德国程序员家里的两台显卡，开了个永远不下线的AI电视台！
你随手敲的一行弹幕，45秒后变成15秒视频，在同一间直播间播出！
SlopTV（垃圾电视台）用两块RTX 5090显卡在本地跑MiniMax H3视频模型，靠gpt-5.6-luna把YouTube（油管）直播弹幕改写成剧本，全天候生成15秒AI短视频，每天电费约10美元。显存账本、API配额、提示词实验、推流时钟，全部压在这台机器的工程细节里。
弹幕刚进来，出去就成了视频
2026年8月底，德国一台机箱里插着两块RTX 5090显卡（英伟达消费级旗舰卡）的家用服务器，办成了一条永不断更的电视频道，频道名叫SlopTV，翻译过来就是垃圾电视台。它的节目单上只有一类内容：AI生成的胡闹短视频，行话叫AI slop，指量大管饱、没人当真的电子榨菜。
先交代这条流水线怎么转。直播间里，观众一边看片一边刷屏打字，这些滚动评论是电视台唯一的选题来源。有人敲一句"capybara dj underwater rave"，水豚、DJ、水下、锐舞派对，四个互不相干的词，语法稀碎。一个语言模型接手，把这句话吹胀成一篇三五百字的结构化分镜剧本，标注好每个镜头的时间码、台词和声效。然后视频模型开工，用大约90秒渲染出15秒成片。最后一步最有嚼头：成片原路推回观众刚才打字的那个直播间播出，观众对着刚播的片子继续吐槽，新吐槽又变成新片子。蛇咬住了自己的尾巴，而且越吃越饿。
这个玩法有前辈。荷兰开发者levelsio此前办过同类频道infiniteslop，模型调用走云端API，账单由AI推理公司fal.ai的资助兜着。SlopTV的开发者没拿到任何赞助，权重文件下到本地，电费自己掏，一天10美元，一个月约300美元。同样是24小时吐内容的机器，一台花别人的钱，一台花自家电表上的字。
真正让人停下来想的，是这套系统跑通的时间点。本地开源视频模型加两块消费级显卡，加一个不算大的语言模型，就撑住了一条直播频道，单位成本已经跌到业余爱好的量级，门槛从"拿融资"变成了"会装软件"。对吗？往下看会更奇怪，因为这条流水线里最硬的骨头，全在跟AI无关的地方。
分辨率越高，模型越不听话
玩视频生成的人默认一条常识：分辨率越高，画质越好，SlopTV偏要反着来。它把每条片子渲染成352x608的竖屏，约0.21兆像素，一块10多年前的手机屏幕都嫌寒碜，然后再放大到1080x1920推出去。开发者自己的说法很坦率：放大完像垃圾，垃圾就是这个牌子的定位！
按理说这是穷造成的妥协，两块显卡抠抠搜搜，算力不够才降规格。可实测数据偏要反着走。社区把MiniMax H3（稀宇科技开源的视频生成大模型）在不同分辨率下测了个遍，发现模型最听剧本话的区间在352p到416p之间，一旦推到768p，它就开始无视镜头指令，你说给特写，它自顾自拍全景，你说人物站左边，它把人塞进画面正中。低分辨率换来的不是省算力，是控制权。0.21兆像素的糊，是这条流水线里性价比最高的一笔开销。
省下来的时间拿去换吞吐。H3属于扩散模型，这类架构从一团纯噪声出发，反复去噪，一步步收敛出画面，每一轮都要把几十亿参数完整过一遍，所以去噪步数直接等于时间。SlopTV贴着模型加了一块8步版的turbo LoRA（微调参数补丁），把原本二十来步的工序压到8步，一块卡90秒出货，两块卡轮转，观众平均等45秒就能看到自己的弹幕变成片子。对照一下原版配置：不加补丁、跑20步、按720p生成，一条片子要20分钟，是快跑模式的十几倍，谁会在直播间等这种东西。
画质、步数、时长，三个旋钮全拧向"快点出片"这一头，这个取舍很视频平台，不像实验室。而下一个翻车点藏得更深，在显卡的钱包里。
显存差两GB，先算一笔搬运账
SlopTV的模型文件一共占66GB硬盘，装进显卡的却只有两坨。一坨是扩散主干，负责把噪声磨成画面，用int8（8位整数）量化加剪枝压到19.5GB；另一坨是文本编码器，先把剧本翻译成模型听得懂的向量，用nvfp4（英伟达的4位浮点格式）压到14.6GB。量化，说白了就是拿精度换空间，把每个数字占的字节砍到几分之一。
账算到这儿就崩了：32GB的RTX 5090装不下34.1GB的现役阵容，缺口2GB左右。按老习惯，要么再买卡，要么接着往死里压模型。这台机器走了第三条路：ComfyUI（节点式AI生成工作台）的显存卸载功能，把暂时用不上的参数块扔进系统内存，轮到用时再搬回显卡。2GB的窟窿，靠来回搬运填上，代价是多花电，搬运数据不要钱，但费时间。
