يحوّل هذا سير العمل في ComfyUI وصفًا نصيًا واحدًا إلى فيديو قصير مكتمل مع صوت ستيريو أصلي باستخدام MiniMax H3، وهو نموذج توليدي متعدد الوسائط. يتم التوليد الأساسي عبر عقدة H3 (4c314f31-ecda-4b08-ae98-faaba1bf613f)، التي تولد الصور، الصوت البشري، المؤثرات الصوتية، والموسيقى في خطوة واحدة. تختار ResolutionSelector أبعاد العرض/الارتفاع المناسبة (بمضاعفات 32) لضمان فك ترميز مستقر، بينما تقوم SaveVideo بكتابة الملف النهائي مع الصوت المدمج. توفر MarkdownNote على اللوحة نصائح سريعة وروابط النماذج. النتائج النموذجية حوالي 15 ثانية عند 24 إطارًا في الثانية ويمكن أن تصل إلى دقة 2K — مثالية للتصور السريع للأفكار وسرد القصص المتزامن مع الصوت دون الحاجة لأي ملفات مدخلة.

يستخدم سير العمل أزواج VAE من MiniMax لفك ترميز كلا النمطين: VAE للفيديو (minimax_h3_video_vae_fp16.safetensors) للإطارات وVAE للصوت (minimax_h3_audio_vae_fp32.safetensors) للصوت الستيريو. عبر توصيل مخرج عقدة H3 مباشرة إلى SaveVideo، تحصل على ملف MP4 واحد (أو الحاوية المختارة) متزامن بالفعل، دون الحاجة لمزج صوتي يدوي. بما أن النموذج يولد الصورة والصوت معًا، فإن صياغة الوصف توجه كليهما: يمكنك وصف المشاهد، الإيقاع، والإشارات الصوتية (مثال: "موسيقى بيانو هادئة"، "مدفأة مشتعلة"، أو "راوي: ...") لتشكيل التوقيت والنبرة في خطوة واحدة.