实测MiniMax Design：剪视频“有嘴就行”？

MiniMax这个月推出了一款新产品，MiniMax Design，官方给它定的口号是「从操作像素，到操作语义和表达意图」。翻译一下，以后做视频不用你调参数、拉时间线，说人话就行。

标语充满吸引力，但我们按官方手册把它的功能完整测了一遍之后，结论得拆开说，在「流程」这一层，它确实做到了简单描述就可以成片；在「画面」这一层，也就是官方最想强调的视频语义编辑，它翻车了。

先说产品，再说测试。

一个Agent驱动的内容生产Harness

MiniMax Design的官方定位不是「又一个 AI 视频生成工具」，而是一个Harness，一个把多模态模型能力组织成生产力的工作台。底层是MiniMax刚开源的H3多模态视频模型，上面封装了层Agent，你提需求，它负责拆解任务、选Skill、调模型、生成、修改，直到交付。

界面是三栏结构，右边是Agent对话区，中间是画布，所有生成内容和上传素材都会出现在画布上并自动按流程连线，左边是Skill广场、模板中心、插件和资产中心。

官方手册里给了8个商用案例，覆盖电商短视频、KOC投流广告、知识科普视频、动画PV这些场景，主打的都是「短、快、模板化、批量化」的商业内容生产。

价格这里多说一句，因为这决定了它适合谁。截至8月22日，国内版会员三档，Starter 65元/月给10000积分，Plus 499 元/月给87000积分，Pro 1399元/月给270000积分。按官方换算，10000积分大约能生成83秒H3 2K视频或143秒768P视频。

翻译成人话就是，65块钱一个月，大概够你出5到9条15秒的短视频。对个人玩家不算便宜，但对一个每天要出投放素材的电商团队，这是另一笔账。

现阶段大部分都具备的远程连接，MiniMax Design也没有落下，用户可以绑定IM工具，随时随地给MiniMax Design分配任务，连接方法也非常简单，微信或者飞书扫码就可以接入。

流程层的语义化，它真的做成了

我们的第一项测试完全按官方手册的示例来，上传一张无线耳机产品图，输入一句话需求，「为一款无线耳机制作一条15秒竖屏广告，突出轻便和降噪，风格简洁、有科技感」。

Agent没有直接开干，它先拆解任务，反过来跟我们确认画幅、卖点、受众，然后规划步骤、生成人物形象、写脚本分镜，最后出片。整个过程里我们能做的只有两件事，确认，以及等。

两个细节值得说，一是成片质量，同一张产品图，走Agent链路做出来的成片，效果比当时在网页端直接生成好上一截，原因是Agent会自己扩展提示词、补充分镜。二是对小白的友好度，我们的感受是，对AIGC小白来说实用性很高，有了Agent之后，不用再花心思去学怎么使用画布。

这就是「流程层语义化」的意思，你不需要理解这个工具，你只需要说清楚你要什么。

Skill和模板是第二条验证线，Skill广场里的技能可以用三种方式调用，点「去对话中试试」直接调用、对话框输入「/」唤起、或者干脆不说用哪个，让Agent自己判断。我们三种都试了，全部成功。

在广场看到喜欢的风格可以直接复用，这也省去了试错的成本。

资产和记忆，它记得你上一个项目里干了什么

官方文章里有一个很技术向的判断，多模态模型的下一步，是理解整个Project级别的Context，包括历史对话、素材资产、版本记录和用户的风格偏好。

可以把项目中生成的角色或者场景保存为资产，方便在其他项目中复用。

更进一步，在同一个对话里聊了很多轮之后，我们问Agent，根据我们目前的对话，总结一下你已经确认的人物设定、视频风格和品牌信息，它也可以完整复述。

官方说的项目级Context，至少在我们的测试规模内，是成立的。

批量 KOC，还有一个没被要求的聪明细节

批量生产是官方最强调的商用卖点，我们上传了2张产品图，要求生成2条15秒竖屏KOC视频，每条要有不同的创作者人设、开场Hook和口播。

Agent先建了人物锚和产品锚，锁定人物长相和产品外观，再分别生成。2条全部成功，每条视频内部人物跨镜头保持了很好的一致性。

真正让我们停下手的是VR眼镜那条，我们原本有点担心，VR眼镜这个产品形态，模型会不会把它误判成按摩仪之类的竞品。结果H3的处理方式是，整条视频只字不提产品名称，只说佩戴感受。

