H3 出了参数你们都看过了2K、15秒、原生音频、开放权重。这些不说了直接讲和我们的关系。它到底变了什么以前做一条商品视频文生图跑底图图生视频做动效动作迁移套参考镜头配音单独出音效另外加。每个环节都在换工具、导出导入、调参数。H3 把这几件事合到一个模型里了——你可以把商品图、参考镜头、配音一次性丢进去用自然语言说明它们的关系它直接出带声音的成片。这意味着文字从提示词变成了调度指令。你在描述素材之间怎么配合而不只是描述画面长什么样。这一点跟我们踩过的坑直接相关上次给品牌做多镜头展示商品图在三个镜头里颜色跑了两次就是因为图生视频和文生视频用的不是同一套上下文。H3 如果真能把所有素材放在同一个上下文里理解这类问题理论上会少一些。另外 2K 它怎么做的也值得注意。不是先出低清再超分放大而是带着原始素材信息重新生成高分辨率画面。超分是猜细节这个是回去翻参考资料。对我们这种要露包装文字和 logo 的场景这个机制比单纯提高分辨率更有意义。对我们现有流程有什么用我们现在最烦的不是生成质量不够好而是素材搬运和返工太多。一个 15 秒产品展示底图、动态、配音要跨三个工具改一个镜头往往要重新导出再对齐。H3 值得测的就三个方向商品和品牌视频能不能把产品白底图、品牌 KV 和参考镜头一次输入直接出可预览的成片固定角色的多镜头生成同一个商品或人物换角度、换动作之后还能不能对得上基于已有素材的修改成片出来之后能不能用自然语言只改一个镜头或换一句配音别的地方不动自动化流水线和本地部署先放放不是现在最疼的问题成本得按真实成功率算目前接入渠道看到的价格2K 是 0.80 元/秒768p 是 0.50 元/秒。15 秒成片分别 12 块和 7 块 5。注意这个报价可能来自代理不是官方定价正式接之前要确认。但做过视频生成的都知道一次出好基本不可能。以我们现在用其他工具的经验平均生成 5-7 次才能捞到一条勉强能用的。按这个成功率一条 2K 成片的实际成本大概是 60 到 80 块不是 12 块。所以真正决定 H3 划不划算的不是单价是它能不能把成功率拉上去。如果改局部的时候别的地方能稳住不用每次推倒重来成本会降得比任何折扣都猛。开放权重的边界开放基础模型权重是好事ComfyUI 已经能接了。社区有人拿 3060 12G 跑 480p5 秒要 9 分钟。能跑但离能用还有距离。另外得清楚开放的是基础模型完整 2K 流程和部分上下文处理能力还在官方服务端。本地版本现在更适合跑测试和调试工作流暂时替代不了 API。敏感素材处理的场景可以先拿本地版验证流程但正式产出还得走云端。怎么测我们关心的其实就是几个会直接导致返工的问题测什么怎么测什么算过商品一致性同一个产品生成 5 个不同角度镜头颜色不跑、logo 不变形、材质质感统一连续修改对成片改三轮局部换背景、换配音、调镜头速度没指定改的部分不动音画同步口播画面 动作音效场景各测几条口型对得上、音效节奏不脱节文字准确让模型生成带品牌名和包装小字的画面核心文字可读、拼写不出错真实成本记录拿到第一条可用素材的生成次数和耗时按业务预算评估不设绝对数字过不过的标准拿业务场景锚定别用无明显差异这种判断。比如商品颜色偏差超过上次品牌方打回来的那个案例就算翻车。现阶段结论别直接上生产。先做 PoC重点就测上面那五个维度。商品一致性和连续修改最先测这两个不过关其他都是虚的。2K、原生音频这些卖点只有基础能力达标了才有讨论价值。说到底是这个问题它能不能让我们少搬几遍素材、少返几次工。能就值。不能参数再好看也跟我们没关系。