教你薅google的羊毛:透過贈送的colab每個月生成近50分鐘的影片

結論先講

• Google AI Pro 訂閱附送的 Colab 運算單元，真的能把本站的 AI 主播影片跑出來：同一段 10 秒旁白、同一張主播圖、同樣 20 步，Colab 配到的 A100 40 GB 用 370 秒生成，本站 RTX A6000 要 795 秒，快 2.1 倍。
• 一支影片的生成成本約 0.7 到 0.8 個運算單元，換算新台幣 2 到 3 元；從開機、裝軟體、下載 40 到 60 GB 權重到出片，一整個工作階段約 1.2 到 1.4 個單元。每月送的 200 個單元約等於 30 小時的 A100，連續跑可以生成 240 到 250 支 10 秒短片，合計約 45 到 50 分鐘的主播畫面。
• 畫面和地端幾乎逐格相同，差別只有速度和費用。要注意三件事：執行階段閒置也在計費、配到的 A100 多半是 40 GB 版放不下完整版模型、每開一個新執行階段都要重新授權雲端硬碟。

本站的筆記本，直接下載就能用

• aiwv-colab-1-h3-avatar.ipynb：本文實測用的這本，MiniMax H3 主播對嘴影片，八格全自動。
• aiwv-colab-2-ltx25-broll.ipynb：LTX-2.5 有聲 B-roll 的版本，本站尚未實測，先附上。

用法：下載後到 Colab 選「檔案 → 上傳筆記本」，右上角選 A100，按「全部執行」。核心只有三段程式，貼在這裡讓讀者知道裡面做了什麼：

# 影格數：H3 要求 (n % 17 == 5)，24 fps，旁白長度加 0.6 秒留白
PAD, W, H, STEPS, SEED = 0.6, 480, 864, 20, 1
n = max(5, round((dur + PAD) * 24))
while n % 17 != 5: n += 1

# 和本站產線相同的 ComfyUI 工作流：載入 H3 權重、文字編碼器、影像與音訊 VAE，
# 餵主播圖與旁白，res_multistep 取樣 20 步，影像與音訊各自解碼後合成 mp4
g = {
 "1": {"class_type": "UNETLoader", "inputs": {"unet_name": VAR[v][0], "weight_dtype": "default"}},
 "2": {"class_type": "CLIPLoader", "inputs": {"clip_name": VAR[v][1], "type": "minimax", "device": "default"}},
 "3": {"class_type": "VAELoader", "inputs": {"vae_name": "minimax_h3_video_vae_fp16.safetensors"}},
 "4": {"class_type": "VAELoader", "inputs": {"vae_name": "minimax_h3_audio_vae_fp32.safetensors"}},
 "5": {"class_type": "LoadImage", "inputs": {"image": "persona-f.png"}},
 "6": {"class_type": "LoadAudio", "inputs": {"audio": "narration-10s.wav"}},
 "7": {"class_type": "MiniMaxH3ReferenceToVideo", "inputs": {"clip": ["2", 0], "vae": ["3", 0], "audio_vae": ["4", 0],
       "prompt": PROMPT, "width": W, "height": H, "length": n, "ref_image_size": "match",
       "ref_images.ref_image_0": ["5", 0], "ref_audios.ref_audio_0": ["6", 0]}},
 "8": {"class_type": "BasicGuider", "inputs": {"model": ["1", 0], "conditioning": ["7", 0]}},
 "9": {"class_type": "KSamplerSelect", "inputs": {"sampler_name": "res_multistep"}},
 "10": {"class_type": "BasicScheduler", "inputs": {"model": ["1", 0], "scheduler": "simple", "steps": STEPS, "denoise": 1.0}},
 "11": {"class_type": "RandomNoise", "inputs": {"noise_seed": SEED}},
 "12": {"class_type": "SamplerCustomAdvanced", "inputs": {"noise": ["11", 0], "guider": ["8", 0], "sampler": ["9", 0],
        "sigmas": ["10", 0], "latent_image": ["7", 1]}},
 "13": {"class_type": "VAEDecode", "inputs": {"samples": ["12", 0], "vae": ["3", 0]}},
 "14": {"class_type": "VAEDecodeAudio", "inputs": {"samples": ["12", 0], "vae": ["4", 0]}},
 "15": {"class_type": "CreateVideo", "inputs": {"images": ["13", 0], "fps": 24, "audio": ["14", 0]}},
 "16": {"class_type": "SaveVideo", "inputs": {"video": ["15", 0], "filename_prefix": "aiwv-h3", "format": "auto", "codec": "auto"}},
}

# 送進 ComfyUI 的 HTTP API，輪詢到完成，順便用 nvidia-smi 記 GPU 記憶體尖峰與單元數
pid = submit(g)
status, secs, outs, msgs = wait(pid)
units = UNITS_PER_HOUR * secs / 3600          # 每支影片用掉的運算單元
twd = units * 0.1049 * 32                      # 100 單元 10.49 美元，1 美元約 32 元

