之前我們介紹過透過 Codex 呼叫 Google Colab，使用 MiniMax H3 生成影片的方法。這次阿達換了一套不同作者的開源工具：dseditor (也是知名的 AI 老師「松音」)開源的 H3 多模態生成 Skill。它把生圖、圖片編輯、影片生成、影片延伸與 TTS 配音整合成工作流程，讓 AI 處理開機、上傳、推論、下載和關機。這篇除了整理安裝方式，也實際做一組「原創角色圖 → 換場景 → 角色影片」的連續案例，看看它能做到哪裡、要等多久，以及額度怎麼算。
讓 AI Agent 幫你生圖、做影片！松音 H3 多模態生成 Skill
先釐清一點：這個 Skill 是讓 Agent 自動操作 Google Colab GPU 來用 MiniMax H2 製作影片的工具與流程，不是用 Google 直接提供的影片生成服務。真正的生成在你自己訂閱的 AI Pro 方案免費給的點數在 Colab GPU 上執行。可透過目前各種主流 AI Agent，如 Codex、Claude Code、Antigravity 或 Hermes，本範例由 Codex 操作；本機電腦負責準備素材、送工作和接收成品。比之前那個教學流程更加的簡單，只要貼上命令，一路授權就完成了，而且不只能生成影片、圖片、配音、延伸都可以。
跟上一篇教學有什麼不同？這是另一套 Skill
兩個專案都借用 Google Colab GPU 運算，完成後把 MP4 下載回本機。上一篇介紹的是 killkli/minimax-h3-colab-skill，以 H3 參考影片流程為主；這次是 dseditor/h3-colab-skill，安裝後的技能名稱為 h3-multimodal-colab，功能更多使用更簡單。
| 項目 | 上一篇介紹的工具 | 本篇使用的工具 |
|---|---|---|
| 專案 | killkli/minimax-h3-colab-skill | dseditor/h3-colab-skill |
| 主要操作範圍 | 角色參考影片；目前文件也列有首幀模式 | 生圖、改圖、影片、延伸、TTS |
| 執行方式 | runner 執行隨附的 Colab 推論 Notebook | runner 在 Colab 部署 ComfyUI 與 H3 Toybox，再提交生成工作 |
| GPU 選擇 | Shell 啟動器預設 A100 高記憶體，可調整 | 預設 L4，也可依需求選其他支援的 GPU |
本篇文章所生成的影片均使用 L4／PRISM INT8／8 步 組合；圖片則走這個專案提供的 P-H3-Image 路線。
松音 H3 多模態生成 Skill（請去按小星星）
需要準備什麼？先確認有額度的 Google 帳號
準備一個能在本機操作指令、安裝技能的 AI 工具，以及可使用 Colab GPU 的 Google 帳號。本篇使用 Windows 上的 Codex 與既有 WSL 環境；專案也提供 Windows、macOS、Linux 的安裝方式。本機並不需要先裝 H3 模型或也不需要你安裝高階顯示卡，所有的模型權重都下載到 Colab 的暫存環境。
要注意的是就算你有 Google AI 會員，不等於目前登入的每個帳號都有 Colab 運算單元。Google 官方的 AI Pro 說明把 Colab 福利列為「只有」家庭方案管理員可用，家庭帳號會顯示 0 CU 可調用，所以你的 AI Pro 如果是跟別人共享的就可能無法使用。
安裝方式：把這段話貼給 Codex
開啟能操作本機的 AI Agent，這邊以 Codex 為例，貼上以下內容。安裝前讓它說明會下載什麼、在哪裡執行，以及 Google 授權的用途：
請照 https://github.com/dseditor/h3-colab-skill/blob/main/INSTALL_FOR_AGENTS.md 幫我安裝 h3-multimodal-colab 這個 skill：開始之前先跟我說明它會做什麼、要什麼訂閱、何時要登入，我同意後再安裝。我要優先使用 Google Colab，先以 L4 測試；也要使用生圖功能。
專案安裝流程會準備技能、Python 與 Google Colab CLI。官方安裝文件目前指定已驗證的 CLI 0.7.4；如果日後版本有變動，請讓 AI 依文件核對相容性安裝，原則上都是自動完成。
Google 授權由你本人完成
