MiniMax H3: Metinden Videoya
MiniMax H3 ile yalnızca bir metin istemiyle yerel stereo sesli video oluşturun. Bu omni-modal model, tek geçişte ses, efekt ve müziği birlikte sentezler. Çıktı, 2K çözünürlüğe kadar, 24fps ve yaklaşık 15 saniyelik bir videodur; dosya girişi gerekmez — sadece bir istemle video elde edilir. Hızlı konsept görselleştirme, sosyal medya içeriği üretimi ve sesle senkronize hikaye anlatımı için idealdir.
Bir örnek deneyin
Bu iş akışı hakkında
Bu ComfyUI eğitim iş akışı, tek bir metin istemini MiniMax H3 ile yerel stereo ses içeren tamamlanmış bir videoya dönüştürür. MiniMax H3, görselleri, sesi, ses efektlerini ve müziği tek geçişte sentezleyen omni‑modal bir modeldir. Yönetilecek dosya girişi yoktur—ne istediğinizi tarif edin; grafik yaklaşık 15 saniyelik, 24 fps, 2K’ya kadar çözünürlükte ve stereo sesi videoya gömülü bir klip döndürür.
Altyapıda, MiniMax H3 alt grafiği (düğüm 79dd8a95-ce9d-4c14-b264-2162e8bec5ce) üretim ve çözümlemeyi yönetir. Modelin latent’lerinden kareleri ve stereo sesi yeniden oluşturmak için MiniMax H3 video ve ses VAE’lerini (minimax_h3_video_vae_fp16.safetensors ve minimax_h3_audio_vae_fp32.safetensors) kullanır. ResolutionSelector, 32’nin katı geçerli boyutlara uygun hazır ayarları eşler (örn. 960×544, 1152×640, 1216×672) ve SaveVideo kareleri ve stereo ses akışını tek bir MP4’te çoğullar. Canvas içindeki MarkdownNote hızlı ipuçları ve istem örnekleri sunar. Sonuç, hızlı konsept görselleştirme, sosyal paylaşımlar ve sesle senkron hikâye anlatımı için ideal, kompakt ve yalnızca istemle çalışan bir hattır.
Sorular ve yanıtlar
İsteminize açık ses yönlendirmesi ekleyin. Anlatım stilini (ses cinsiyeti/tonu/aksanı), müzik türünü ve ruh halini (örn. "lo‑fi, soft piano, no drums") ve temel ses efektlerini ("gentle wind, distant traffic, minimal footsteps") belirtin. Ses ipuçlarını ilgili görsel vuruşların yakınına koymak çoğu zaman hizalamayı iyileştirir.
Grafik ~15 saniye, 24 fps hedefler ve ~2K çözünürlüğe kadar destekler. ResolutionSelector ile 32’nin katı geçerli 16:9 boyutları seçin (örn. 608×352, 736×416, 864×480, 960×544, 1056×608, 1152×640, 1216×672, 1280×736). Daha büyük boyutlar üretim ve decode süresini artırır.
Bu eğitim iş akışı yalnızca istemle çalışır ve modelin yerel stereo sesini çıktı verir. Kendi ses parçanızı kullanmak için grafiği genişletin: üretilen ses akışını devre dışı bırakın ya da yok sayın ve SaveVideo’dan önce harici WAV/MP3’ünüzü mux’layın (veya NLE’de sonradan sesi değiştirin).
Evet. Alt grafik MiniMax H3 VAE’lerini bekler: minimax_h3_video_vae_fp16.safetensors ve minimax_h3_audio_vae_fp32.safetensors. ComfyUI ilk çalıştırmada eksik dosya raporlarsa, verilen bağlantılardan indirip models dizininize koyun; böylece düğüm video ve stereo sesi doğru şekilde decode edebilir.