MiniMax H3:參考生成影片

將參考圖像(最多九張)、三段影片、三段音訊與文字提示一同輸入 MiniMax H3,模型會在單次運算中比對角色特徵、動作、鏡頭、聲音或風格,並產生原生立體聲音訊。輸出為單一 MP4 影片,最高 2K 解析度、24fps,長度約 15 秒。適合角色一致性動畫、風格轉換影片生成,以及音訊同步內容創作。

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

試試範例

關於此工作流程

此工作流程示範在 ComfyUI 中使用 MiniMax H3 進行 reference-to-video 生成:你提供一段文字提示、最多九張參考圖片、三段短參考影片,以及三段音訊片段,模型會一次產出一個含原生立體聲音訊的 MP4。核心是 MiniMaxH3ReferenceToVideo 節點,它會把多模態脈絡(身分、動作、相機、風格、聲音)與你的提示融合,合成一段約 15 秒、最高 2K 解析度、24fps 的影片。

在底層機制上,「Switch Model and Settings」群組會透過 UNETLoader 與 CLIPLoader 載入 MiniMax H3 的模型堆疊;KSamplerSelect、BasicScheduler、SamplerCustomAdvanced 與 BasicGuider 管理取樣行為(由 RandomNoise 設定種子以便重現)。ResolutionSelector 設定符合 32 倍數的 16:9 尺寸,ComfyMathExpression 搭配 PrimitiveFloat 計算例如由時長與 fps 推得的影格數。生成後,VAELoader 提供影片與音訊的 VAE;VAEDecode 從影片潛空間重建影格,VAEDecodeAudio 重建立體聲波形。CreateVideo 會把影格與音訊封裝在一起,SaveVideo 輸出最終 MP4。這讓工作流程能用於角色一致的動畫、以風格引導的動作,以及含音訊同步的內容製作,而不需要另外做 TTS 或音效設計。

問答