免 refmod 的 ComfyUI 即时参考工作流：带语音的角色视频一键生成

crinklypaper · reddit · 2026-09-12

作者分享了一套接近原生的 ComfyUI 工作流，不用 refmod 或自定义节点即可实现即时角色/风格参考视频生成（含语音），附完整工作流文件和拆解，一键即可运行。

核心做法：

• 把一个文件夹里的图片转为视频帧，作为参考视频喂给模型；也有 grid 版把图片拼成单图参考（作者更推荐视频版）。
• 语音部分：用 VHS 节点喂单个 mp4，或取 4 段片段各截取前几秒干净语音后拼接成 15–30 秒的干净人声片段。
• 使用 KJ nodes、原生节点和 VHS 节点组合；换数据集只需换文件夹，无需管理 safetensors、无需剪辑音频。
• 提示词按 MiniMax-H3 的 ref 语法写，LLM 可代写；若数据集特征渗入生成结果，加更多描述即可抑制。
• 已知问题：ComfyUI 有内存管理 bug，更换数据集后建议清缓存或重启；视频片段作输入尚未测试。四个示例涵盖双角色带语音、不同性别角色、风格与角色参考、纯图像参考。

原文链接 →

「多模态」频道最新

• GPT Image 2.5 携手 CapCut:一条从创意到成片的三步 AI 视频工作流 — thetripathi58 · 2026-09-12
• GPT Image 2.5 将登陆 CapCut PC 的 Design Studio 与 AI Image — thetripathi58 · 2026-09-12
• 用 Sprite Fusion API 一条龙生成像素游戏：素材到成品 — HugoDuprez · 2026-09-12
• AI 生成「奶奶游戏」离谱短片走红,展示非常规提示的创意爆发力 — Aiden_Tech_Ai · 2026-09-12
• TesanaAI 推出 image-to-game：任意截图 5 分钟变成可玩游戏 — gabriel1 · 2026-09-12
• 用户实测：Suno 已能基于版权音乐训练生成曲目 — AndyMasley · 2026-09-12

更多「多模态」频道 AI 资讯 →