了基本的影片生成，也能依照不同工作流，實現以下功能：

• 文字生成有聲影片
• 人物照片生成會說話的影片
• 參考圖片、影片、音訊生成新影片
• 利用首幀與尾幀控制影片
• 延伸既有影片
• 搭配額外的 P-H3-Image 元件進行圖片生成及編輯
• 透過特定工作流生成 TTS 語音

不過，H3 對硬體的要求不低，想在一般個人電腦上執行並不容易。

這時候，Google Colab 就派上用場了。

你可以利用 Colab 提供的雲端 GPU 執行 H3，不必購買高階 NVIDIA 顯示卡。

而今天介紹的兩個專案，就是利用這個方式降低使用門檻。

二、如何選擇 Colab 手動操作與 Codex 自動化？

簡單來說：

如果你只是偶爾生成一兩支影片，第一個專案就很好用。

但如果你需要反覆生成分鏡圖、多支影片與配音，第二個專案的批次工作清單會更有吸引力。剪輯仍須交給其他工具。

兩者並非「有無 Agent」的絕對區分：第一個專案的 Toybox 文件也列有 Gemini 短片 Agent。本文主要比較使用者操作網頁，以及由桌面 Agent 管理 Colab、提交批次與收回檔案的差異。

值得注意的是，第一個專案本身也包含一個基礎的數位人 Skill。

不過，該 Skill 需要你先手動啟動 Colab，再把連線網址交給 AI。

第二個專案則更進一步，讓 AI 負責整個 Colab 執行流程。

三、教學一：使用 minimax-h3-colab

這個專案比較適合第一次接觸 MiniMax H3 的使用者。

作者準備了三套 Google Colab 筆記本。

1. H3 Basic ComfyUI

這是最基礎的版本。

它會在 Google Colab 中安裝 ComfyUI 與 H3 模型，讓你自行操作工作流節點。

適合：

• 已經熟悉 ComfyUI 的使用者
• 想研究 H3 工作流的人
• 想修改模型參數及節點組合的開發者

2. H3 Digital Human

這個版本專門用來生成數位人影片。

你可以上傳一張人物照片，再提供提示詞。

例如：

「讓照片中的台灣女生對鏡頭說：大家好，我是米樂，今天帶大家一起探索台北最好吃的咖啡廳。」

接著設定影片長度、解析度和 Seed，就能開始生成。

這個版本特別適合：

• AI 網紅口播
• 數位人介紹影片
• 虛擬主播
• 角色對白實驗

3. H3 Toybox

想先體驗網頁操作，可從這個版本開始。

Toybox 是作者製作的網頁操作介面。

你不用學會 ComfyUI 的節點，也能直接操作多種 H3 影片生成模式。

目前包含：

• 參考生成
• 頭尾幀生成
• 純文字生成
• 影片延伸
• 提示詞改寫
• 選用的圖片生成及編輯功能

此外，Toybox 還可以設定不同的提示詞改寫來源，例如本地模型、Gemini 或 OpenAI 相容 API。

實際操作步驟

Step 1：開啟 Colab

直接點選：

開啟 H3 Toybox Google Colab

Step 2：設定 GPU

進入 Colab 後，選擇：

「執行階段 → 變更執行階段類型」

將 GPU 設為 L4。專案文件以 Google AI Pro 與可用 Colab 運算單元為前置條件，並指出這套 int8 工作流不適用 T4。實際方案資格與 GPU 配額，請先在自己的 Colab 帳號確認。

