能力上來了，開始拼流程。
8月20日，MiniMax發佈多模態創作Agent工作台MiniMax Design。
它並不是一款單純的視訊生成器。使用者給出一個創作需求後，主Agent會先理解目標、拆解任務，再呼叫文字、圖片、視訊、音訊等能力完成不同環節。使用者也可以進入Canvas畫布、Skill、3D導演台和ComfyUI工作流，對中間過程繼續調整。
MiniMax Design的前身是今年6月底亮相的MiniMax Hub，此後更名並接入H3。到了這次正式發佈，MiniMax更明確地把它放到了“商業內容生產”的位置上。
為什麼現在越來越多公司開始做視訊生成Agent？原因在於單靠生成一段視訊，已經無法滿足真實創作需求。
文生視訊、圖生視訊、人物一致性、鏡頭控制和視訊編輯能力不斷提升，模型已經能夠生成越來越接近成片的視訊內容。但進入商業場景，品牌宣傳、電商素材、短劇等任務，往往還需要完成指令碼策劃、分鏡設計、素材整理等環節。真正影響效率的，是這些環節能否被組織成一套連續流程。
所以，Runway、Pika等AI視訊平台都在補充編輯、控制能力。MiniMax Design也是如此，依託MiniMax H3的視訊生成能力，它嘗試把模型、工具和視訊創作流程放到同一個環境中。
我們也體驗了一下MiniMax Design，重點看兩個問題：它到底能替創作者接走多少重複工作，以及當Agent負責規劃之後，底層視訊生成能力能不能跟得上。
01. 一句話出片：規劃夠專業，成片掉鏈子
我們先從最接近商業場景的品牌宣傳視訊開始，讓它做一個以陪伴為主題的家庭服務機器人品牌宣傳片。
這個任務需要它理解需求後進行創意策劃、角色設計、分鏡規劃，最終生成視訊。
接到需求後，MiniMax Design先生成創意簡報和故事方向。確認方向後，再進一步做視覺調研，然後交出完整的分鏡指令碼。整個流程比較接近傳統視訊製作中的前期策劃階段，它沒有馬上開始生成，而是先確定主題、人物關係和視覺方向，再把故事拆成具體鏡頭。
單看分鏡指令碼，它對需求的理解比較準確。圍繞“陪伴”這個主題，它設計了家庭場景，也能夠規劃人物關係、鏡頭變化和情緒推進。
但最終成片到了後半部分，場景和人物都發生了變化，和前面的敘事沒有完全接上。指令碼裡已經規劃好的角色關係和劇情連續性，到了實際生成環節沒有完全保持下來。
在這一輪任務裡，MiniMax Design已經具備相當完整的視訊策劃能力，但從分鏡到成片之間存在明顯的執行落差。對於需要連續敘事的商業視訊來說，如何穩定還原前期創意，仍是影響交付質量的關鍵。
02. 3D導演台：先綵排，再開機
第二輪我們專門測試更難控制的動作場景。
過去做這類鏡頭，常見的方法是不斷改提示詞、重新生成，再從多個結果裡挑一個接近預期的版本，也就是創作者常說的“抽卡”。當人物需要在固定空間中移動，或者鏡頭需要完成連續運鏡時，單靠文字描述很容易出現問題。比如，角色位置飄忽、動作方向不一致、前後鏡頭接不上。對於動作戲、電影片段這類內容來說，畫面好看只是及格線，人物關係和鏡頭語言更加重要。
MiniMax Design給出的工具是3D導演台。它提供了另一種方式，先搭建三維場景，在空間裡可以直接調整角色位置、動作和鏡頭運動，把確定好的運鏡方案作為參考，再生成最終視訊。相當於先綵排，再開機。
我們也用一個動作場景的生成測試它的實際效果。原本我們想直接用蜘蛛俠做測試，但涉及IP形象無法通過稽核，於是改成一個類似設定的原創角色，讓一個擁有蛛絲移動能力的角色，在城市建築之間穿梭。
在實測中，MiniMax Design先生成了一個3D運鏡視訊，讓我們根據預覽效果繼續調整鏡頭距離、移動方向以及角色運動軌跡，直到確認整體鏡頭語言，再進入最終視訊生成環節。
從結果來看，加入3D導演台後，這個複雜動作場景的可控性有所提高。角色在建築之間穿梭時，鏡頭方向和運動軌跡都更明確，最終成片和預想效果基本對得上。
對於動作片、影視預告、遊戲CG等需要複雜空間調度的內容，3D導演台提供了一種更接近專業製作流程的方式，讓使用者能夠提前規劃鏡頭，再交給模型完成生成，減少複雜場景製作中的試錯成本。
03. Skill呼叫：視訊生成也有“方法論”
在連續製作視訊時，還有一個更大的難題是，怎麼復用此前的視覺風格和設定，產出同類的視訊，而不是同類型內容往往要重複走一遍相似的製作步驟。
如果每條視訊都從頭輸入提示詞，重新描述人物、場景和畫面風格，效率低，且生成的結果還容易“跑偏”。針對這類需求，MiniMax Design做了Skill功能，把一整套視訊製作流程封裝成可呼叫的範本，讓已經跑通的創作方式可以直接復用。
我們上傳了一張小貓照片，呼叫3D動畫Skill，讓它製作一支《貓咪歷險記》主題短片。
呼叫之後，MiniMax Design會按照預設流程一步步走：先把照片裡的貓轉化成3D動畫角色，再做場景規劃，最後進入視訊製作。每個關鍵節點都會停下來讓我們確認方向。
需要說明的是，我們沒有改動它生成的故事大綱和分鏡指令碼，相當於全程用了默認配置。最後的劇情相對簡單，更像一支基礎的動畫短片，談不上特別出彩。但呼叫Skill之後，整套製作流程基本可以按照預設步驟直接推進，不需要再從頭組織任務。
