降低电影级镜头的获得成本
2024 年全球长片产量
WIPO / Omdia · 104 个报告经济体[3]
面向全球电影公司、独立制作人与视效团队,从环境、特效与补充镜头进入,逐步覆盖精细人物表演和复杂动作。
以新加坡为融资主体,面向全球电影、剧集、数字人市场,构建从电影级生成、专业制作、快速生成到实时互动的纵向 AI 产品线。以专业数据与后训练提升质量,以系统优化提高效率。
CINEMATIC QUALITY让摄影、表演与光影
成为模型的原生能力。
PROFESSIONAL PRODUCTION让角色与镜头连续性
进入稳定的制作流程。
FAST & BALANCED兼顾画面质量与速度
高效完成日常生成。
REALTIME PRESENCE让数字角色从被观看
走向可持续交互。
共享数据标准、角色资产、工作流与评测能力 · 四条产品线由 mixspace 定义
首页图片为产品概念视觉;pro / Flash 已上线,ultimate / live 按研发规划推进。
mixspace 以新加坡为融资主体,面向全球创作者、制作机构与数字角色运营方,让专业影像创作和实时互动共享一套可积累、可控制、可迭代的 AI 能力。
以 H3-ultimate 建立质量上限,以 pro 与 Flash 提升制作效率,再把角色、声音和场景资产延伸到 H3-live 的持续互动。
现有 mixspace AI 生成平台已提供 H3-pro 与 H3-Flash,承接日常专业与快速生成任务。以素材、生成条件和审核反馈推动持续迭代,并扩展电影级与实时交互能力。
以 MiniMax H3 开放权重作为重点研发起点。官方 H3 是 33B 稠密音视频模型;四个产品名称为 mixspace 自定义。Live 可采用专用流式学生模型,模型选择随验证结果演进。[1]
当前产品状态:H3-pro 与 H3-Flash 已上线;H3-ultimate 与 H3-live 为研发方向。产品线共享资产、数据标准和评测体系,具体训练成果与性能按版本验证。
以全球电影制作机构、系列内容团队与数字角色运营方为目标客户,从制作规模、委制活动与陪伴付费三个角度识别需求。
2024 年全球长片产量
WIPO / Omdia · 104 个报告经济体[3]
面向全球电影公司、独立制作人与视效团队,从环境、特效与补充镜头进入,逐步覆盖精细人物表演和复杂动作。
2026 年上半年五大国际流媒体
在全球的内容委制项目[4]
面向剧集制作公司、流媒体内容供应商与系列内容工作室,围绕角色、场景、动作和声音建立可复用的制作能力。
2026 年第一季度全球
AI 陪伴移动应用收入估算[5]
面向全球 IP 持有人、直播运营与互动娱乐团队,先验证数字角色的持续使用价值,再拓展视频陪伴应用与成年用户。
专业影视生成与互动数字角色面向全球客户,产品能力需覆盖多语言、不同文化语境及地区网络条件。三个指标分别反映生产、委制与应用付费,不能相加为市场规模;可服务市场按地区、客户预算和实际使用需求测算。
四条产品线分别侧重电影质感、专业控制、质量与性能平衡、实时交互。pro 与 Flash 已上线,均支持日常正式生成;ultimate 与 live 继续推进专项研发。
面向高要求电影镜头,提升原生画面质感与表达能力。
面向剧集与日常专业成片,兼顾可控性与稳定交付。
面向高频正式生成,在画面质量、响应速度与成本之间取得平衡。
面向直播、IP 互动与视频陪伴,持续输出可响应的声画。
产品定位由 mixspace 定义。已上线产品持续优化质量、性能与工作流;电影级与实时能力通过独立研发和评测推进。
通过高质量人工筛片和专业领域标注,提升模型对光影、材质、镜头语言、动作过程与表演意图的理解和执行。

对有使用与训练授权的素材做镜头切分、技术质量过滤与题材平衡,再由专业人员筛选光影、构图、动作和表演优秀的完整片段。
标注主体与空间关系、动作先后、景别与运镜、表情与视线、光线与声音事件。描述必须对应实际画面,未知焦距等参数不做伪标注。
