MiniMax H3: Referencia a Vídeo

Genera un nuevo video alimentando a MiniMax H3 con una imagen de referencia, hasta nueve imágenes, tres videos y tres clips de audio junto con un prompt de texto, permitiendo que el modelo iguale la identidad del personaje, movimiento, cámara, voz o estilo de esas fuentes mientras produce audio estéreo nativo en una sola pasada. La salida es un solo video MP4 de hasta 2K de resolución y 24fps durante aproximadamente 15 segundos. Ideal para animación consistente de personajes, generación de video con transferencia de estilo y creación de contenido sincronizado con audio.

Input

Name the references as <Picture 1> and <Picture 2>; describe shots, camera moves and sound.

Referred to as <Picture 1> in the prompt.

Referred to as <Picture 2> in the prompt.

Advanced settings

Leave empty for a new result each run. Enter a number to repeat one.

On: 4-step turbo LoRA (fast). Off: 20 steps.

Output
00:00
Example

Probar un ejemplo

Acerca de este flujo de trabajo

Este flujo de trabajo demuestra la generación de referencia a video de MiniMax H3 en ComfyUI: proporcionas un prompt de texto más hasta nueve imágenes de referencia, tres videos cortos de referencia y tres clips de audio, y el modelo produce un único MP4 con audio estéreo nativo en una sola pasada. El nodo MiniMaxH3ReferenceToVideo es el núcleo: fusiona contexto multimodal (identidad, movimiento, cámara, estilo y voz) con tu prompt para sintetizar un clip de ~15 s a hasta 2K y 24 fps.

Por dentro, el grupo Switch Model and Settings carga la pila de modelos MiniMax H3 mediante UNETLoader y CLIPLoader, mientras que KSamplerSelect, BasicScheduler, SamplerCustomAdvanced y BasicGuider gestionan el comportamiento de muestreo (con semilla desde RandomNoise para reproducibilidad). ResolutionSelector establece un tamaño 16:9 alineado a múltiplos de 32, y ComfyMathExpression con PrimitiveFloat gestiona valores derivados como el número de fotogramas a partir de duración y fps. Tras la generación, VAELoader proporciona VAEs tanto de video como de audio; VAEDecode reconstruye fotogramas desde latentes de video y VAEDecodeAudio reconstruye formas de onda estéreo. CreateVideo multiplexa fotogramas y audio, y SaveVideo escribe el MP4 final. Esto hace que el flujo de trabajo sea práctico para animación con consistencia de personaje, movimiento guiado por estilo y contenido sincronizado con audio sin pasos separados de TTS o diseño de sonido.

Preguntas y respuestas