用 2x2 分镜网格驯服 MiniMax 视频生成,复杂场景不再翻车

Cheap_Credit_3957 · reddit · 2026-10-26

一位音乐视频创作者分享了让 MiniMax reference-to-video 稳定呈现复杂叙事场景的工作流：单靠 prompt 或首尾帧难以控制的镜头，改用 GPT image 2 生成 2x2 分镜网格图（四格依次代表起始帧、过程与结束帧），连同角色/场景参考图一起喂给 MiniMax H3 Singularity，并用专门 prompt 结构（分镜单独成段、每个镜头「硬切，严格按第 N 格分镜」开头）控制节奏。技术细节：两遍采样，第一遍 25 步，第二遍 8 步 768p turbo LoRA（4 步、0.35 denoise）加 latent upscale；舞台演出镜头仍用普通 reference-to-video。作者附带完整 ComfyUI 视频构建器与两遍采样工作流的 GitHub 链接，并猜测角色和场景参考图可能并非必需。