Reddit 用户开源 Ref2V 视频生成傻瓜式工作流与提示词自动格式化节点
bstr3k · reddit · 2026-09-10
作者花两周半打磨的 H3 Ref2V(参考视频/图生视频)工作流,发布在 Hugging Face,目标是让新手也能稳定出片。核心组成:
- 自动转写与打标:扫描参考视频并转写音频、给所有图片自动 caption,也可纯图生视频
- LLM 提示词格式化:加载一个自选小模型,根据你的意图自动写出符合 H3 R2V 格式的提示词;完整版工作流可直接生成视频
实用踩坑经验:
- 低显存可先单独跑提示词增强,人工修改后再生成
- H3 上下文窗口似乎与系统资源挂钩,超出会出现音画错乱,应降低时长与分辨率
- 不写情绪描述就得到面瘫角色:"slop prompt in, slop video out"
- 换人时若新旧人物长得太像,模型会收敛回原人物;可先换成无脸绿色中间人再迁移,或用 Sam3 角色替换
- 多人场景描述要具体:"replace the man wearing white shorts with the man in <picture 1>" 远好于泛泛的 "replace the man"
- 给 LLM 加一句场景上下文(如"<video 1> 是两个女孩吃巧克力冰淇淋的视频")能显著提升理解
所属事件:Minimax H3 视频生成开源工作流走红(2 条相关)→
「编程与Agent」频道最新
- Reticle 推出 AI 编码代理验证层：让 agent 自查生成的代码是否真的能跑 — Scobleizer · 2026-10-27
- 开发者正训练「看门模型」：专门拦截提示注入与记忆投毒 — gnukeith · 2026-10-27
- 开发者训练 4GB 显存可跑的哨兵模型,专防 prompt 注入与记忆投毒 — gnukeith · 2026-10-27
- 前大厂管理者观点：把团队换成 agents，优秀管理方法论依然成立 — lxfater · 2026-10-27
- 让 Claude 调试航司酒店官网,日期选择器全是 NaN 翻车现场 — lilyraynyc · 2026-10-27
- 旧金山 Code Engineering 大会聚焦从编码 agent 到软件工厂 — LangChain · 2026-10-27