CROWN MiniMax H3 四步驟 ComfyUI 工作流程影片#
CROWN MiniMax H3 四步驟 ComfyUI 工作流程將文字轉影片、圖片轉影片和參考轉影片統一在一個標記的畫布上,讓您可以在幾分鐘內製作出完整的 MP4 與同步的立體聲音。它圍繞 CROWN HyperPDMD HD LoRAs 和四步取樣路徑進行調整,以提供清晰的運動、穩定的身份和在原生 960 × 544 的清晰聲音。
為了在 RunComfy 上快速迭代,工作流程預設啟用圖片轉影片,而文字轉影片和參考轉影片則在您需要時隨時可啟用。每個分支都有自己的模型、提示和儲存器,所有三個分支都能無需額外後期步驟地導出完成的 MP4 文件。可選的 2× 放大功能包含在較大的機器中,並在 Medium 實例上預設繞過。
Comfyui CROWN MiniMax H3 四步驟 ComfyUI 工作流程中的關鍵模型#
- Comfy-Org MiniMax H3 基本模型。預測幀和立體聲音的聯合潛在變量的影片音頻骨幹,提供 BF16 和 INT8 變體以提高速度和記憶效率。Model card
- CROWN MiniMax H3 HyperPDMD HD 3–4 步 LoRAs。微調將去噪計畫壓縮為四個取樣步驟,同時保留細節和時間穩定性,適用於文字轉影片、圖片轉影片和參考轉影片變體。Model card
- MiniMax H3 Video VAE。編碼和解碼影片潛在流以實現高效生成和像素準確的重建。
- MiniMax H3 Stereo Audio VAE。編碼和解碼音頻潛在流至 32 kHz 立體聲以實現自然環境音和語音。
- Qwen3‑VL‑32B 文字編碼器。提供對 MiniMax H3 上提示解析的強大語言和多模態理解。
- 可選的 ESRGAN 家族放大器。用於在有能力的機器上進行 2× 增強,以便需要更大的幀。ESRGAN
如何使用 Comfyui CROWN MiniMax H3 四步驟 ComfyUI 工作流程#
一次僅啟用一個分支。每個分支都有清晰的標籤、自己的提示欄位和一個專用的 Save MP4 Video 節點,具有獨特的檔名前綴以便於排序。
I2V | 圖片轉影片 | CROWN HyperPDMD HD | 4 步驟#
這是預設啟用的路徑。在 Load Start Frame (<Picture 1>) (#27) 中加載您的靜止圖像,然後在 MiniMax H3 Image-to-Video (First/Last Frame) (#28) 中描述運動和環境。此節點接受可選的最後一幀,如果您需要進出指導以進行攝影機或主題運動。在您排隊提示後,四步取樣器生成聯合影片和音頻潛在變量,這些變量在 Combine Video + Stereo Audio (#38) 中解碼並多工化,然後由 Save MP4 Video (#39) 寫入。使用 Seed (#32) 中的種子控制來精確重現或探索變化。
T2V | 文字轉影片 | CROWN HyperPDMD HD | 4 步驟#
當您想從文字合成一切時,啟用此分支。在 MiniMax H3 Text-to-Video Conditioning (#8) 中輸入簡潔的拍攝描述、期望的運動和聲音說明。此節點也可接受可選的第一和最後幀以錨定構圖,但它也可以僅使用文字運作。核心 H3 路徑運行相同的四步計畫,並在通過 Save MP4 Video (#19) 打包成 MP4 之前生成同步的幀和立體聲音。在 Seed (#12) 中調整種子以鎖定或變化結果。
R2V | 參考轉影片 | CROWN HyperPDMD HD | 4 步驟#
使用此路徑從一個或多個參考圖像中保留身份,並可選地引導語音或房間音色。在 Load Reference Subject (<Picture 1>) (#47) 中加載您的主題,然後在 MiniMax H3 Reference-to-Video (<Picture 1>) (#48) 中製作運動或對話。您可以添加更多參考圖像、一個短的參考影片或一個參考音頻剪輯來加強相似性和聲音音質。輸出在 Combine Video + Stereo Audio (#58) 中解碼、多工化,並由 Save MP4 Video (#59) 保存。在運行時僅保持此分支啟用,以防止跨分支資源競爭。
所有分支共享的核心四步取樣路徑#
