VideoGen Model 1 限量開放：十分鐘短片之外，提示詞擴寫實驗證明了什麼？
VideoGen Model 1 開始有限合作夥伴開放，支援多鏡頭影片規劃與組裝。解析 MiniMax H3 後訓練、三十提示擴寫實驗的兩組評分，以及百萬美元總額度、商用與作品展示條件。
把一句想法做成完整影片，生成模型之外還需要人決定故事、鏡頭與聲音。VideoGen 在十月二十日開始 Model 1 的有限合作夥伴開放，宣稱能規劃並組裝最長十分鐘的多鏡頭影片。
公司隨後公布的研究，把焦點放在一個更容易檢查的問題：同一個生成模型，若只整理提示格式，或另外補上創意細節，成片評分會差多少。這比單看一支示範短片，更能看出系統的哪一段正在發揮作用。
論文明確說明，Model 1 是 MiniMax H3 的後訓練版本，也就是在既有模型上再訓練調整。它前面的寫作系統負責概念、台詞與劇本，片段改寫器再把內容整理成視覺、環境聲與配樂指令，最後才進入影片生成。
實驗只有三十個原始提示，每個做三種版本，共九十支約五點二秒的短片。兩個模型評審分別評分，結果共同指向提示遵循較好，對整體品質的改善幅度卻沒有完全一致。
這個範圍尤其重要。它測的是短片段與固定生成設定，不能直接證明十分鐘故事都能保持連貫。平台開放也仍需申請，百萬美元則是整體創作額度計畫，而非每名使用者都能取得的免費資源。
想申請早期創作的使用者，較有依據的起點是測試提示如何變成可生成的鏡頭，而不是先假設長片都已穩定。這也需要先分清寫作系統與影片生成器各自做了什麼。
VideoGen 寫作系統先決定故事，再交給生成器
Model 1 的整段影片流程，包含生成器之前的多個寫作與檢查角色。它先理解使用者想做哪一種內容、畫面比例與時長，再決定要直接改寫一段提示，還是先發展完整故事。
原作者研究論文說明，內容詳細、適合單一片段的純文字要求，可直接進入片段改寫器。較長的請求與帶參考圖的工作，則先進入由不同語言模型分工的寫作系統。
因為兩種需求的創作自由度不同，系統需要先分流。如果使用者已經寫出指定鏡頭、動作和對白，系統應保留這些決定。若只提供開放想法，才需要先發展概念與故事走向。
編寫、評論與閱讀各自檢查一段
開放想法會先產生多個候選概念，由評論角色依內容類型檢查。行銷內容看產品相關性與清楚呈現的產品好處，電影內容則看因果推進和結尾是否成立，因為觀眾要得到的內容不同，兩者也不使用完全相同的創作標準。
超過十五秒的內容，還會整理角色目標、阻礙與定時節點，再寫成有時間安排的劇本。後續修訂會比較不同版本，並依影片長度限制輪數，避免把寫作變成沒有終點的修改。
論文提到選稿可在評論者滿意，且內部評分至少八點五分時提早停止。但這是系統選擇劇本的門檻，評的是尚未變成影片的候選文字，和後面短片實驗的成片評分有不同用途。
另一段檢查由三個自動讀者完成。它們只讀說話內容與螢幕文字，不看解釋動作的段落，再回述理解並指出不自然的句子，至少兩個同意的問題才進入回饋。
這有助於找出只靠背景說明才看得懂的台詞，因為觀眾未必會聽到劇本裡的動作解釋。不過，這些讀者都是模型角色，論文沒有把它們當成真人觀眾測試。
程式還會檢查場景總長、人物與道具參照、說話者及對白長度。這些結構檢查讓後方生成器有較一致的材料，但不能單靠劇本通過檢查，就斷定演出和畫面都會成功。
因此，測量成片品質之前，必須先指出改動的是哪一段流程。
