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
- AutoResearchExam 用隐藏测试集观察 AI 做 24 小时科研的真实行为 — AlexGDimakis · 2026-09-10
- OpenAI DevDay Exchange 公布八城行程，班加罗尔十月启幕 — OpenAIDevs · 2026-09-10
- Coinbase 上线 Grok：Agent 可直接替你交易和分析 — MurrLincoln · 2026-09-10
- Databricks 推出自适应检索器:只在有用时多花搜索步骤 — matei_zaharia · 2026-09-10
- 写 agent harness 前先画蓝图：从章程到威胁模型的完整流程 — Telos_in_the_Void · 2026-09-10
- Coinbase for Agents 上线 Grok：一句话即可交易加密货币 — kleffew94 · 2026-09-10