把 Minimax H3 当“笨摄影师”：手搓 2 分钟音视频对话
niechta · reddit · 2026-08-09
一位开发者分享了使用 Minimax H3 模型制作 2 分钟对话场景的完整工作流。为了避免单次生成失败，作者将 AI 视作“笨拙的摄影师”，分别生成独立的镜头、覆盖画面和无声反应片段，最后手动剪辑拼接。
核心技术栈与参数：
- 模型与插件：使用 Minimax H3 的 Ref2VA 路径，配合 ComfyUI 0.30 及 ComfyUI-H3-Multishot 和 ComfyUI-GGUF 节点。
- 生成规格：960×544 分辨率，24 fps，模型可一次性生成画面与 32 kHz 立体声。
- 推理参数：20 步，cfg 1.0，使用 resmultistep / simple 采样器和固定种子。
- 硬件耗时：在 RTX PRO 6000 显卡上，生成 362 帧约需 420 秒。
作者指出，由于分辨率限制，单镜头裁切后画质会出现明显的像素化，但整体通过后期处理成功将各片段融合成了一部完整作品。
所属事件:MiniMax H3实测：角色一致与续写工作流获赞(13 条相关)→
「多模态」频道最新
- Midjourney 拟真晨光人像 prompt 分享：皱巴睡衣+自然皮肤质感 — tisch_eins · 2026-10-16
- 从1986老照片到2026：一张图的扩图、现代化改图与4倍放大全流程 — juanpablogc · 2026-10-16
- 美团 LongCat 发布 WorldCast 基准：320 案例考多步世界状态预测 — meituan-longcat · 2026-10-16
- 三份资源速通 FLUX 3 图像生成模型 — ariG23498 · 2026-10-16
- 网友让 Opus 5.5 造一辆新特斯拉 Roadster,结果出人意料 — TAbrodi · 2026-10-16
- Midjourney v8.2 蓝色水墨风生图实测，附 sref 风格码 — azed_ai · 2026-10-16