先以 LoRA 或局部 SFT 验证数据价值;质量与容量证据支持后再扩大解冻。监督训练稳定后,构建同条件优劣片段对,探索偏好优化。
固定输出规格与解码方式,对原始生成结果做专业盲评;同时检查指令遵循、动作完成度和连续性,单独报告超分、修复与调色的贡献。
论文表 7:SFT 相对预训练的整体质量净胜率,24 FPS、10.6 秒评测。其数据流程包含人工精选电影感片段与描述修订;结果属于完整训练方案,不能外推为 H3 收益。[2]
Netflix 在 2025 年第二季度业绩访谈中称,《The Eternaut》一段建筑坍塌特效借助 AI 更快完成,并进入最终成片。该案例支持按制作环节验证价值,不能推导整部影片的成本降幅。[6]
在验收标准固定时,提高一次合格概率 p,有机会减少生成与返工。完整核算还包含审核、修复、集成和数据训练摊销。
c 为单次生成成本;这是独立重复尝试、成本相同的简化关系,须用真实项目数据校准。
一张漂亮的人物图,只是制作的起点。镜头进入剧集,需要身份、服装、道具、空间、动作和情绪状态在连续制作中保持可追踪。
围绕日常角色、场景与常规镜头,在明确的成片质量门槛下改善响应速度、吞吐与成本。生成结果直接进入审核和制作流程,兼顾高频使用与交付质量。
围绕复杂参考、角色一致性与精细动作控制,对角色、服装、场景、道具和声音建立资产版本;在相邻镜头间传递必要状态,提高专业制作的可控性。
记录“原任务、生成条件、问题位置、人工判断、最终版本”。经授权筛选的失败与优选片段,可回流为控制训练和偏好样本。
同角色、同场景的短序列,先证明连续性与返工效率,再扩大到更长的叙事单元。
pro 与 Flash 均可独立完成正式生成,分别侧重专业控制与质量、性能的平衡。创作者按任务要求使用对应工作流,保留统一的资产、状态与验收记录。
以 fal H3 Max 系列作为直接产品与技术对标。Max / Turbo 对照 pro / Flash 的质量与效率;Director 对照 H3-live 的持续生成、动态导演控制与运行成本。
| 对标维度 | fal 公开能力 | mixspace 产品与研发重点 |
|---|---|---|
| 质量与生成效率 | H3 Max 通过新增数据与后训练改善指令遵循和美学;Turbo 侧重吞吐。[22] | 已上线 pro / Flash 持续优化正式生成;ultimate 以专业影视数据提升原生电影质感。 |
| 连续生成与控制 | Director 维持音视频流,支持动态 Prompt、重规划和逐片段状态反馈。[23] | H3-live 研发持续互动、角色稳定、指令生效与音画同步,并分别测量端到端响应。 |
| 长期使用经济性 | Director 按生成视频秒计费,每会话有 60 秒最低计费。[20] | 在明确质量和任务范围下,通过场景专用化与模型、系统协同优化,降低持续使用成本。 |
直接对标采用 fal 官方资料;同条件的能力、性能与成本差异需通过实际调用和版本测试建立。H3-live 为研发方向,pro / Flash 已上线。
对长时直播与高频视频陪伴,持续生成成本会随使用时长累积。mixspace 的差异化目标,是在满足场景质量、响应与稳定性要求的前提下,降低每分钟的完整服务成本。
每生成 1 分钟视频
按公开标准费率
等效小时 · 按满时会话换算
核验于 2026 年 11 月 22 日:标准费率 US$0.08/生成视频秒,默认配置为 768p,每会话最低计费 60 秒;1080p 为标准费率的 2 倍。公开单会话默认上限 15 分钟,小时金额按 4 个满 15 分钟会话累计;短会话受最低计费影响。采用公开标准价,企业协议折扣另计。[20][21][23]
Ds 为每个会话生成的视频秒数;结果单位为美元。只描述上述标准费率,不等于完整应用成本。
纳入 GPU、音视频传输、应用服务、运维及数据训练摊销。影视任务看合格内容分钟;实时会话看有效服务分钟,同时报告画质、卡顿与响应。
