影片筆記：完全免费，免配置， Mac本地模型：MiniMax H3、ACE-Step、Mage Flow Edit 实测

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿來源選擇未完全通過，仍先生成筆記（no_trustworthy_transcript_source；原始逐字稿保留；請進入精進模式確認來源。）
• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
• 待修正：部分時間軸可能不精確（unit 100: 2 chars owns 12.000s (max 8.000s)；unit 103: 7 chars owns 15.000s (max 8.000s)）
• 待修正：逐字稿可先使用，但有待校正清單（segment=44 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）
• 待修正：逐字稿品質檢核未完全通過（{'stage': 'canonical_transcript_quality', 'action': 'published_with_warning', 'signals': ['long_low_density_block', 'transcript_selection_not_resolved']}）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

本影片介紹了一款免配置、免費的 Mac 本地 AI 工具，實測了視頻生成模型 MiniMax H3（筆記中亦稱 MiMAS H3）與 LTX23 的差異，並演示了音樂生成模型 ACE-Step 1.5 的使用，強調該工具對國內網絡環境的支援及 Mac 平台的適配性。

核心重點

• Mac 本地部署優勢：針對 Mac 用戶，該工具提供了免配置的本地模型部署方案，解決了 Mac 上 ComfyUI（筆記中聽寫為 CONFUI）不成熟的問題，並推薦使用 MLX 版本。
• 視頻模型對比結論：
• MiniMax H3：表現優於 LTX23。特點為變形小、錯位少、顏色風格一致、面部細節處理較好。
• LTX23：表現較差。特點為變形大、漏洞多、顏色深淺與風格不一致、面部出現較大問題。
• 實測效果：
• 視頻生成：使用提示詞「亞洲美女在跳舞」，生成耗時約 7-8 分鐘，結果動作生動自然。
• 音樂生成：使用 ACE-Step 1.5 模型，通過特定格式標籤控制生成約 10 秒的中國風女生歌曲。
• 網絡與安裝：支持國內網絡環境配置，提供一鍵安裝或手動下載模型的功能。

詳細大綱

1. 軟件基礎設置與環境

• 目標用戶：Mac 用戶，特別是希望本地運行 AI 模型的人群。
• 網絡配置：軟件支持勾選「國內網絡」選項，以適應國內網絡環境。
• 模型下載方式：
• 一鍵全裝。
• 手動點擊「發現」進行下載。
• 技術背景提及：
• 目前 N 卡（NVIDIA）加速平台部署教程較多。
• Mac 上 ComfyUI（聽寫為 CONFUI）尚不成熟。
• 發現 MLX 版本在 Mac 上效果不錯。

2. 視頻生成模型實測與對比

• 測試對象：
• MiMAS H3 / MiniMax H3（筆記中名稱有混用，指代同一模型）。
• LTX23。
• 對比結果：
• MiMAS H3：
• 變形較小。
• 錯位較少。
• 整體效果較好。
• LTX23：
• 變形大。
• 漏洞多。
• 顏色深淺與風格不一致。
• 面部出現較大問題。
• 實測案例：
• 提示詞：「亞洲美女在跳舞，扭動身體微笑，加大 129」。
• 生成結果：
• 耗時：約 7-8 分鐘。
• 畫面：動作生動自然，畫面感強（大畫面跳舞）。
• 異常語音：生成結果展示時出現英文短句 "I do want forward"，與上下文無關，疑為口誤或雜音。

3. 音樂生成模型實測

• 模型名稱：ACE STEP 1.5。
• 功能：生成音樂。
• 操作路徑：打開軟件 -> 對話 -> 工具 -> 點擊音樂。
• 提示詞規則：
• 必須保留固定格式標籤。
• 不可更改標籤內容，僅可調整順序或修改描述。
• 標籤用於識別歌曲部分及控制音樂種類（如男女聲）。
• 實測案例：
• 設定：女生、中國風、時長 30 秒（實際生成約 10 秒）。
• 內容意象：夜色、秋川台、晚風、街角燈等。