換主播圖與旁白，只要把第 6 格裡的兩個檔名改成自己上傳到 ComfyUI/input 的檔案。

這個方案是什麼

Google 在 2026 年 9 月 22 日起把 Colab 的運算單元併進 Google AI 方案：AI Plus 每月 50 個、AI Pro 每月 200 個、AI Ultra 1,000 到 2,000 個，單元 90 天內有效，由方案管理員本人使用，不能分給家庭群組成員。沒有方案的人也可以按量購買，100 個單元 10.49 美元，約新台幣 336 元。

運算單元的扣法是「配到的機器每小時扣幾個」。本站這次配到 A100 40 GB，資源面板顯示每小時 6.73 個；也就是一個單元約可用 9 分鐘的 A100。T4 與 L4 便宜得多，但記憶體 16 GB 與 24 GB 跑不動本站用的 MiniMax H3 模型。

本站平常用一台裝兩張 RTX A6000 的工作站生成影片。這次想知道的是：沒有這種硬體的人，拿訂閱附送的額度，能不能做同一件事、花多少錢、畫質一不一樣。

怎麼做

筆記本的流程分八格：

1. 看看配到什麼機器。右上角「執行階段 → 變更執行階段類型」先選 GPU，A100 優先。這一格有兩個欄位：UNITS_PER_HOUR 填資源面板看到的費率，用來換算每支影片的成本；VARIANTS 選要跑哪個版本的模型。

2. 掛上 Google 雲端硬碟。結果影片和紀錄會存到 MyDrive/aiwv-colab，跑完不會隨機器消失。這一步會跳出授權視窗，要自己按允許。

3. 安裝 ComfyUI，和本站工作站用的是同一套工具鏈。

4. 從 Comfy-Org 的公開倉庫下載 MiniMax H3 ref2va 權重。修剪版 int8 約 40 GB，未修剪 int8 約 62 GB，完整版 bf16 約 123 GB。Colab 到 Hugging Face 的下載速度在 320 到 340 MB/s，40 GB 只要 2 分鐘。

5. 啟動 ComfyUI，並開一個背景執行緒記錄 GPU 記憶體尖峰。

6. 抓本站的主播圖與一段 10.27 秒的台灣口音旁白（公開測試檔，讀者可換成自己的）。影格數依 H3 的規則算成 277 格。

7. 用和本站產線完全相同的工作流與提示詞生成，每個版本跑完先卸載模型。

8. 印出整段結果，包含每一步的秒數、下載速度、GPU 記憶體尖峰、單元數與換算費用。

選好 GPU 之後按「執行階段 → 全部執行」，中途只需要按一次雲端硬碟授權。本站這次兩輪都是這樣跑的。

一個授權上的提醒：MiniMax H3 的社群授權排除美國、歐盟、英國、韓國的使用者，台灣可以用；Comfy-Org 倉庫的權重不用登入就能下載。

結果

同一段旁白、同一張圖、同一個隨機種子、同樣 480×864 與 20 步：

整個工作階段的時間與費用：

兩輪的 GPU 記憶體都頂在 40 GB 上限，ComfyUI 自動把放不下的部分搬到主記憶體，所以能跑，但速度會受影響。完整版 bf16 要 66 GB 的模型權重加 51 GB 的文字編碼器，這張卡放不下，這次沒跑。

畫質

同一個版本在兩台機器上的輸出幾乎逐格相同，表情與嘴型動作一致，這是同種子、同權重、同工作流的預期結果。未修剪版的表情略有不同，不比修剪版明顯更好。三支影片用本站的旁白回讀檢查，語音辨識相似度 0.88 到 0.91，尾句一樣糊掉，這是 H3 自己合成音軌的已知問題，本站產線本來就會換回原始旁白音軌。

用與不用的差別

• 手邊沒有 40 GB 以上的顯示卡，又想試這類模型，Colab 是最便宜的入口：每支影片 2 到 3 元。

每月 200 個單元能做多少，用這次的實測數字換算：

生成時間和影片長度大致成正比，所以不論切成幾段，一個月大約能做出 45 到 50 分鐘的主播畫面：1 分鐘一支約 40 支，30 秒一支約 90 支。

• 已經有 A6000 等級的機器，Colab 的意義是「快兩倍」而不是「省錢」：地端一支影片的電費約 1 元，而且不用等下載。
• 批次做很多支時，Colab 的開銷在每次開機的 5 到 6 分鐘和每次 40 到 60 GB 的下載；一次工作階段內連續生成才划算。
• 執行階段連著就在扣單元，和有沒有在跑無關。本站第一輪跑完忘了中斷，閒置兩個多小時燒掉約 10 個單元，比兩輪生成加起來還多。跑完要到「執行階段 → 中斷連線並刪除執行階段」。

限制

• 只測了一段 10 秒旁白，沒測長影片。
• 兩輪都配到 A100 40 GB；Colab 不保證每次都配到同款機器，費率與可用記憶體會變。
• 完整版 bf16 沒跑；LTX-2.5 等其他影片模型的筆記本另文再測。
• Colab 的使用規範禁止用自動化繞過筆記本介面，本站的操作都是在筆記本介面內按執行，讀者也應該這樣用。

資料來源

• Google One 說明中心，「Google AI 方案的 Colab 權益」
• Colab 常見問題與付費方案頁
• Comfy-Org/MiniMax-H3（Hugging Face）與 MiniMax H3 社群授權
• 本站筆記本與原始結果：ops/lab/colab