开源拍片框架:4台小主机导一部AI电影

开源框架把AI电影产线搬回桌底,四台小主机可搭,普通用户还得等

小主机上屏幕里的导演数字人挥手

桌面小主机与屏幕

先说结论:AI 电影第一次搬回自家桌底

先说结论:这是「AI 电影」第一次把整条产线搬回自家桌底,但普通用户还得再等等。我说清楚,这次没有真机,以下全按郝实验室官方博客和公开基准捋的,能不能真落地,等 GitHub 上跑起来的实测才算数。

11 月 19 日,加州大学圣地亚哥分校的 Hao AI Lab 开源了 Dreamverse Harness。它把本地视频生成从「一条片段」推到「整部电影」:指挥它的 agent 会自己写剧本、拆故事节拍、给每场戏定机位和动作,开拍之前还跟你对一轮。

一句话理解:视频模型负责吐画面,这个框架负责把画面串成一部能看的片。它最大的看点不是跑得快,而是默认全本地,素材全程不离开你手边。

agent 写作工作台

什么叫 agent harness:一座可随手改的工作台

harness 不是又一个对话框,而是一整套「agent + 技能 + 流程工具」。它架在 DeepSeek Harness 的插件系统上,每个部件都是插件,可以拆。

想删掉你用不上的功能,直接卸插件;想改 agent 的判断,直接调喂给它的技能和上下文;想要一种新画布节点,自己写一个插件注册进去。换模型也不难,写一个 provider 插件就行,甚至可以叫内置的编码 agent 替你写。

工作流是这么走的:agent 先拆解剧本、锁定角色参考、帮你排好镜头;你点「预览」,它先报这一串要出哪几帧、估多少显卡、以及为什么有的镜头会被拒;你说好,它才一串全渲染。拍完你还能对话式改,重 roll 单个镜头,把喜欢的镜头一键送去升 2K。

数据锁定与隐私

本地全栈:素材不出门,也没人抽成

默认配置下,一台 NVIDIA DGX Spark 就把活全干完。那是 GB10 Grace Blackwell 架构的小主机,128GB 统一内存,和你工位电脑一个量级。

这台机器里同时跑着两样东西:导演 agent(Qwen 3.8 27B,NVFP4 量化)和 FastH3 视频模型。脚本、参考图、成片,全程在这台机器里转,一条网线都不出。

这是我判断最难被替代的一点。云上那套按 credit 抽成的玩法,抽的其实就是「你的素材经它手」这一下;本地跑,等于把这层抽成分文不留地拿掉,这笔账长期算下来会很扎眼。

本地是默认,不是锁死。想用更大的云端模型当导演?把云端 LLM 当同一目录里的一项加进来,视频仍留在你的 Spark;远程渲染服务器也能和本地并排放。

多台小主机互联

四台 Spark 是什么量级

拍片最费的是渲染,所以它最多允许 4 台 Spark 一起上,走 QSFP 线缆直连,不用交换机。在新增的 Hardware 设置页把你的每台机器登记进去,agent 就能看到谁在线、谁忙、装了哪些模型。

它会自动把镜头派到装了对应模型又空闲的那台,优先挑已经加载好模型的机器,独立镜头并行渲染,模型装卸全由它自己调度。

这个量级我理解成「一间小工作室或学校实验室」的标配。一个 FastH3 模型约占 40 到 55GB,一台 Spark 能塞两个,或一个配 Qwen 并排放下。

升 2K 那步交给两台机器切分跑。据官方基准,两台上 2K 重生成从 454 秒压到 158 秒;三台以上时,一边继续拍新镜头,另一边用「一对」把保留的镜头升到 2K,互不耽误。

云端与本地对比

对比云和旧开源

云上 Higgsfield、Runway、TapNow 这些都能出整片,但代价是全栈都住在云端:每次生成按 credit 加价,UI 之外你想改 agent 逻辑,门都没有。换句话说,你租到的是结果,不是产线。

开源旧项目则各撬动一半:要么只能跑自己 GPU 配一套固定本地模型,要么能导整部片却只挂付费云 API。想要「模型随便换、逻辑自己改」的,两边都不给。

Dreamverse 要补的就是这个缺口:全网开源、基于 FastVideo、对任何你接进来的模型敞开。它卖的不是一成不变的产品,而是给你「裁员式改装」和「换血式换模型」的自由度。

开发者调试设备

谁该等云,谁现在能试

我的第二个判断:只想要一部现成成片的普通用户,继续用云,等这套东西再成熟一点。第一批往上扑的,多数是折腾型用户和给团队试水的极客。

现在就能动手的是这批人:手上就压着 DGX Spark 的工作室、常年做定制片源的团队,还有学校实验室。他们的痛点正好是「不改别人、自己改逻辑、素材不出门」,这套全中。

你要是和我一样还没真机,建议先 fork 仓库翻一遍 dgx-spark 指南,或者装官方 setup 技能,让 Codex、Claude Code 帮你自动配好,它会把每台机器检查到能吐一段测试镜头为止。

收尾一句:本地产线的门,是第一次有人主动推开。进不进得去,得看第一批 Spark 玩家的实测;但方向我是认的,值得等这台戏唱下去。

14MB 内存跑 Gemma3,一分钟一个词
下一篇
14MB 内存跑 Gemma3,一分钟一个词
把 Gemma 3 塞进打印机,14MB 内存,一分钟吐一个词
继续下滑 或 点击阅读下一篇
下一篇 14MB 内存跑 Gemma3,一分钟一个词 →
站长照片
“

1

”
联系二维码
微信:扫码加企业微信
邮箱:15611497360@aqq.com
手机:15611497360

私信站长

申请退款