开源 ComfyUI 工作流：MiniMax 长视频口型同步，分段拼接防退化
martinerous · reddit · 2026-10-27
作者分享一套基于 MiniMax H3 的 ComfyUI 长口型同步工作流，输入语音音频、可选参考图和变化关键帧，输出对口型的说话人头视频。
- 思路：用参考模型（混合模型也可）加自定义节点，无缝延长视频 latent，随机注入末帧制造说话头变化并防止画质退化，再用音频切分节点驱动流程。
- 处理了 H3 latent 网格的特殊数学（17k+5 → 5k+2 等），并给出替换已生成 latent 中段的「重拍」工作流，用于修复坏帧。
- 循环方案：ComfyUI StartLoop 在几十上百次迭代时启动极慢（一次性展开生成缓存），作者改用固定时间切分 + 视频 latent 交叉淡入，并用原始音轨替换生成音频以避免音频 VAE 往返。
- 作者指出按静音切分不可行，因难以与 H3 latent 网格对齐，会导致声音断续或错位。
- 理论上可扩展为在固定时间点注入不同提示词，但复杂长项目更适合现成的 motion-context 方案。
所属事件:开源 ComfyUI 工作流实现超长对口型数字人视频(2 条相关)→
「编程与Agent」频道最新
- 面向 Agent 的免费 CVE 情报源 cve.now 上线，支持 RSS 与 MCP — Kyrannio · 2026-10-27
- Firecrawl 用决策模型 2.2 秒给 146 家初创公司分类 — devdigest · 2026-10-27
- 开源 Rust 终端 Agent Alter Zero：24MB 单文件，融合 Claude Code 与 Codex CLI 思路 — Hacking0912 · 2026-10-27
- 开发者给定时 cron 任务加守门员：先查时间窗、预算与租约再执行 — petrusenko_max · 2026-10-27
- 3 块二手 V100 跑出近 400 token/s,自研引擎 sFNX 回应质疑 — jfinkpottery · 2026-10-27
- golang/go 仓库疑遭 AI 代理刷屏,一口气涌出十余个 CVE 安全 issue — evilsocket · 2026-10-27