MiniMax H3 连帧生成实测：背景易糊，长镜头可降 3 倍损耗
DeliciousGorilla · reddit · 2026-08-06
用户使用 ComfyUI 本地部署 MiniMax H3 模型，测试了通过提取上一片段最后一帧作为下一片段首帧的方法来拼接长视频。结果发现，每次 VAE 编解码会导致约 2% 的高频细节损失，拼接 4-5 次后背景的刚性纹理（如墙面、配电盘）就会严重崩坏，但人脸因有模型先验知识维持得相对较好。
优化建议：
- 减少拼接次数：使用 10 秒长镜头代替 3 秒短镜头，可将损耗点减少 3 倍以上。
- 对齐台词节奏：按每秒 2.5 个词的节奏对齐帧数，效果优于固定帧数。
- 音频处理：拼接处易出现 0.25 秒的爆音，可通过检测 RMS 阈值进行自动裁剪。
- 过渡帧插值：使用 6 帧 RIFE 插值比 3 帧的嘴型过渡更自然。
「多模态」频道最新
- MiniMax 发布 H3 全模态模型：支持图生视频与原生音频 — RisingSayak · 2026-08-06
- MiniMax 发布 33B 开源多模态模型 H3，支持图声视频生成 — RisingSayak · 2026-08-06
- 趣味图像生成应用：用蒙版和滑块控制抽象级别 — drscotthawley · 2026-08-06
- Grok Imagine 升级：图生视频与参考图锁定角色，实现连贯短片制作 — tetsuoai · 2026-08-06
- Seedance 2.5 上线剪映：支持最长 90 秒 AI 视频生成与扩展 — thisguyknowsai · 2026-08-06
- MIDI-RAE-JEPA：用于符号音乐的分层表征学习 — drscotthawley · 2026-08-06