整机的电费单比想象中体面。两块卡各吃600瓦上下，整机1.5千瓦，德国电价约每度30美分，一天烧10美元，一个月300美元。很多人一听"显卡24小时渲染视频"就脑补出每月两千美元的电表，实际数字差了二十倍。这台机器还有个更魔幻的注脚：两张卡是硬件涨价潮之前按2200美元一张买进来的，行情如今接近5000美元，也就是说显卡涨价带来的账面收益，已经把一年电费赚回来了。用电的生意还没细算，囤硬件的先赢了。
省电的另一面是省人。凌晨四五点，直播间空无一人，两块卡没闲着，没有弹幕时，语言模型会按指令自己编选题、自己写剧本、自己渲染。真金白银的电费，买的是机器永不停手，哪怕台下没有人。
掐住脖子的配额：半小时烧光一天额度
抓直播弹幕，是整条流水线离AI最远、翻车最多的环节。视频平台的官方接口（Data API v3）按配额计费，每天10000单位，没有付费加量选项。最直观的抓取办法是轮询：客户端每隔一会儿问一次"有新评论吗"。可查一次评论列表要5单位，热络的直播间每秒就得问一次，一天需要十几万次调用，配额撑不到午饭时间，实测约30分钟，一天的额度烧得干干净净。
出路藏在一条没人走的接口上：gRPC（谷歌自家的远程调用协议，支持服务器主动往客户端推数据）的streamList端点。连接建立后，服务器排着队往下推消息，配额几乎不动。坑在于工程细节。谷歌公开的协议定义文件（proto）嵌在教程网页的代码块里，原样抠出来编译不过，缺一句时长类型的引入声明，得自己补上再拿工具生成客户端代码。上线之后又有新花样：服务器隔几秒就主动掐一次空闲连接，这不是故障，是常规操作，所以重连循环才是主循环，断线后带着续传标记接着要消息，首包还会重放最近的旧评论，客户端按消息ID去重。访问令牌一小时到期，循环里顺手刷新。
OAuth授权那里还埋着一颗雷。应用挂在谷歌云控制台"测试中"状态时，刷新令牌7天过期，24小时直播每周一早醒来一次，谁也受不了。解法透着黑色幽默：把应用发布成"生产中"但不做验证，令牌就永久有效，代价只是授权那一刻，浏览器弹一页Google没核实此应用的橙色警告，点个继续就行。验证申请？控制台天天催，不用理。
这一整段没有出现过一次模型推理，却处处是生死题。看完这段你会明白，AI直播频道的前身，是一台被接口配额追着打的水管工机器。
教小模型写剧本，规矩多过样例
把弹幕改写成H3剧本的语言模型，选的是gpt-5.6-luna，便宜、够快、个头小。个头小，脾气就怪，第一版提示词（写给模型的岗位说明书）就栽在这上面。初稿按教科书来：讲清规则，再附一篇范文。结果每生成十篇剧本，八九篇的布景、角色、色调都跟那篇范文神似，观众要的水豚派对，长出了范文里同款霓虹灯。模型把例子背下来了，连例子要表达的意思一起吞了。
重写的版本釜底抽薪：整份提示词一个字面例子都没有，全是祈使句规则和[占位符]，连"别照抄本提示里的描写"都写成明文禁令。训练一个不爱动脑的学生，讲道理比给参考答案管用，遛狗也讲究这个。这就怪了，行业里人人都夸少样本示例是提示词工程的压舱石，轮到一个5毛一颗脑子的小模型，示例反而成了污染源，规矩的适配对象是具体型号，没有通用真理。
格式这块是硬约束。开源权重只吃H3官方训练的那种结构化剧本：三个带标签的字段管整体描述、整体声场、非剧情音乐，正文按[镜头N]加时间码切段，台词塞进语言标签。云端付费API会悄悄帮你把大白话预处理成这个格式，开源权重不会，喂自由文本就还你一部不知所云的片子。细节规矩全靠踩坑堆出来：描述低于300字，成片自动滑向素材库水准，目标定在300到450字；每个镜头至少3秒，切点必须带标签，光秃秃的时间码会让模型手滑；对白是最弱的通道，最多两句短句、绝不跨切点，对口型一塌糊涂是社区公论；人脸保持在Medium镜别以内，远景糊脸，特写手部穿帮，发牌、切菜这类精细动作直接多出第六根指头；H3没有负面提示词字段，就用一句固定收尾凑数，不许有斑点、不许漂浮噪点、不许多余肢体、不许人脸扭曲。
合规策略反而最有意思，原则是疏导优先于枪毙。版权从来不是拒稿理由：有观众点名要史莱克配《虎眼》主题曲，模型交出来的剧本是无名绿怪人配一段原创80年代训练神曲，味儿全对，名字全无。直接枪毙的只有一类：整条弹幕的全部意义就是违规，比如指名道姓诅咒同事，那就没什么可导的。删掉违规内容，评论就成立了；保留违规内容，频道就没了。视频平台的执法很干脆：一次违规警告，直播功能停14天，三次直接销号。这条频道能活多久，答案就押在这份提示词的尺度上。
一个目录当合同，一台机器不许断流
SlopTV的架构图短得可疑：
