MiniMax H3 说话头像连续生成:静默停留+交叉溶解拼接无痕长视频
Responsible-Clock971 · reddit · 2026-09-15
一位 Reddit 用户分享了用 MiniMax H3 生成长时间说话头像的拼接方案,认为比单次 20 秒生成(消耗大量显存)更实用:每句一段,再无缝拼接,虽有轻微时间漂移但效果接近连续长镜头。
五个关键技巧:
- 同一主帧:所有片段用同一张参考图渲染,角色、姿态、构图、光照、背景完全一致,片段间无从漂移
- 静默停留(bookends):每段音频前后各加约 0.4s/0.5s 静音(adelay/apad)。H3 是音频驱动,静音=闭嘴,片段首尾都落在静态中性帧上
- 提示词合同:每段 prompt 写明从主帧开始,说完最后一个音节后闭唇,并在最后 0.5s 内让头/眼/肩/构图回到主帧状态——首尾帧必须视觉一致
- 在停留处溶解而非说话处:两段首尾都是同一静态帧,0.2s 交叉溶解不会产生说话嘴部的鬼影,还能抹平背景亮度漂移
- 音频重新对时:各段音频按真实起点 adelay 后 amix 混音,溶解区重叠的是静音对静音,口型保持同步
核心思路:接缝永远是「静态中性帧→静态中性帧」,靠静默停留给出可剪切的静止帧,靠提示词合同保证那就是主帧。
「编程与Agent」频道最新
- effect-harness + Cloudflare：agent 循环自由拆到多台 VM 上跑 — samgoodwin89 · 2026-10-31
- jh3yy：AI agent 第一次让工具跟上我的大脑，找回心流 — jh3yy · 2026-10-31
- CAFE 生态周报：Maple 三天迁移 30 万行 React 到 Foldkit — samgoodwin89 · 2026-10-31
- 二十年没写代码，他用 Claude 做出百星开源 TV 启动器 — SuB8u · 2026-10-31
- Factory 收购 typedef_ai，为 AI agent 补上企业数据上下文层 — maddiehfaulkner · 2026-10-31
- 浏览器 Agent 丢链后图搜索救场:5/5 对单轨迹回放 0/5,作者主动更正数据 — JeremyCMorgan · 2026-10-31