它没有被要求这么做，这看起来像是模型知道自己可能在产品细节上出错，主动绕开了坑。从商业内容的角度，这种避免犯错的能力，比画质提升更有价值，当然，前提是它绕得足够自然。

导演台和AI剪辑，把抽卡试错提前到分镜

3D导演台是官方力推的插件，核心价值是，在3D空间里摆好角色、机位、姿态，确认构图之后，再拿这个分镜当参考去生成视频，把一部分抽卡试错提前到分镜阶段。

我们用自然语言让导演台「摆两个角色素体，面对面站立，机位从侧面拍」，它准确理解了。然后让Agent按这个分镜生成一段5秒视频，成片的构图和人物位置与导演台分镜高度一致，闭环是通的。

AI剪辑同样全部通过，加字幕、加转场、裁掉最后2秒，三条自然语言指令全部成功执行。

导演台现在是一流AI视频平台的必备功能，能有效减少因为人物姿势和站位导致的反复抽卡，但传统导演台有使用门槛，用Agent加自然语言来操作，门槛确实降下来了。

如果有描述不出来的运镜方式，MiniMax Design还准备了虚拟摄像机功能，可以用手机扫码运镜，再传回导演台。

唯独官方的头号卖点，翻车了

然后是这次实测里最重要的一项，语义级视频编辑。

官方文章的原话是，未来的创作与修改不会停留在传统意义上的Editing，而是语义层面的创作与修改，用户只需要表达高层意图，H3官方也说自己尤其适合Video Editing场景。

我们把刚开始的蓝牙耳机的广告成片喂回去，按「只说意图、不说参数」的原则，下了两条指令。第一条，把这条视频的整体色调调暖一点，氛围温馨一些。第二条，把背景换成一个明亮的咖啡馆场景，人物和产品保持不变。

第一条，执行了，但调完前后几乎没有肉眼可见的变化。第二条，背景确实换成了咖啡馆，但耳机变形了。

Agent的行为方式是对的，它直接理解意图、直接执行，没有反问你一堆参数，流程体验完全符合「语义级」的设想。问题出在画面层，色调修改约等于没改，换背景时主体保真度失守。

说白了，「说人话改视频」这件事，MiniMax Design把「听得懂」做到了，「改得准」还没做到。视频编辑恰恰是生成模型最难的场景，它要求模型同时做到两件矛盾的事，该变的变，该不变的像素级不变。至少在当前的H3上，后者还没过关。

本地部署我们没测成，但方向要说一句

最后一项是官方宣传的开放工作流，H3开源模型的本地部署和ComfyUI接入。官方提供了多套精选工作流，分轻量版和满血版，下载后可以在画布中作为节点运行，Agent也能根据对话帮你调整工作流的节点和参数。

这项我们没能实测，官方对本机配置的要求不低，我们的测试设备够不上门槛。

但方向本身值得说，官方工作流不光支持MiniMax自家模型，也可以导入自己的ComfyUI工作流。

对有显卡的专业创作者，这意味着生成成本可以压到本地电费的级别，同时保留Agent链路和画布里的整套流程，这个口子开得比大多数同类平台都大。

值不值得用

如果你是电商、投放、内容运营团队，每天要批量出投放素材，MiniMax Design现在就能用，Skill加模板加批量生成这条链路是完整的，65元/月的Starter档够小团队试水。

如果你是完全不想学专业工具的AIGC小白，它也是目前门槛最低的选择之一，因为你真的只需要说话。但如果你是冲着「说一句话就精修视频」来的，建议再等等，语义编辑这项，宣传和现实之间还有一段距离。

「从操作像素到操作语义」，这个方向本身没有争议，行业里每一家都在往这儿走。MiniMax Design的特殊之处在于，它先把脚手架搭完了，对话、资产、记忆、分镜、剪辑全都语义化了，只剩最硬的那块骨头还卡在画面里。

接下来值得盯的问题只有一个，H3的下一次更新，能不能让「改视频」变得和「说需求」一样便宜。到那天，视频编辑软件的菜单栏，才是真的要进博物馆了。