REQUIREMENTS开始之前
准备方式，
用 API 今天就开拍，还是用本地 GPU 不计数量地拍。两种方式用的是同一份分镜表。
CLOUD API
用 API 运行
无需设备，注册当天即可开始。按用量支付各家的 API 费用。
- fal.ai 的 API 密钥
- Anthropic 或 OpenAI 的 API 密钥
LOCAL GPU
在本地运行
用本地 GPU 加订阅。渲染多少条都不产生 API 费用。
- GPU 机器 + ComfyUI
- Claude 或 ChatGPT 订阅
01—TWO SETS两种运行方式
API 与本地，
视频在哪里渲染，对话用哪个 AI。各有两种准备方式。
CLOUD API
用 API 运行
LOCAL GPU
在本地运行
VIDEO—渲染视频
- 视频渲染端
- 用 API 运行
fal.ai 的云端 API
- 在本地运行
在本地 GPU 上运行的 ComfyUI
- 可选引擎
- 用 API 运行
fal.ai API 的 MiniMax H3（不做量化，每个镜头 5–15 秒）
fal.ai API 的 MiniMax Hailuo（每个镜头 6 / 10 秒）
- 在本地运行
本地 GPU 的 MiniMax H3（可装进 12GB 的 int8 版）
本地 GPU 的 Seedance（仅预留接口，工作流准备中）
- 需要准备
- 用 API 运行
fal.ai 账号和 API 密钥
粘贴到组织设置 → 生成 AI（組織設定 → 生成 AI）即可。加密保存，只显示末尾 4 个字符
- 在本地运行
搭载 NVIDIA GPU 的机器和 ComfyUI
MiniMax H3 全套模型（约占 93GB 空间）和自定义节点
- 费用方式
- 用 API 运行
fal.ai 的使用费，直接计入你登记的密钥
按分辨率和时长计费。MiniMax H3 默认 768P，改为 2K 时每秒费用约为 2 倍（截至 2026-09-14）
- 在本地运行
不产生 API 费用
只需承担设备和电费
- 等待时间
- 用 API 运行
无需排队等 GPU，镜头并行生成
耗时取决于 fal.ai 的繁忙程度
- 在本地运行
1 个 4 秒镜头约 139 秒（实测）
每台 GPU 逐条依次处理。点击前会显示预计时间
- 目前做不到
- 用 API 运行
2 张以上关键帧的参考模式，以及视频 → 视频（v2v）
生成演员的角色设定表和场景设定表（目前都只能用本地 GPU）
- 在本地运行
长镜头取决于显存。12GB 即使用 480P 也渲染不了 60 秒
渲染不了的时长，点击前就会被拦下
AI—对话 AI
- 对话 AI
- 用 API 运行
Anthropic（Claude）或 OpenAI（GPT）的 API 密钥
按用量计费。在设置 → API 设置 → AI 连接（設定 → API 設定 → AI 連携）中登记
- 在本地运行
Claude Pro / Max 或 ChatGPT Plus / Pro 的订阅额度
由 Konte 的本地 worker（Node 18 及以上）调用本机的官方 CLI（claude / codex）
- 其他选择
- 用 API 运行
兼容 OpenAI 的内部网关（LiteLLM / vLLM 等）
- 在本地运行
本地 LLM（Ollama / LM Studio），无需密钥即可登记
02—COMMON两者通用
两种方式通用的，
关于引擎怎么选，以及生成分镜表的 AI。
生成分镜表的 AI
从对话拆分镜头、生成前润色提示词、读取演员和场景，都由运行在 Konte 服务器上的 Claude 负责。
每个组织 1 个引擎
由组织的所有者选定默认生成引擎。因为同一部作品的镜头若因人而异用不同引擎渲染，画面就会对不上。
视频和对话，可以分别选择
也可以这样搭配：视频用本地 GPU，对话用 API 密钥。
用本地 AI 操作分镜表（可选）
通过 MCP 把 Claude Code 或 Codex 接入 Konte，从创建资料、演员、场景、道具、镜头到生成都可以交给它（52 个工具）。只有在你要求时才会生成，无法撤销的删除只能在界面上操作。
03—LOCAL SPEC实测设备
本地 GPU，
所有数字都在这 1 台机器上测得。GPU 不同，数字也会不同。
- GPU
- NVIDIA GeForce RTX 4070（显存 12GB）
- CUDA
- 13.0
- 内存
- 分配 24GB（生成 30 秒 480P 时峰值约 22GB）
- 加速
- SageAttention 2.2.0（快速生成工作流必需）
- ComfyUI 节点
- ComfyUI-MiniMaxH3-Easy / ComfyUI-KJNodes / ComfyUI-VideoHelperSuite。生成设定表还需要 ComfyUI-MiniMax-H3-Image-Studio
- 模型
- MiniMax H3 本体（int8）、文本编码器（Qwen3-VL 32B）、VAE、Turbo 8step LoRA、RealESRGAN。约占 93GB 空间
ONE CUT — 1 个 4 秒镜头
- 以 480P 生成（Turbo 8step）84.2 秒
- ESRGAN x2 → 提升到 1080p55.0 秒
1920×1080，带声音139.2 秒
| 分辨率 | 4 秒 | 15 秒 | 30 秒 | 60 秒 |
|---|---|---|---|---|
| 480P | 1 分 24 秒 | 6 分 11 秒 | 31 分 57 秒 | 显存不足 |
| 360P | — | 2 分 47 秒 | 6 分 25 秒 | 52 分 47 秒 |
仅为生成时间，不含放大到 1080p。Konte 会根据这些实测值，在点击前给出预计时间。— 表示未测量。