YouTube live chat ──► generate.py ──► LLM ──► GPU workers (ComfyUI + MiniMax H3)
│
▼
pool/*.mp4
│
stream.py ◄─────────────────────────────────────────┘
└──► decode ─► upscale to 1080x1920 ─► x264/AAC ─► RTMP ─► YouTube
生产端叫generate.py，把渲染好的mp4扔进一个叫pool的文件夹；播放端叫stream.py，扫这个文件夹，按时间序播没播过的，播完就在池子里随机抽旧片垫档期。两个进程的全部交情就是这个目录，没有数据库，没有消息队列，没有RPC，一边崩了重启，另一边毫无知觉。渲染进程先往暂存目录写，写完一次rename()原子改名进池，播放端永远见不到半截文件。用目录当合同，粗糙，但粗糙到砸不烂。
播放端的全部设计服务于两个字：不断。冷场从哪来的？从每条片子之间拆了重建的编码器和推流连接来的。所以整台机器只开一个FLV容器、一对x264加AAC编码器，开机即开，永不关闭；时间戳对着自造时钟打，这个时钟跨片段、跨断线都不归零，RTMP（直播推流协议）断了就重连，平台端看到的还是同一场直播在继续。解码线程在播当前这条的时候，已经把下一条读进内存并放大好；音频按每条视频的精确时长补静音或裁掉，声画不同步攒不起偏差，按周计的长跑也不会漂。362帧对15.083秒，24帧的鼓点从头敲到尾。
这套"不断流"哲学最冷的注脚在深夜。没有弹幕时，语言模型收到一个特殊占位符：自己编。凌晨四点的水豚在跳没有人点名的舞，观众数在计数器上趴着不动，显卡照转不误。一条评论的意义，由它在这间直播间里被拿来干什么决定，哪怕干完之后没有任何人记得它。电视台不再需要观众，它只需要电流。
十美元一天的电视台，先量出行业软肋
把SlopTV放回行业坐标系里，才能看出它扎在哪。infiniteslop靠云端API和厂商补贴活着，本质是一场限时烟花，赞助烧完，频道熄火；SlopTV把全部成本摊在电表上，每天10美元，理论上可以烧到显卡进坟。前者演示"给钱能做多炫"，后者演示"不给钱能做多久"，后者才是让平台睡不着觉的那种。
观众的生理反应比商业分析诚实。第一批观众里，有人盯了一分钟就关掉，说头疼、发晕；也有人承认看入了迷，两小时没挪窝；还有人下了个判断：百分百生成的烂，比百分之九十生成的烂更纯粹。三种反应摆在一起，恰恰是短视频时代已经给过全世界的答案，区别只是这台机器把剂量拧到无限，而且免费续杯。
工程圈对它的态度同样分裂。有人替它省算力：用4B的文本编码器配clip投影，模型常驻显存，不必来回搬运；有人替它省钱：为什么不砍到10秒一条，压低等待；有人担心合规：让弹幕里所有话都进模型太危险，建议只响应感叹号开头的生成指令。这些建议大多有道理，而机器当时只回应了一个数字：队列积压约30条。一位观众等了自己提的词15分钟没见着，深夜时段弹幕每5分钟来一条，机器吐片的速度远远跑赢人打字的手速，产能从来不是瓶颈，注意力才是。有观众提议干脆把各家攒机人的显卡pool起来分布式代工，听着像模像样，可直播是实时业务，跨国送显卡快递的时间，够这台机器出上百条片子。
要是你打算照着这套东西攒一台自己的永动频道，三件事比选模型重要：先把失败接口设计好，用一个目录加原子改名喂饱播放端，别急着上消息队列；把成本算到每单位时间，配额每秒烧多少、显存差几个GB、电费一天几号数，账不平就动手，烧的是纯钞票；给小模型写提示词时收好你的范文，只留规则和占位符，然后按目标型号逐条回归测试。
三根没收线的线头
SlopTV仓库里留着一摞设计记录文件（RFC），白纸黑字挂着没划掉的疑问。
第一个：streamList这条gRPC连接到底能活几天？验证程序只跑了几分钟，经历几十次断线重连，消息不丢不重；生产机器连着播了好几周，两个事实还没对上账，分钟级的胜利证明不了多日级的稳定。
第二个：非剧情音乐字段写着N/A时，仍有约两成的片子偷偷配上了背景音乐，社区统计出来的这个漏音率，作者选择咽下去，不修、不弃、不重roll，播就完了。
第三个最邪门。提示词里明明写了"切点节奏要变化"，实测成片的时间码却扎堆落在6秒和11秒，两次干跑都是这个位置，像模型骨头里嵌了一只看不见的节拍器。作者试过在提示词里塞模板强行纠偏，又怕抹掉那点心气儿，决定等真实渲染堆多了再说。截至现在，那把看不见的剪刀还躺在H3的66GB权重里，没人翻出来过，排队的新弹幕每五分钟还在往里灌。