MiniMax H3 : Référence vers Vidéo

Générez une nouvelle vidéo en fournissant à MiniMax H3 une image de référence, jusqu'à neuf images, trois vidéos et trois extraits audio, ainsi qu'une invite texte, permettant au modèle de reproduire l'identité du personnage, le mouvement, la caméra, la voix ou le style à partir de ces sources tout en produisant un son stéréo natif en un seul passage. La sortie est une seule vidéo MP4 jusqu'à 2K de résolution et 24fps pour environ 15 secondes. Idéal pour l'animation cohérente de personnages, la génération de vidéos avec transfert de style et la création de contenus synchronisés avec l'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

Essayer un exemple

À propos de ce workflow

Ce workflow montre la génération reference-to-video de MiniMax H3 dans ComfyUI : vous fournissez une invite texte plus jusqu’à neuf images de référence, trois courtes vidéos de référence et trois clips audio, et le modèle produit un MP4 unique avec audio stéréo natif en une seule passe. Le nœud MiniMaxH3ReferenceToVideo est le cœur du système : il fusionne le contexte multimodal (identité, mouvement, caméra, style et voix) avec votre invite pour synthétiser un clip d’environ 15 s jusqu’à 2K et 24 fps.

En interne, le groupe Switch Model and Settings charge la pile de modèles MiniMax H3 via UNETLoader et CLIPLoader, tandis que KSamplerSelect, BasicScheduler, SamplerCustomAdvanced et BasicGuider gèrent le comportement d’échantillonnage (seedé par RandomNoise pour la reproductibilité). ResolutionSelector définit une taille 16:9 alignée sur des multiples de 32, et ComfyMathExpression avec PrimitiveFloat calcule des valeurs dérivées comme le nombre de frames à partir de la durée et du fps. Après génération, VAELoader fournit les VAE vidéo et audio ; VAEDecode reconstruit les frames depuis les latents vidéo et VAEDecodeAudio reconstruit les formes d’onde stéréo. CreateVideo multiplexe les frames et l’audio, et SaveVideo écrit le MP4 final. Le workflow est adapté à l’animation cohérente d’un personnage, au mouvement guidé par style et aux contenus synchronisés à l’audio, sans étapes séparées de TTS ou de sound design.

Questions-réponses