跑通了一条极其丝滑的自动化视频生成工作流，用三个模型各司其职，效果出乎意料。 整…

跑通了一条极其丝滑的自动化视频生成工作流，用三个模型各司其职，效果出乎意料。 整个流程是这样的：GPT6负责设计世界观和故事框架，Jev根据世界观做出生存决策，决策结果再喂给MiniMax H3渲染成具体的视频画面。三个模型分工明确，各干各的活，最后拼成一个完整的视频。 我有个做短视频的朋友，他之前用传统方法生成视频，每次都要花好几个小时调整画面和剧情。用了这个工作流后，他说效率提升了不少，基本可以批量生产了。 GPT6在这个流程里主要负责宏观层面的创意生成，比如世界观设定、角色关系、剧情走向。它的长文本理解能力确实很强，能保持整个故事的连贯性。 Jev的特点是速度快，适合做实时决策。在这个流程里，它根据GPT6生成的世界观，快速做出各种生存决策，比如角色下一步该做什么、场景该怎么切换。这种分工挺有意思的，把创意和执行拆开了。 MiniMax H3负责把决策结果渲染成具体的视频画面。它的多模态生成能力确实不错，生成的画面质量比之前用的其他模型好了很多。 整个工作流跑下来，从创意到成片大概需要十几分钟，比传统方法快了很多。虽然细节可能不如手工调整的那么精致，但对于批量生产短视频来说，这个速度确实够用了。 如果你也在做视频生成相关的项目，可以试试这个工作流。特别是那些对生产效率有要求的场景，用这套方案确实是个不错的选择。