本文基于双 RTX 4090 本地部署 MiniMax H3 的实测数据，对比了 4V4A 与 8V8A 两种采样配置，以及 PyTorch 原生 Attention 与 Comfy Kitchen Attention（CK）后端的性能差异。结果显示，CK 可稳定提速 17%-24%，而步数多并不总是带来更好的效果，例如真人哭戏中 4 步反而产生更克制的单泪轨。作者提出两级候选制工作流：先用 4V4A+CK 快速筛选，再用 8V8A+CK 精修，并建议对真人表演类镜头进行 A/B 对比。
本文分享了作者在制作AI视频过程中，从使用MiniMax云端API转向本地部署IndexTTS2的实践经验。作者详细对比了两者在中英混排发音、音频格式、离线能力、声线一致性及成本等方面的优缺点，最终选择了IndexTTS2以保障视频工作流的可控性与稳定性。
文章详细记录了作者构建个人 AI 视频生产线的全过程。包括从 MiniMax 云端声音克隆迁移到本地 IndexTTS2 以降低成本和延迟，解决参考音频漂移问题；接入 HeyGen 数字人实现虚拟分身，并通过脚本自动化视频合成与人脸裁切。文章分享了具体的代码配置、生产流程（脚本、配音、字幕、合成）以及避坑指南，适合高频视频创作者参考。
作者分享了利用 Codex、Hyperframes、HeyGen 和 IndexTTS2 等工具构建的自动化视频工作流，实现了零基础、低成本的短视频制作与变现。文章详细介绍了各工具的选型理由、工作流架构及成本账单，旨在帮助读者通过 AI 技术解决内容生产的效率问题。
作者开源了 55 个用于视频生产的 AI Skill，涵盖选题、洗稿、配音、剪辑、动效及质检等全流程。通过 Skill 的自动串联，实现了“一句提示词出一条视频”的高效工作流，大幅降低了内容创作的时间成本。
本文分享了作者通过十亿Token的消耗量，在三天内深度对比Claude Opus 4.7与GPT-5.5的真实心得。测试涵盖大型代码重构、Agent搭建及前端生成等场景。结论显示，GPT-5.5在推理效率、执行力和成本控制上表现卓越，已成为作者的主力工具；而Opus 4.7虽在规划与视觉分析上仍有优势，但存在Token消耗激增、上下文检索变差等“倒退”问题。文章还总结了Reddit社区的声音，提出了“Opus规划、GPT执行”的Handoff最佳工作流。
