开源 MiniMax-H3 Ref-V2V 工作流：实现精准局部运动控制
Primary_Internal9365 · reddit · 2026-08-08
为了寻找闭源 API（如 Kling、Gemini）的本地平替，作者基于 MiniMax-H3 模型搭建了参考视频到视频（Ref-V2V）的 ComfyUI 工作流，并开源了自研的控制节点。
核心技术与解决方案：
- 自定义注意力掩码节点：挂载至 DiT 自注意力层，结合 SAM3 实现区域特定控制（如锁定角色运动并替换背景）。
- 32 倍数智能填充：通过动态 Reflect Padding 将输入分辨率向上取整至 32 的倍数，避免粗暴缩放导致的画质损失。
- 17 帧 VAE 同步：自动匹配时间 VAE 的 packing 规则，防止解码崩溃或画面突变。
- 边界漂移修复：采用首尾各填充 15 帧冻结帧的方式，解决模型在视频末尾扭曲动作的问题。
作者还提出了一个待解决的“谜团”：在裁剪填充帧时，不同视频所需的索引偏移量会在 15 和 30 之间波动。目前该工作流已在 RTX 5090 上完成测试，并支持非官方的 4 步 Turbo LoRA 加速。
「编程与Agent」频道最新
- Sourcegraph 分析 51 万次提交，揭示开源圈 AI Agent 代码采用现状 — heyneighbor · 2026-08-08
- 盛大孵化EverMind连发三篇论文，构建自进化AI全栈技术 — 量子位 · 2026-08-08
- AI智能体开发中，领域专家经验至关重要 — rachittshah · 2026-08-08
- 实测通义千问3.8-Max生成游戏：能力比肩GPT-5.6且成本仅四分之一 — rohanpaul_ai · 2026-08-08
- 探讨智能体长周期强化学习：批次大小与梯度更新策略权衡 — ShikharMurty · 2026-08-08
- 蚂蚁集团与人大推出 SearchOS：共享记忆破解搜索智能体死循环 — jiqizhixin · 2026-08-08