几乎0成本做视频，antigravity和flow、colab配合方式（纯干货）

1. 几乎0成本做视频，antigravity和flow、colab配合方式（纯干货）

[!abstract] 速览

  • 这是我摸索了几天的配置方式，已经稳定跑出很多视频了，具体可以在我的帖子中查看，今天我又做了升级，把flow和gpu生图配合上了，专门写个文章把提示词告诉你们。
  • Google Flow → 定妆照生成 → 人物锁脸 → 24 镜分镜关键帧生成 → 云端 G4 96GB GPU → 4x-UltraSharp 神经网络超分 → MiniMax-H3 双写实 LoRA 视频渲染 → 音频合成 → 最终视频输出。
  • 目标不是提供教程，而是实际检查环境、创建文件、配置工作流、执行零成本验证，并交付可以直接启动的工程。
  • 所有验证必须真实执行并记录结果。
  • 完成后停止，等待我的明确启动指令。
五步流程图：Google Flow 配置（锁脸定妆·生成分镜）→ 云端 G4 准备（超分+双写实 LoRA）→ 分镜渲染执行（超分·视频生成）→ 后期合成制作（剪辑·调色·配乐）→ 最终成片输出（高清发布·多平台分发），底部标注电影级画质、高效渲染、人物一致、一键启动、零成本验证

这是我摸索了几天的配置方式，已经稳定跑出很多视频了，具体可以在我的帖子中查看，今天我又做了升级，把flow和gpu生图配合上了，专门写个文章把提示词告诉你们。

1.1. 任务：部署 Google Flow + 云端 G4 96GB GPU 真人实拍级 AI 视频制作全链路

你现在是我的高级 AI 视频制作工程师、ComfyUI 工作流工程师和自动化部署工程师。请直接操作当前电脑和可访问的云端环境，为我部署一套完整的 AI 真人实拍级电影视频制作管线。目标不是提供教程，而是实际检查环境、创建文件、配置工作流、执行零成本验证，并交付可以直接启动的工程。

1.1.1. 总体架构

采用以下制作流程：

Google Flow → 定妆照生成 → 人物锁脸 → 24 镜分镜关键帧生成 → 云端 G4 96GB GPU → 4x-UltraSharp 神经网络超分 → MiniMax-H3 双写实 LoRA 视频渲染 → 音频合成 → 最终视频输出。

必须区分：

环境 职责
本地电脑 项目管理、脚本、音频母带、任务调度
Google Flow 人物定妆、参考图锁脸、分镜关键帧
云端 G4 图片超分、视频生成、视频渲染
最终输出 本地可访问的完整视频文件

1.1.2. Google Flow 配置

首先检查是否能够通过现有浏览器会话、CDP 或官方可用接口访问 Google Flow。

要求：

  1. 检查账号登录状态。
  2. 检查 Flow 是否可以正常创建项目。
  3. 新建独立项目。
  4. 配置 Nano Banana Pro 图片生成。
  5. 默认画幅 16:9。
  6. 设置人物参考图 reference_images。
  7. 建立人物定妆照，确保后续镜头使用相同人物参考。
  8. 建立完整的 24 镜分镜表。
  9. 每个镜头独立配置场景、人物、服装、光线、镜头运动、景别和摄影风格。
  10. 所有镜头保持人物脸部、服装、盔甲、发型的一致性。

风格统一为：

[!tip] 风格基调
张艺谋《影》《满江红》电影美学，70mm 院线级真人实拍，冷调水墨摄影，真实皮肤纹理，真实布料和金属材质，电影级光影。

摄影参考参数：

  • ARRI Alexa 65
  • Panavision Primo 70mm
  • Cinematic lighting
  • Photorealistic
  • Film grain
  • High dynamic range
  • Realistic skin texture

注意：如果 Flow 当前接口不支持某项参数，不要伪造成功状态，应记录真实限制并采用可行替代方案。

1.1.3. 云端 G4 96GB GPU 配置

连接云端 G4 环境，检查：

  • GPU 型号及显存。
  • CUDA 和 PyTorch 版本。
  • ComfyUI 是否可用。
  • 模型目录。
  • NVMe 存储空间。
  • 网络和远程任务执行能力。