Skill的價值在於，把包含角色設定、視覺風格和製作流程的一套創作方法封裝起來，方便後續復用。對於動畫短片、科普視訊、品牌內容等需要持續生產的場景，Skill可以幫助團隊減少重複設定，提高批次生產效率。至於最終角色和視覺風格能否保持一致，仍然取決於模型和具體生成效果。
04. 橫向比拚：誰更會創作
前面測的是MiniMax Design自己能不能幹活，接下來我們選了另一款視訊生成Agent產品LibTV，同樣呼叫了MiniMax H3模型，並設計了兩個更接近真實創作場景的任務，讓它們同題競技，目的是比較兩套Agent和工作流。
第一題是15秒的黏土定格動畫風格MV。
我們要求三隻小動物組成樂隊，包括橘貓主唱、柴犬吉他手和兔子鼓手，保持角色全程一致，同時完成舞台展開、樂隊演出、場景切換、鏡頭拉遠和片尾收束等完整流程。
先看創作過程，兩款產品都會在接到需求後，自動規劃視覺效果和分鏡指令碼。它們具體有兩個不同點，一是“自動化”程度，MiniMax Design“不懂就問”，視覺效果、風格和分鏡指令碼、鏡頭都會經確認後再行動，LibTV更“自動”，需要使用者確認和干預的節點更少，整個生成過程更自動，代價是使用者對中間環節的把控空間也更小；二是規劃的深度，MiniMax Design分鏡指令碼更加豐富，LibTV的則相對簡單。
再來看最終成品。MiniMax Design生成的橘貓、柴犬和兔子在多個鏡頭中保持了較好的穩定性，角色形象沒有明顯變化。它的場景設計得更豐富，除了純演出的鏡頭外，還設計了一些特寫鏡頭和更動態的動作展示，結尾最後定格成手作賀卡，整個視訊更加完整。
LibTV的成品設計比較單一，基本是樂隊演出的固定視角平推，場景元素也比較少，更像是演出視訊的拼接，而不是MV。視訊也沒有保持角色的一致性，小狗的形像在不同場景裡不一致。我們要求的手作賀卡結尾，成品沒有完整呈現出來，視訊的情節不夠完整。
第二題是續寫電影《歡迎來龍餐館》的結局。我們給出原片的劇情設定，要求生成一個師徒重逢、團圓收尾的結尾，彌補原片的遺憾。
相比從零創作，這個任務更考驗AI視訊Agent對於已有故事的理解能力。它不僅需要延續人物關係和情緒走向，還要保持原有角色設定，並完成一個符合劇情邏輯的結尾。
從結果來看，兩款產品整體差異不大。MiniMax Design生成速度偏慢，但分鏡更完整。它還加入了人物對白，從重逢到團圓的整個情節更完整。相對LibTV而言，它給的成品角色質感更像真人，沒有AI生成人像常有的蠟像感。
LibTV則更偏向用背景音樂強化情緒，但沒有對白，人物關係主要靠畫面傳達，因此能夠承載的敘事資訊相對有限。部分人物鏡頭的生成痕跡也更加明顯，不夠自然。
兩輪比下來，MiniMax Design生成更慢，但在這兩道題裡，分鏡完整度、角色一致性和中間環節的可控性表現更好；LibTV的優勢則是確認環節更少，生成推進得更快，單個鏡頭的視覺完成度也不弱。
這樣看來，同一個視訊模型，放進不同的Agent和工作流中，最終呈現出的創作結果也會不同。MiniMax Design更偏向規劃型，通過需求拆解、分鏡設計和過程確認，提高複雜任務中的可控性；LibTV則更強調效率和快速產出，更適合作為靈感生成和視訊素材工具。
它們體現的是視訊Agent的兩種產品取捨：一個希望通過更細的規劃和人工確認，把使用者的想法更穩定地落到成片；另一個則減少中間環節，讓使用者更快拿到結果。
05. 結語
隨著模型能力的提升，創作者更關心怎麼把一個想法穩定、高效地變成成片。模型更多解決其中具體的生成任務，而Agent試圖把這些分散的環節連接起來。尤其對於廣告、電商、短劇等需要持續生產大量內容的場景，Agent帶來的效率提升也更為突出。
從這個角度看，MiniMax Design的價值在於，MiniMax開始補上從模型到應用之間的一環。
相比只完成一次生成任務，工作台希望承載的是更完整的生產流程，指令碼、素材、Skill和修改記錄都可以沉澱在同一個項目裡。理論上，這有機會提高使用者的使用黏性和遷移成本，但最終能否轉化成更高的留存和付費，還需要後續資料驗證。
據高盛預計，全球AI視訊生成市場將從2025年約30億美元增至2030年約290億美元。隨著市場擴大，AI視訊領域的競爭也會進一步加劇。一方面，廠商仍需要比拚底層模型能力，包括視訊質量、生成速度和穩定性；另一方面，也需要競爭產品能力，比拚誰能更低門檻地串起視訊創作流程。
目前，MiniMax主要面臨兩類競爭。一類是擁有視訊模型能力的平台型廠商，例如快手、字節等，它們依靠模型和流量優勢持續完善視訊生成體驗，可靈、即夢都在快速迭代，MiniMax仍需要繼續提升模型的穩定性；另一類是聚焦應用層的視訊Agent產品，例如LibTV、Flova等，以及動畫創作Agent平台OiiOii、字節被曝內測的漫劇創作工具等垂直應用，MiniMax需要證明，除了模型本身，這套工作流能夠形成足夠的產品差異，讓使用者願意持續留在這裡完成創作。 (定焦One)