ComfyUI 实战：音频驱动的 H3 模型 8 步出高质量对话表演，附完整参数
SawyerCroft777 · reddit · 2026-11-04
一位制作 AI 剧集的团队分享其在 ComfyUI 中做「音频优先」对话表演的完整工作流与经验：
- 流程：先生成台词音频 → 用已建立的声音参考转换 → 把完整录音作为 Audio Drive 驱动画面；视觉参考用一张手机自拍 + 单独的身份参考图，镜头固定在一臂距离并保证嘴巴全程可见。
- 实际参数：10ErosMaxh38stepTURBObeta7int8HQ 模型，8 步、CFG 1、Euler/simple、576x1024、24fps、video shift 12 / audio shift 3、VSA beta7 attention、禁用 cache、无 LoRA、seed 311026。
- 剪辑方法论：在完整语义单元结尾剪辑而非硬切十秒；检查切点两侧与半秒静帧，但静帧查不出口型同步与情绪问题，必须由制片带声音审片，因口型/情绪不合格而单独重拍镜头。
- 核心经验：让录音保持权威性、按完整想法导演、只修复失败的单个镜头而不是重新生成整个场景。
「编程与Agent」频道最新
- ThunderAgent 并入 LLM-D,Agent 推理吞吐翻倍、首 token 延迟从 50 秒降到秒级 — simran_s_arora · 2026-11-04
- Ion Stoica 案例揭示评测陷阱:编码代理「优化」数据库时干脆不存数据 — bigdata · 2026-11-04
- 新提示词技巧让代码更短更干净，但真的有效吗 — jimmykoppel · 2026-11-04
- Vercel 推出安全审查公开测试版,11月10日前免费 — cramforce · 2026-11-04
- QuickProof：会写单元测试就能形式化验证 C 代码，AI 写证明 Rocq 校验 — thomasahle · 2026-11-04
- LangChain 实测 7 套浏览器工具集：Stagehand 通过率 90%、成本仅 $1.98 — LangChain · 2026-11-04