Step 3：執行筆記本

Toybox 筆記本主要執行三格：

1. 安裝 ComfyUI 與必要元件。
2. 下載 H3 模型。
3. 啟動 Toybox 網頁。

這與 Basic、Digital Human 筆記本的分格不同，請以你開啟的筆記本標示為準。

完成後，點選畫面提供的網頁連結。

Step 4：生成第一支影片

建議第一次先測試：

• 片長：5 秒
• 解析度：480P
• 比例：9:16
• 模式：參考生成

先上傳人物照片，再描述人物動作、鏡頭和對白。

如果要做 AI 網紅，建議固定使用同一張正式角色定裝照作為參考。

Step 5：檢查成果

生成後，不要只確認影片能播放。

還應該檢查：

• 五官是否與參考人物一致
• 服裝是否跑掉
• 中文發音是否自然
• 嘴型是否對得上
• 有沒有產生多餘字幕
• 鏡頭及動作是否符合需求

H3 有官方提示詞格式，專案建議參考生成採英文描述、台詞保留原語言。上面的中文台詞是需求示意，正式生成前仍應轉成對應工作流的提示詞。

可以利用 Toybox 的提示詞改寫功能，讓提示詞更符合模型需求。

四、教學二：安裝 h3-colab-skill，讓 Codex 自動生成

接下來這個專案，才是我認為最值得 AI Agent 使用者研究的部分。

它的正式 Skill 名稱叫做：

h3-multimodal-colab

目前支援 Claude Code、Codex，以及其他能操作本機命令列的 AI Agent。

主要概念是：

你不用再自己開啟 Colab、下載模型、設定工作流。

只要告訴 AI 你想做什麼，它就會協助完成操作流程。

Step 1：安裝 Skill

作者已經提供 AI Agent 專用的安裝指南。

你可以直接在 Codex 或 Claude Code 中貼上：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

請先閱讀以下專案作者提供的安裝指南：

https://github.com/dseditor/h3-colab-skill/blob/main/INSTALL_FOR_AGENTS.md

我想安裝 h3-multimodal-colab Skill。

開始安裝前，請先告訴我：

1. 這個 Skill 可以完成哪些工作？
2. 需要哪些 Google 訂閱？
3. 會安裝哪些本機工具？
4. 如何使用我的 Colab GPU？
5. 什麼時候需要 Google 帳號授權？

請先靜態審查安裝腳本與連帶下載內容，說明來源版本、讀寫路徑、權限與網路目的地。
預設安裝在目前專案的技能目錄；若需全域工具，請另列出。
請等我同意後，再執行安裝。

依作者安裝指南，本機會涉及 uv、Python 3.12、google-colab-cli 0.7.4 與 Skill 檔案；ComfyUI 與模型則在 Colab 環境安裝／下載。這是流程說明，本文未執行該安裝或審查完整供應鏈。

第一次使用時，需要透過 Google 帳號完成授權。

注意：這是讓程式存取你帳號中的 Colab 運算資源，因此應該先確認授權內容。

Step 2：選擇生成環境

Skill 可以選擇兩種執行模式。

模式 A：Google Colab

適合沒有 NVIDIA 顯示卡的使用者。

需要使用 Colab 運算單元，每次啟動環境時可能需要重新下載模型。

模式 B：本機 ComfyUI Desktop

作者本機指南以 ComfyUI Desktop 與至少 16GB 顯示記憶體的 NVIDIA 顯示卡為條件；文件中的路徑與操作範例以 Windows 為主，其他系統仍須另行確認。

模型下載一次後，就能重複使用。

如果你使用的是 MacBook Pro M 系列，建議先選 Colab，因為目前作者的本機方案是以 NVIDIA GPU 為主要條件。

Step 3：交辦 AI 影音生成任務

假設你正在經營一個 AI 網紅角色。

你可以直接對 Codex 說：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

請使用 h3-multimodal-colab Skill，
幫我的 AI 網紅製作一支 15 秒的直式短片。

角色：
使用我提供的角色定裝照。

影片風格：
真人寫實、台灣生活 Vlog、自然跟拍。

劇情：
第一段 5 秒：女生走進咖啡廳。
第二段 5 秒：她看到帳單，露出震驚表情。
第三段 5 秒：她對店員說出搞笑台詞，
最後出現冷面幽默反轉。

製作需求：

1. 保持角色五官、髮型、服裝一致。
2. 使用 9:16 直式畫面。
3. 先以 L4、480P 測試。
4. 中文對白使用台灣華語。
5. 影片不要字幕。
6. 請先整理分鏡與生成提示詞。
7. 先讓我確認規格，再開始批次生成。
8. 完成後下載影片，檢查畫面和聲音。
9. 詢問我要不要繼續修改，再決定是否關閉 GPU。