第一次使用時，AI 會提供 Google 授權網址。請核對網址與要登入的帳號，自己完成密碼、二階段驗證和權限確認，再依工具流程完成授權。
完成後，將下方的 Token 金鑰交給 AI 助理就完成設定了：
可以請 AI 執行下面的檢查，回報帳號是否正確、剩多少 CU，以及有沒有還在運作的 GPU（非必要）。若你也有多個 Google 帳號，請它把正確帳號與使用的登入環境記進自己的 SKILL，往後每次檢查和生成都沿用同一套環境。
能力測試
實測案例一：從文字生成圖片
首先測試文生圖功能，不用現成的知名角色，我選擇做一隻橘色配送機器人（可自行設定，以下僅為示範）：深青色螢幕臉、兩個白色圓眼、三指機械手、橡膠腳，以及一個棕色斜背配送包。先讓外觀有幾個容易辨識的重點，下一階段才能檢查它是否維持同一個角色。
提示詞：用雲端 H3 生圖功能，生成一隻原創橘色配送機器人，深青色螢幕臉、兩個白色圓眼、三指機械手、棕色斜背包。暖白攝影棚背景，完整角色入鏡，精緻 3D 動畫風格，16:9、2K，不要文字、Logo 或浮水印。
實測案例二：保留角色，設定指定場景（圖生圖）
接下來直接把上一張結果當圖片編輯的輸入，要求保留機器人幾何、配色、眼睛與包包，把背景換成台北藍調時刻的雨後街道。這裡比單純換一張新圖更有意義：要看角色能否在換背景後仍被辨識，而不是只看單張漂亮不漂亮。
提示詞：以上一張機器人為角色參考，保留外形、橘色機身、青色螢幕、眼睛與棕色包包。換到台北雨後的行人街道，旁邊是暖光咖啡店櫥窗，地面有濕潤反光，角色完整入鏡，16:9、2K。不要可讀招牌文字。
實測案例三：兩張參考圖接著生成 8 秒影片（圖生影片）
第三步把將剛剛的攝影棚角色圖與雨夜場景圖一起給 AI 並輸入提示詞。
提示詞：使用這兩張圖製作 8 秒、16:9、720P 級影片。第一張鎖定機器人的外觀，第二張提供雨夜咖啡店場景。機器人向暖光走一小步，轉向鏡頭揮手兩次，再放下手。保留包包與配色，鏡頭緩慢靠近，搭配細雨、機械關節聲與輕柔配樂，不要台詞和字幕。使用 Colab L4，完成後下載並關閉本次 GPU。
送出後，Agent 會把需求整理為 H3 的英文提示詞，補齊參考角色、場景、時間順序、環境音與配樂，AI 會使用 MiniMax H3 自動處理到完成並交付成果：
同場加映：真人風格舞蹈影片（圖生影片）
我給 AI 一個角色圖片，叫它製作一段 15 秒的跳舞影片，還原度很不錯：
到底等多久、花多少 CU？把生成時間與整批時間分開看
接下來分享一下使用的 CU （Compute Units；運算單元：可以理解成 Google Colab 的「運算點數」）與使用時間。裡面還包含啟動、安裝、模型下載、素材傳送與收檔。額度差額為開始與關機後顯示值相減，帶有顯示四捨五入，不能精算成每秒費率。
| 測試 | 單項生成耗時 | 整批／額度 |
|---|---|---|
| 本篇角色文生圖，2K | 112.5 秒 | 本篇三項共用一台 L4，整批與 CU 見下方實測紀錄 |
| 本篇參考圖改場景，2K | 48.2 秒 | |
| 本篇角色影片，8 秒、720P 級 | 380.8 秒 | |
| 先前舞蹈，10 秒、直式720P級 | 456.9 秒（約7分37秒） | 整批約12分鐘／約0.29 CU |
| 先前小幅舞蹈，15 秒、直式720P級 | 729.3 秒（約12分9秒） | 整批約16.4分鐘／約0.43 CU |
小結
dseditor/h3-colab-skill專案還提供獨立 TTS、參考音色與影片延伸等功能，也支持接本機 ComfyUI Desktop。本篇聚焦在新增實測生圖、改圖與參考影片，有興趣的朋友可以自己跟 AI Agent 一起做看看。如果你的目標是短片提案、角色設計或小段社群素材，這種交給 AI 管理 Colab 的方式很方便，而且不用花大錢買硬體就能生圖生影片。不過前提是你要有 AI Pro 會員，我個人是覺得很值得買啦，因為還有 YouTube 無廣告、AntiGravity 額度、Google Drive 雲端空間、更多的 Gemini 使用額度…都是多給的福利，雖然 Google 目前 AI 模型普遍被戲稱為「可愛龍」，但一般人使用還是夠用的，快點試試看吧！
Google AI 訂閱多送 Colab GPU 額度！透過這個技能，就能讓 Codex 呼叫 Colab 生成 MiniMax H3 影片