改格式與擴寫，差在新增多少創作決定
把一句提示放進正確欄位，和補完畫面及聲音，是兩種不同操作。前者保留原本內容，只整理成生成器習慣的形式，後者則替未交代的地方加入創作細節。
論文用一則大豆蠟燭品牌廣告作例子。原提示只說要替品牌做廣告，改格式版本把它放入視覺描述，補上自然聲音預設，並將未指定的配樂標成沒有。
擴寫版則決定了琥珀色玻璃罐、桌面與亞麻布、窗邊柔光，還安排鏡頭先緩慢推近，再切到火焰特寫。因為這些細節直接改變生成器要表現的內容，擴寫已超出單純整理欄位的範圍。
聲音也同樣增加內容，例如室內底噪、與火焰相應的聲響，以及慢速原聲吉他的配樂。這讓兩版不只是格式不同，也有內容數量與聲音設計上的差異。
片段改寫器怎麼限制新增內容
改寫器使用視覺及對白、整體聲景、背景音樂三個欄位。聲景指環境聲與動作相關聲音，和另外加入的配樂分開，讓生成指令知道各類聲音要扮演什麼角色。
若涉及具名的真實產品、地點或品牌，系統可以先規劃少量查詢，整理外觀、材質、尺寸感、動作或聲音等資料。但一般題材會直接寫提示，不會每次都先做研究。
它的指令要求保留使用者給定的台詞與畫面文字，也限制擅自增加未要求的真實品牌。這些規則讓擴寫有依據，但內容忠實性仍依靠指令控制，所以不能把程式的格式檢查當成每一項語意都正確的驗證。
程式能檢查的是欄位順序、鏡頭編號、時間戳和對白標記等結構。若第一次不合規，會依錯誤重試一次，仍失敗就回到原始提示，讓流程有明確的退回路徑。
這些新增細節，正是後續對照實驗想測的變因。
九十支短片，怎麼做同條件比較
研究把三十個提示各生成三版，讓生成設定保持一致。題材分成十類，每類三題，涵蓋商業內容、人物表現、動作、敘事、自然、動畫、文字與日常場景等。
原始、只改格式與擴寫三種條件，共產生九十支短片。每支約五點二秒，同用一個 Model 1 版本、固定種子、一樣的二十八步取樣及 B200 顯示卡運算，讓差異集中在提示處理。
固定種子是固定生成時使用的隨機起點，有助於比較同一題在不同提示下的變化。但研究只用了這一組種子，因此沒有測試換一個隨機起點後，效果會不會相同。
評審各看同一批短片
兩個模型評審分別替每支影片打分，每次只看到原始提示與該支影片，不知道提示被分到哪一組。因為每項品質回答不同問題，它們先評提示遵循、音畫一致、音質、畫質與完整連貫，再等權平均成整體分數。
五項各自使用一到十分，平均後的分數仍是評審依規準做出的評估，沒有變成真人喜好百分比。兩個評審也看同一批九十支影片，因此不能當作兩次獨立重做的生成實驗。
影片尺寸以二十七題橫式、三題直式安排，並非每題同時測兩種比例。這樣的試驗能觀察指定短片的變化，尚未涵蓋長片跨景人物、地點與敘事如何維持一致。
擴寫還增加了提示長度。原始提示平均十五個英文單字，改格式平均二十七個，擴寫平均二百三十七個，因此結果包含新增內容、長度與部分查詢的共同效果。
論文另列每次擴寫平均模型費用約零點零二美元，排除了影片渲染與評分成本。因為這個數字只計前處理，不能拿來當成一支影片的最終生成價目。
這個設計能比較提示處理，卻還沒有測到長片中的跨景敘事。
提示更貼題，不等於畫質全面進步
兩個評審最一致的改善，是影片更符合原始提示。相較只改格式，擴寫版的提示遵循評分，在 VA-Judger 增加零點九七分，在 Gemini 3.8 Flash 增加零點五分。