這樣 Codex 就能依照 Skill 的規則，規劃生成工作並進行操作。

當然，AI 產出的角色一致性、動作和對白仍需要驗收，不代表一次生成就一定成功。

五、第二個專案最重要的功能：批次生成

我認為 h3-colab-skill 最有價值的地方，就是它的批次工作機制。

例如你有一支 30 秒的 AI 短劇。

傳統流程可能是：

1. 打開圖片生成工具，產生分鏡。
2. 下載分鏡圖片。
3. 打開 H3，逐張上傳。
4. 逐段生成影片。
5. 下載所有影片。
6. 打開配音工具，產生語音。
7. 將素材匯入剪輯軟體。

如果每次都要切換工具，會花不少時間。

但第二個專案可以讓 Agent 把工作整理成 manifest.json。

支援的工作類型包括：

還能利用 @id 引用前面任務的輸出成果。

也就是說，前一個工作生成的圖片，可以接著交給後續的影片生成工作使用。

這才是真正值得延伸研究的地方。

未來可以把它和 AI 編劇、分鏡、剪輯工作流串接起來。

不過要提醒，批次執行並不等於完全無人監督。角色不一致、動作錯誤或生成失敗時，仍然需要針對個別片段調整。

六、Google Colab 會花多少運算單元？

這也是大家很關心的問題。

根據 h3-colab-skill README 的估計（非 Colab 固定費率）：

作者在 2026 年 11 月 4 日公布的一組 L4 測試，包含：

• 啟動 Colab
• 安裝環境與下載模型
• 兩張參考圖進行圖片編輯
• 生成一支 5 秒影片
• 生成約 6 秒配音
• 完成後關閉 GPU

整批約花費 10.1 分鐘、0.5 個運算單元。

這是作者在特定環境下的實測，不能視為所有影片都能達到相同速度。

而且 GPU 供應、Colab 政策、實際點數消耗，都可能變動。

建議第一次先做一支 5 秒影片，確認自己的帳號可以正常執行，再開始大量生成。

七、Skill 還能自動管理 GPU

這是另一個我覺得很實用的功能。

因為很多人使用 Colab 時，會遇到兩個問題。

第一個是每次啟動都要重新下載模型。

第二個是影片做完後，忘記關閉 GPU。

h3-colab-skill 設計了相關管理機制：

• 開始工作前檢查剩餘運算單元。
• 批次任務有執行時間上限。
• 工作完成後，預設暫時保留 GPU 15 分鐘；保留期間仍可能消耗運算單元。
• 如果需要修改，可以沿用同一個環境。
• 如果沒有新的任務，依專案設計，本機閒置計時器會嘗試自動關閉 GPU；仍應讀回執行階段狀態確認釋放。
• 任務失敗或中斷時，會嘗試釋放 GPU。