检查并配置以下模型：

图片超分

4x-UltraSharp.pth

ComfyUI 节点：

  • UpscaleModelLoader
  • ImageUpscaleWithModel

要求：

  • 对 Flow 生成的关键帧进行真正的 4 倍神经网络超分。
  • 保留人脸细节。
  • 输出高分辨率图片。
  • 生成视频使用的适配分辨率引导帧。

[!warning] 分辨率口径
注意：4 倍超分不代表原生 8K，必须根据输入尺寸计算实际输出尺寸，不得虚报分辨率。

MiniMax-H3 双写实 LoRA

检查以下模型是否存在：

  1. h3-realism-people-t2v-i2v-r2v.safetensors
  2. minimax-h3-facial-realism-closeup-cp2000.safetensors

默认测试权重：

LoRA 权重
第一组 LoRA 0.75
第二组 LoRA 0.50
fl2v_turbo_8step 0.75

如果模型文件、节点或触发词不匹配，先检查实际模型兼容性，不要直接假定可以运行。

写实触发词：

r34l1sm, Facial Realism

目标：

  • 真人电影级人物。
  • 真实皮肤毛孔。
  • 真实面部结构。
  • 真实头发。
  • 真实盔甲纹理。
  • 避免塑料脸、AI 感、动漫感。
  • 尽量保持人物跨镜头一致。

1.1.4. 自动生成工程文件

请创建独立项目目录：

mv_liveaction_pipeline

至少创建以下文件：

  1. storyboard_liveaction.json

    • 完整分镜数据。
    • 人物设定。
    • 场景设定。
    • 镜头运动。
    • 每个镜头的独立生成提示词。
    • 人物参考图绑定关系。

  2. render_liveaction.py

    • 关键帧处理。
    • 4x-UltraSharp 超分。
    • MiniMax-H3 工作流调用。
    • LoRA 参数配置。
    • 视频渲染。
    • 音频合成。
    • 最终文件导出。

  3. launch_g4_dual.sh

    • 双路任务启动。
    • GPU 资源检查。
    • 并发控制。
    • 日志记录。
    • 错误处理。
    • 任务完成状态检查。

  4. config.yaml

    • 所有模型路径。
    • Flow 配置。
    • GPU 地址。
    • 模型权重。
    • 输出目录。
    • 渲染分辨率。
    • 并发参数。

  5. README.md

    • 环境说明。
    • 启动方式。
    • 配置修改方法。
    • 常见错误处理。

1.1.5. 双路 GPU 渲染

建立双路渲染调度系统：

  • GPU 路线 A：关键帧超分 + 视频渲染。
  • GPU 路线 B：其他镜头并行渲染。

要求：

  • 自动检测 GPU 显存。
  • 避免显存溢出。
  • 自动分配任务。
  • 失败任务可重试。
  • 保留中间文件。
  • 支持断点续跑。
  • 实时记录每个镜头的状态。

如果只有一张 GPU，或者并发会造成显存不足，应自动降级为安全串行或分批执行，不能为了双路并发导致任务失败。

1.1.6. 零成本验证模式

在完成配置后，必须执行完整的静态检查和可执行性预检。

[!danger] 启动授权
未经我明确授权，禁止开始实际生成任务。

零成本模式要求：

  • 不生成图片。
  • 不生成视频。
  • 不消耗 Google Flow 生图点数。
  • 不启动云端 GPU 推理。
  • 不运行收费 API 请求。
  • 不启动空载 GPU 会话。

允许执行：

  • 文件创建。
  • Python 语法检查。
  • JSON 格式检查。
  • Shell 脚本语法检查。
  • 工作流结构检查。
  • 模型文件存在性检查。
  • API 参数结构检查。
  • 本地模拟任务。
  • 连接状态检查（不触发生成）。

所有验证必须真实执行并记录结果。

1.1.7. 最终交付报告

完成后请向我汇报：

  1. Google Flow 是否真实连通。
  2. 项目是否成功创建。
  3. 人物锁脸配置是否完成。
  4. 24 镜分镜是否完成。
  5. G4 是否真实连通。
  6. 4x-UltraSharp 是否存在。
  7. 两个 LoRA 是否存在。
  8. ComfyUI 工作流是否通过验证。
  9. 双路调度是否可用。
  10. 当前是否有 GPU 任务运行。
  11. 是否产生任何费用或消耗点数。
  12. 所有工程文件的实际路径。
  13. 一键启动命令。

最后明确标注：

已部署 / 已验证 / 未验证 / 待授权启动

[!caution] 交付红线
不得把创建脚本等同于完成部署，不得把静态检查等同于真实推理成功，不得虚构账号连接、模型存在或 GPU 运行状态。完成后停止，等待我的明确启动指令。