整體分數則有差異。VA-Judger 的平均改善是零點六三分，描述性的九成五區間為正零點一一至正一點一五。Gemini 則只增加零點一五，區間為負零點零三至正零點三五。
後一個區間跨過零，表示這項小型試驗下，Gemini 的整體改善仍有不確定性。因此，不能把兩個結果合成「所有評審都確認整體品質顯著提升」。
分開看聲音與畫面，才能理解效果
畫質變化相當小，兩個評審分別約增加零點零七與下降零點零三。這讓研究結果更接近提示遵循的改善，而非證明生成器的所有畫面細節都進步。
VA-Judger 的音質評分增加一分，但擴寫組有二十二題帶配樂指令，改格式組只有一題。新增配樂可能影響評分，因此試驗無法單獨區分是配樂、音效設計或其他內容造成這段改善。
音畫一致與完整連貫的區間也涵蓋或碰到零，作者因此沒有把同步改善或故事更連貫，定成分數上升的已知原因。這些限制會影響創作者應該先測哪一種工作。
如果主要困擾是提示太短、生成器沒有得到足夠細節，擴寫值得放進比較。若困擾是長片角色忽然改變，或跨景敘事斷掉，這個五秒試驗還沒有直接提供解答，仍須另外觀察自己的完整作品。
把效果放回評分維度，才能看出這項小型試驗真正支持的結論。
延伸閱讀：ComfyUI × MiniMax H3 本機影片生成教學：用 AORUS MASTER 16 GEN 2 拆解三模型實測
申請額度、商用與作品展示怎麼分開
Model 1 的早期開放，仍以申請與分配額度為前提。官方產品頁說十月二十日開始有限合作夥伴開放，全面可用預期在更多安全測試之後，沒有給出人人立即取得的保證。
百萬美元是整體創作額度計畫，對象主要是影人、創作者與工作室，也接受學生、業餘創作者，以及部分報導或評測用途。分配看專案範圍與發行計畫，預計持續到年底。
商用權利和公開展示是兩個決定
官方常見問答說，計畫額度生成的影片具有和 Pro 方案相同的商用權利，但上傳內容仍需具備必要權利。這讓取得免費額度和使用輸入素材的責任分開，額度本身不會替來源照片或作品補齊授權。
是否讓公司公開展示未來生成作品，則在申請時另外選擇。官方說兩個選項都不預先勾選，只有同意才可用於行銷與示範，範圍是生成影片，沒有一併包含提示和上傳內容。
作品不公開，也不等於資料完全不經第三方處理。常見問答寫明服務供應商可能處理輸入和輸出，以運作平台、生成及保存影片，這是服務運作資料流，和公開行銷展示有不同目的。
公司對未來價格的比較仍屬內部驗證後的預期，最終價目與第三方驗證尚在進行。創作者應依取得的實際條件做作品，不能先把預計較便宜的幅度當作已確定成本。
我認為這套系統適合有明確作品想法、願意檢查故事與提示改寫的人先申請測試。先比較同一段內容在原提示與擴寫後的差異，再看完整影片能否接續，比只以最長十分鐘判斷製作成熟度更有依據。
延伸閱讀：CapCut 預告接入 ChatGPT：從對話產生影片草稿，再到網頁編輯器精修
常見問題
VideoGen Model 1 是全新訓練的影片基礎模型嗎？
原作者論文明寫它是 MiniMax H3 的後訓練版本，前方另外包含寫作、檢查與片段提示改寫流程。
十分鐘影片的品質已經由九十支短片證實嗎？
實驗每支約五點二秒，只比較提示處理，不能直接證明十分鐘多鏡頭影片的跨景連貫性。
申請 VideoGen Model 1 就會分到一百萬美元嗎？
一百萬美元是整體額度計畫，依專案範圍與發行計畫分配，申請與全面可用也不同。
