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
- 团队砍掉 AI 安全创业项目,把红队引擎 OpenHunterAI 开源了 — udmrzn · 2026-09-15
- Cline 发布桌面应用，专为开源权重模型打造 — cpaik · 2026-09-15
- Dan Wahlin：AI 时代的超能力不是提示词，而是识别 AI 出错的能力 — DanWahlin · 2026-09-15
- 他月砸 1.4 万美元订阅 AI,靠 $20/月的 agent skills 站变现 — doodlestein · 2026-09-15
- C3 AI 论文入选 EMNLP 2026:DIA 用自主编码代理打通企业数据查询 — C3_AI · 2026-09-15
- 给 Agent 定目标:设验证完成条件与预算,拒绝无限重试 — gethackteam · 2026-09-15