同规格、同质量门槛、同任务范围比较。优先在受限角色、背景与动作空间验证专用学生模型,保留表情、身份与指令执行能力,再逐步扩展。
联合少步蒸馏、潜空间压缩、条件复用和增量解码;结合预热、并发与队列控制,检验真实负载下的收益。
提高合格率、减少无效尝试与返工;同时核算空闲资源、冗余和峰值容量,验证长期运行的成本曲线。
成本优势属于需验证的研发与产品目标。当前采用 fal 公开价格建立外部基线,mixspace 的具体降幅由同条件实验和真实服务记录证明。
在明确的角色与场景范围内建立实时体验,逐步增加全身动作、空间变化和环境交互。直播与虚拟陪伴分别验证需求。
让角色围绕脚本与观众输入持续讲述、回应和执行有限动作。重点考察长时运行、内容节拍、有效互动和主播制作效率。
首期:固定角色、固定或受限场景
沿用影视角色的外观、声音与设定,持续记录会话状态。验证用户是否愿意反复与角色互动,以及资产复用是否降低制作成本。
扩展:情绪、手势、道具与场景控制
围绕倾听、说话、停顿、表情和可打断的轮次,探索自然的视频会话。以留存、付费和使用时长评估新增视频成本的价值。
验证:视频体验带来的长期使用增量
实时头像与上半身对话优先采用专用流式模型验证三秒响应;全身、自由运镜与场景互动再通过动作条件、状态记忆和更大范围的时空建模扩展。头像实时的公开结果不能直接外推到电影级全场景视频。
用连续音视频、倾听和说话状态、情绪变化与打断恢复片段做时序训练;结合自生成历史,减轻长会话中的身份、表情和动作累积误差。
采用小块音频条件、历史缓存、少步生成、增量解码与统一时间戳;限制尚未播放的队列深度,让新指令及时进入后续片段。
以客户端实际播放作为终点。空闲眨眼、点头和预生成占位语不计为语义回答。测量同时声明硬件、画幅、帧率、并发与网络条件,冷启动单独报告。
2026 年 11 月发布的 1.3B AURA,在单 H100、576p 下提供实时头像生成;演示版使用 0.5 秒块,音频到视频约 1.2 秒。该时间尚未覆盖完整对话推理、TTS 和网络;其权重为非商用许可,作为研究参考。[13][14]
TaoMate-H3 的公开 T2AV 基准中,8×H20、480×864、10 秒视频的首段可播放时间约 17.3 秒,另排除了内部音频准备。这个配置仍未达到三秒目标,说明 H3 全场景流与专用头像应分开规划。[16]
以上预算合计 2.80 秒,含 0.40 秒排队波动预算,距离三秒门槛另留 0.20 秒余量。前提为模型、编译图和角色条件已预热。验收按真实关键路径测端到端分布,各阶段 P95 相加不等于整体 P95。
特定场景可以降低模型必须覆盖的能力范围。近期优先缩小重复计算;参数稀疏激活需要对应的模型结构和训练。
官方 H3 是稠密 Transformer。约 13B 的 AdaLN 分支可预计算缓存,推理专用部署可不加载这些分支权重;这种确定性优化不同于按场景选择专家。[1]
角色或场景 LoRA 适合低成本适配。合并权重后依然执行稠密主干,不能据此推导“只激活 1% 参数”或相同比例的推理提速。[18]
以受限角色、背景与动作范围训练更小的学生模型。SoulX-FlashHead 的 1.3B 头像路线提供了专用化参考;消费级 GPU 结果仍需在整链路中复测。[15]
压缩重复去噪次数和视频 token,复用历史与条件编码,优化增量 VAE、算子和流水线。每项提速均回归口型、表情、细节与长时稳定。
研究共享主干与少量专家的组合,验证任务分工和负载均衡。Wan2.2 的高 / 低噪声专家说明条件激活可行,但并非现成的场景专用 H3 改造。[17]
设共享参数为 Pshared,每个专家参数为 Pexpert,共有 N 个专家,每次激活 k 个。公式只表达理想化参数量;实际计算还包括注意力、编解码、显存与专家通信。
k < N;减少激活参数不等于等比例减少常驻显存、单卡成本或端到端延迟。