工具 / 模型 / 名詞整理

• 軟件：
• 本地自製軟件（影片標題提及，但分段筆記中未明確提及具體軟件名稱，僅描述為「本地自製軟件」）。
• 模型名稱：
• MiniMax H3（影片標題）：筆記中亦被聽寫為 MiMAS H3。
• LTX23：視頻生成模型。
• ACE STEP 1.5：音樂生成模型。
• 技術/平台名詞：
• CONFUI：筆記中提及 Mac 上該工具不成熟，疑為 ComfyUI 的聽寫。
• MLX：Mac 上運行模型的一種版本或框架。
• N 卡加溫平台：筆記中提及 N 卡加速平台，「加溫」一詞語意不明。
• Mac：本工具適用的操作系統平台。
• 國內網絡：軟件支援的網絡環境配置選項。

操作流程整理

視頻生成流程

1. 環境準備：確保軟件已配置為支援國內網絡。
2. 模型選擇：選擇 MiniMax H3（或 MiMAS H3）或 LTX23 模型。
3. 輸入提示詞：輸入描述性文字，例如「亞洲美女在跳舞，扭動身體微笑，加大 129」。
4. 生成等待：等待約 7-8 分鐘生成視頻。
5. 結果檢視：檢查視頻的動作自然度、面部細節及風格一致性。

音樂生成流程

1. 進入工具：打開軟件，進入對話界面，選擇「工具」，點擊「音樂」。
2. 選擇模型：使用 ACE STEP 1.5 模型。
3. 構建提示詞：

• 保留固定格式標籤。
• 調整標籤順序或修改描述內容。
• 指定歌手性別（如女生）和風格（如中國風）。

1. 生成音樂：設定時長（如 30 秒），生成約 10 秒的音樂片段。

值得注意的限制或風險

• 模型名稱不一致：影片標題為 MiniMax H3，但分段筆記中出現 MiMAS H3，需確認是否為同一模型。
• 生成時長與設定不符：音樂生成設定為 30 秒，但實際生成僅約 10 秒。
• 面部與風格問題：LTX23 模型在顏色風格一致性和面部細節上存在明顯缺陷。
• Mac 生態限制：目前 Mac 上 ComfyUI（CONFUI）尚不成熟，本工具作為替代方案提供 MLX 版本。
• 提示詞參數不明：提示詞中出現「加大 129」，其具體含義不明，可能是特定參數或口誤。

逐字稿辨識疑點

• MiMAS H3 / MiniMax H3：逐字稿前半段稱為「MiMAS H3」，後半段稱為「MiniMax H3」。根據上下文推測可能指同一模型，但逐字稿存在名稱不一致。
• CONFUI：逐字稿提及「大多數使用的是 CONFUI」，此名稱在常見 AI 部署工具中較少見，疑為 ComfyUI 的聽寫錯誤，但依規則標為疑點。
• N 卡加溫平台：「加溫」一詞語意不明，疑為「加速」或特定平台名稱的聽寫錯誤，標為需查證。
• 加大 129：提示詞中出現「加大 129」，語意不明，可能是特定參數或口誤，標為需查證。
• I do want forward：在展示視頻生成結果時突然出現此英文短句，與上下文無關，疑為口誤或雜音，標為需查證。
• 秋川台：歌詞中出現「秋川台」，此為非標準地名或專有名詞，疑為聽寫錯誤（如「秋川」或特定地名），標為需查證。
• 重複語句：逐字稿後半段大量重複「這個。這個。這個...」，為錄音或轉錄時的停頓/無效內容，已忽略其具體語義。
• segment 44: unnatural_sentence_boundary：標點出現在句首或停在逗號位置，斷句可能不符合文法/口語。

可延伸追問

• 該「本地自製軟件」的具體名稱是什麼？
• MiniMax H3 與 MiMAS H3 是否確為同一模型？
• 「加大 129」在提示詞中代表什麼具體參數或意義？
• ACE-Step 1.5 生成音樂時，為何設定 30 秒卻只生成 10 秒？
• MLX 版本在 Mac 上的具體性能表現如何？