換句話說，它不只是影片生成 Skill，也包含部分 Colab 資源管理功能。

對於經常使用 AI Agent 批次生成素材的人，這種管理方式相當有價值。

八、使用之前要注意什麼？

1. 開源不代表運算免費

兩個 GitHub 專案可以免費取得程式碼，但執行 Colab GPU 可能會消耗付費方案的運算單元。

因此，不能把「開源」直接理解成「無限免費生成影片」。

2. 模型授權要分開看

h3-colab-skill 專案採 MIT 授權。

但 MiniMax H3、P-H3-Image，以及附加的 LoRA 模型，各有不同授權條款。

如果要用在商業接案、企業服務或對外提供生成平台，應該先確認模型授權。

3. 留意 Colab 連線安全

第一個專案如果使用 Cloudflare 公開連線網址，作者提醒該網址沒有密碼保護。

因此不要把連線網址貼到公開社群。

第二個專案則需要 Google 帳號授權，也應確認授權範圍並保護本機憑證。

4. AI 生成還需要人工驗收

特別是 AI 網紅與連載短劇，人物的一致性非常重要。

即使使用相同參考照片，仍可能出現：

• 人物臉型改變
• 服裝細節不一致
• 台詞不完整
• 動作不連貫
• 鏡頭方向錯誤

最好的做法，是先建立正式角色素材，再將產片流程標準化。

九、我會怎麼應用在 AI 網紅與短劇工作流？

以我目前研究的 AI 網紅、短劇、Codex 自動剪輯工作流來看，我會把這兩個專案分成不同用途。

第一階段：使用 H3 Toybox 測試生成品質。

先測試角色的一致性、中文口音、嘴型，以及動作生成是否符合預期。

這個階段的重點是確認模型能做到什麼。

第二階段：使用 h3-colab-skill 自動化批次產片。

讓 Codex 負責：

1. 整理短劇腳本。
2. 拆解分鏡。
3. 產生影片提示詞。
4. 建立生成工作清單。
5. 啟動 Colab GPU。
6. 批次生成圖片、影片與音訊。
7. 下載並檢查素材。

接著，再把產出的素材交給既有的 Concat、FFmpeg 或 DaVinci Resolve 自動剪輯流程。

如此一來，就能逐步建立一套從腳本到影片的 AI Agent 製作流程。

當然，這是值得實作驗證的整合方向，並不是這兩個專案已經內建完整的成片剪輯功能。

結語：AI 影音創作，正在從工具操作走向 Agent 自動化

我認為這兩個專案最大的啟發，不只是 MiniMax H3 終於可以透過 Colab 使用。

更重要的是，它們讓我們看到 AI 影音工具正在發生什麼變化。

以前，我們需要學會操作各種 AI 工具。

現在，我們開始讓 AI Agent 替我們操作工具。

從生成圖片、產生影片、生成語音，到下載素材，越來越多步驟可以交給 Agent 處理。

所以，我的建議是：

如果你是初學者，先從 minimax-h3-colab 的 H3 Toybox 開始。

如果你已經熟悉 Codex 或 Claude Code，想建立自己的 AI 網紅或短劇自動化工作流，那麼 h3-colab-skill 更值得深入研究。

未來 AI 影音製作的競爭力，不只是誰會用更多生成工具，而是誰能把創作流程變成可重複、可驗證、可持續改進的 AI Agent 工作流。

參考資料

• MiniMax H3 Colab 專案
• H3 Toybox 技術說明
• H3 Colab Skill 專案
• Agent 安裝指南
• 本機 ComfyUI 執行說明

資料整理日期：2026 年 11 月 7 日。功能、預設值與費用估計依作者公開文件整理，可能隨版本、方案與 GPU 供應改變。本文未實際安裝這兩個專案或完成完整實機效能評測。

常見問答 (FAQ)

Q1：沒有 NVIDIA 顯示卡，Mac 也能用 MiniMax H3 嗎？

可以採本文的 Colab 路線，把生成運算交給雲端 GPU，本機主要負責操作與接收檔案。仍須具備作者文件要求的帳號資格、可用運算單元與 GPU 配額；作者的本機方案則以 NVIDIA GPU 為條件。

Q2：minimax-h3-colab 和 h3-colab-skill 應該選哪個？

想先透過網頁調整參數、理解生成品質，可從 minimax-h3-colab 的 Toybox 開始。若已有能執行本機指令的 Codex 或 Claude Code，且需要批次處理圖片、影片與配音，可研究 h3-colab-skill 的工作清單與 Colab 管理流程。

Q3：開源代表免費產片、也能直接完成剪輯嗎？

程式碼可取得不代表 GPU 運算免費。Colab 仍可能消耗付費運算單元，模型與附加素材也各有授權條款。這兩個專案主要處理生成與素材回收，完整短劇仍須剪輯與人工驗收，不能把批次生成視為成片品質保證。