每個分支都遵循相同的精簡骨幹以提高速度和質量。加載 MiniMax H3 基本模型,應用 CROWN HyperPDMD HD LoRA,並在 MiniMax H3 Sigma Shift (#4, #23, #43) 中對齊影片和音頻計畫。指導由 BasicGuider (#9, #29, #49) 處理,計畫由 Beta Scheduler (#10, #30, #50) 處理,算法選擇由 Sampler (euler) (#11, #31, #51) 處理。4-Step HyperPDMD-HD Sampler (#13, #33, #53) 生成去噪潛在變量,這些變量由 Decode Video Frames (#14, #34, #54) 和 Decode 32kHz Stereo Audio (#15, #35, #55) 解碼,然後在 Combine Video + Stereo Audio (#18, #38, #58) 中多工化並由相應的 Save MP4 Video 節點寫入磁碟。
Comfyui CROWN MiniMax H3 四步驟 ComfyUI 工作流程中的關鍵節點#
MiniMax H3 Image-to-Video (First/Last Frame) (#28) 從單幅圖像生成運動,並具有可選的結束幀錨定。將您的提示集中在主題動作、攝影機運動和環境上。當您需要特定的進出運動路徑時,添加最後一幀。將身份關鍵的細節保留在文本中以保留面孔、服裝和道具。
MiniMax H3 Reference-to-Video (<Picture 1>) (#48) 在保持外觀和(如果提供)聲音的同時,圍繞參考主題構建影片。提供一個或多個乾淨的參考圖像和簡潔的對話。當相似性很重要時,請選擇更高質量的參考,並保持服裝和髮型一致。參考音頻可以幫助對齊音質和房間音色。
MiniMax H3 Text-to-Video Conditioning (#8) 將您的腳本轉換為影片和音頻的條件。將提示寫成帶有清晰動詞和感官提示的短鏡頭。您可以選擇性地提供第一和最後幀以穩定複雜場景的構圖。
MiniMax H3 Sigma Shift (#4, #23, #43) 通過偏移其有效噪聲計畫來平衡影片的相對清晰度和連貫性以及音頻的清晰度。使用它來微調運動的清晰度與穩定性,同時保持語音和環境音的清晰。謹慎更改數值,並在長時間渲染前測試短片段。
4-Step HyperPDMD-HD Sampler (#13, #33, #53) 執行與 CROWN LoRAs 匹配的精煉四步去噪循環。保持此取樣器在預期的步數上以保留速度和經訓練的外觀。如果您嘗試使用替代取樣器或計畫,請一起調整它們,並首先在短序列上驗證結果。
Combine Video + Stereo Audio (#18, #38, #58) 將解碼的幀和音頻多工化為一個準備分享的影片。當您需要更改容器設置或顏色空間以進行下游工作流程時,使用它。成對的 Save MP4 Video 節點根據每個分支完成檔名和格式。
可選附加功能#
- 原生輸出為 960 × 544 且具有立體聲音,以便在 RunComfy Medium 上可靠完成;僅在較大的機器上啟用兩個放大器節點。
- 要放大,請打開
Load 2x Upscaler (SPAN / ESRGAN)和2x Upscale -> 1920x1088,然後將放大輸出連接到Combine Video + Stereo Audio → images。 - 為了可重複的結果,保持種子固定;如需新版本,請在分支的
Seed節點中隨機化種子。 - 提示最好作為緊湊的鏡頭指導,例如帶有時間提示、主題和攝影機的動詞,以及一行環境音。
- 一次應僅啟用一個分支;每個分支都有自己的加載器、提示和儲存器,名稱帶有 CROWN MiniMax H3 四步驟 ComfyUI 工作流程前綴以便於文件管理。
致謝#
此工作流程實施並建立在以下作品和資源之上。我們感謝 S3ckn11g0r 為 CROWN-MiniMax-H3-HyperPDMD-HD-3-4Step-LoRA 和 Comfy-Org 為 MiniMax-H3 基本模型的貢獻和維護。欲知權威詳情,請參閱以下鏈接的原始文檔和資料庫。
資源#
- S3ckn11g0r/CROWN-MiniMax-H3-HyperPDMD-HD-3-4Step-LoRA
- Hugging Face: S3ckn11g0r/CROWN-MiniMax-H3-HyperPDMD-HD-3-4Step-LoRA
- Comfy-Org/MiniMax-H3
- GitHub: Comfy-Org/workflow_templates
- Hugging Face: Comfy-Org/MiniMax-H3
注意:使用所引用的模型、數據集和代碼需遵循其作者和維護者提供的相應許可和條款。


