Reddit 用户开源 MiniMax H3 无限长对口型数字人工作流
martinerous · reddit · 2026-10-27
Reddit 用户 martinerous 分享了一套用 MiniMax H3 生成超长对口型 talking head 视频的 ComfyUI 工作流（GitHub 开源）：输入语音音频、可选参考图和随机变化关键帧，即可输出唇同步视频。
核心技术要点：
- 用 ref（或 hybrid）模型加自定义节点无缝扩展视频 latent，并通过随机末帧注入制造口型/表情变化、防止画质退化；
- 因 H3 的 latent 网格特性（17k+5 → 5k+2 等约束）专门做了数学对齐；
- 音频切分放弃按静音切（与 latent 网格难以对齐、会断句），改为固定时长切分 + 视频 latent 交叉淡化，最后直接替换回原始音轨，完全绕开音频 VAE 往返损耗；
- 另附一个可替换已生成 latent 中段的「重拍」工作流，用于修复瑕疵片段；
- 还尝试了循环方案：ComfyUI StartLoop 在上百次迭代时会因一次性展开缓存而极慢，作者也附上了对应工作流备用。
作者附上了实测视频，表示理论上还能扩展为按时段注入不同 prompt，但复杂长片更适合现成的 motion-context 一体化方案。
「编程与Agent」频道最新
- DevSpeak MCP：让编码 agent 帮你润色 PR 描述与提交信息 — modelcontextprotocol · 2026-10-27
- ThreadMind MCP 用 Git 式记忆树管理 agent 上下文并降低 token 成本 — mahmu_tech · 2026-10-27
- 让 Claude 独立设计 e-ink 名片：原理图到产品页一手包办 — isaul32 · 2026-10-27
- 2023 年 AI 工程师四步上岗，2026 年留白引热议 — JafarNajafov · 2026-10-27
- 开发者实测 DeepSeek Flash：让它自建工具效果出色且成本低 — victormustar · 2026-10-27
- 独立开发者用远程 MCP 服务器托管小企业建站与社媒运营 — Ok_Cucumber_131 · 2026-10-27