开放基座提供起点。mixspace 拟持续积累的是:哪些数据能提升哪些任务,哪些条件能稳定执行,以及怎样以更低成本完成真实交付。
按镜头、动作、表演、光线和声音建立数据规范;保留来源、授权范围、审核版本与训练用途,避免高质量数据只停留在样片收藏。
沉淀角色外观、声音、服装、空间关系与世界观;让专业制作、快速生成和实时互动共享可追踪的资产,减少每次任务重新建立条件。
经授权记录接受、拒绝、返工原因及完整条件;区分标注、筛片、训练和运行配置带来的增益,让反馈能形成对照实验。
面向全球使用场景,按题材、角色、语言与文化语境建立保留测试集;分地区记录端到端延迟,以盲评、指令执行、连续性和交付成本检验版本。
来自现有平台与目标场景的明确需求。
记录为什么采用、为什么返工。
形成可对照的质量与控制改进。
检验成本、稳定性与持续使用价值。
H3 产品线面向全球市场;具体基座按使用地区与授权范围配置。MiniMax H3 当前社区许可排除美国、欧盟、英国和韩国,相关地区需另行确认适用授权或选用适用基座。新加坡融资主体不替代具体使用与交付范围的核验。[19]
该体系为拟建设的长期能力。实际数据规模、权利范围、已训练模型与质量增益,应由版本记录和可复现实验提供证据。
以已上线的 pro / Flash 持续迭代为基础,并行推进电影质量与实时数字人研发。各方向以基线与验收结果决定下一阶段的数据、算力和场景投入。
在已上线 pro / Flash 的基础上固定电影 / 剧集任务集、验收规则与版本基线;同步验证专用头像链路。
对照自动描述与人工修订、常规过滤与专业筛片;形成 ultimate / pro 的领域适配候选。
持续优化已上线 Flash 的质量与性能,验证少步生成、条件复用和推理配置;联合衡量时延、吞吐、合格率与完整交付成本。
在明确硬件和并发下验证三秒响应、打断恢复与长时运行;逐步扩大表情、身体和场景能力。
先证明数据、任务与系统改进有效,再扩大训练规模。单一精美样片或单项 FPS 指标不足以作为产品进入下一阶段的依据。
阶段顺序为规划,不是既定交付日期。排期与资源预算需在基线运行、素材可用性和目标硬件确认后确定。
“海量市场”是长期机会判断。当前更有效的验证方式,是找到可服务的具体客户与用户,证明他们愿意反复使用,并为新增价值付费。
固定验收要求,统计全部生成、审核修复、集成与数据训练摊销;比较最终合格镜头成本和项目交付周期。
关键证据:真实项目的成本与返工记录验证内容团队的生产效率、会话稳定性与使用频次;以实际付费用量、服务成本和角色资产复用评估价值。
关键证据:长时运行与客户重复使用分别比较文本、语音与视频体验的留存、付费和使用时长;判断视频带来的使用增量是否覆盖新增推理成本。
关键证据:留存、转化与每互动分钟成本各地区结果采用统一币种与统计周期,去重汇总;分别记录模型授权、服务成本与付费转化。后续以实际客户和使用数据形成全球市场的情景测算。
mixspace 的目标,是把电影级质量、专业制作、快速生成与实时体验连成一条可积累的技术产品线,服务全球客户,并由真实交付和持续使用推动迭代。
阅读训练、流式系统与公式附录在技术中理解行业,
在行业中定义产品,
让 AI 回应真实业务场景。
从 2000 年的海外 CG 项目,到实时引擎、长篇动画、制作管理 SaaS,再到 mixspace,持续把创作需求转化为技术流程、团队能力与可交付的产品。
履历与创业经历由创始人提供。神漫文化创业经历已实现变现;H3-pro 与 H3-Flash 已上线,H3-ultimate 与 H3-live 按研发规划推进。
检索截至 2026 年 11 月 22 日。厂商或论文指标保留其适用条件;mixspace 的研发目标与方案在正文中明确标注。
本 BP 包含已上线产品与后续技术规划。pro / Flash 上线状态及创始人经历由团队提供;具体模型能力、性能与研发成果按版本资料验证。技术附录说明训练、流式系统、公式与评测口径。