MiniMax H3 與 SAM3 的角色替換#
MiniMax H3 與 SAM3 的角色替換是 MDMZ 的 ComfyUI 工作流程，用於在影片中替換螢幕表演者為參考角色，同時保留原始動作、時間、攝影機運動，並可選擇保留原始背景。它使用 SAM3 來隔離主題並建立反轉的動作指導，使 MiniMax H3 能夠在不複製身份的情況下跟隨運動和取景。結果可以保留來自原始表演者的細節或改變背景中的某些部分，因此需檢查完整片段以確保身份、手部、服裝和場景的一致性。
該工作流程使用免費提示路徑：運行提供的提示或手動貼上在免費 Gemini 應用中生成的結構化提示以輸入。保存的默認設置使用普通模式、原始影片背景和無聲輸出。包括可選的原始音頻直通和 Turbo 預覽模式，並且工作流程會將剪輯長度調整為與模型兼容的幀數。
經驗證的示例使用免費提示分支、20 步的普通模式和影片背景。Turbo、圖片背景和音頻/唇同步選項已包括在內，但在這些示例中未使用。“免費提示”指的是提示路徑；RunComfy GPU 使用會單獨計費。
ComfyUI 中 MiniMax H3 與 SAM3 工作流程的關鍵模型#
- MiniMax H3 參考到影片基礎模型 (Ref2VA/Ref2V)。這是將您的提示、參考圖片和動作指導轉換為連貫影片幀的擴散骨幹，同時跟蹤攝影機和時間。模型文件和發布在官方 MiniMax H3 資源庫中託管。MiniMax H3 在 Hugging Face
- MiniMax H3 影片 VAE fp16 和音頻 VAE fp32。影片 VAE 高效編碼和解碼潛在幀；音頻 VAE 處理 H3 的音頻路徑的音頻潛在內容。其存在不保證唇同步質量。包含在 MiniMax H3 發布中。MiniMax H3 在 Hugging Face
- Qwen3‑VL 32B NVFP4 AWQ 文本編碼器。與 MiniMax H3 打包在一起以編碼長結構化提示並保持強大的文本到影片對齊。請參閱 MiniMax H3 模型文件以了解使用的文本編碼器。MiniMax H3 在 Hugging Face
- SAM 3.1 Multiplex。提供強大的、可提示的分割，用於尋找要替換的人物並建立一致的每幀遮罩來驅動動作指導。SAM 3.1 在 Hugging Face
- MiniMax H3 Ref2V Turbo LoRA v0.1。一個可選的 LoRA，可以在步驟數較少的情況下加快預覽速度，同時保持 H3 的整體外觀。最佳用於迭代，然後切換回普通模式進行最終渲染。MiniMax H3 LoRAs
如何使用 ComfyUI 中的 MiniMax H3 與 SAM3 工作流程#
從高層次來看，您需要提供一個短的來源剪輯和一張角色圖片。工作流程僅檢測和反轉表演者以創建動作指導，將提供或貼上的提示與您的背景設置結合，然後 MiniMax H3 進行渲染替換。源音頻可以選擇性地通過輸出；唇同步質量在這些無聲示例中未經驗證。
1 · 輸入 在影片加載器 (#970) 中加載您的動作剪輯，將其轉換為 24 fps，並修剪到您想要的部分。保存的示例使用了 124 幀（約 5.17 秒）。在圖片加載器 (#496) 中添加角色圖片。使用解析度選擇器 (#501) 設置輸出縱橫比和像素數。使用提供的提示或在組 3B 中為您的輸入粘貼一個提示，選擇渲染速度（普通質量或 Turbo 預覽），選擇背景是來自源影片還是來自角色圖片，並決定是否應該通過源音頻進行唇同步。
2 · 動作指導 SAM3 檢測器 (#503) 根據簡短的文本標籤（如 person 或 man:1）找到主題。使用遮罩預覽 (#492) 確認目標是純白色。工作流程僅反轉遮罩的表演者，因此 H3 從邊緣和陰影而不是身份中讀取運動和取景。調整動作指導解析度 (#456) 的像素預算以在速度和精度之間進行權衡。專用開關可讓您在從圖片進行動作轉移時構建一個排除影片背景的動作指導。
3B · 免費提示 按原樣運行提供的提示，或從組 3 複製包含的 Gemini 指示，並要求免費的 Gemini 應用分析您的剪輯和角色圖片。使用相同的修剪部分，然後將答案粘貼到您的 H3 提示 (#910)。工作流程會自動清理標題和代碼欄，使文本符合 H3 的預期結構。
3C · 來自影片的背景（角色替換） 當您希望在原始場景中進行純角色替換時，工作流程會增強您的提示，要求 H3 保留源剪輯的背景和照明。它告訴 H3 保持設置幾何、物體和分級，並重新點亮新角色以匹配鏡頭。動作指導將反轉的表演者放在原始幀之上，以便環境線索對模型保持可見。
3C · 來自圖片的背景（動作轉移） 要將動作轉移到靜態參考背景，提示會被重寫以保留角色圖片的環境和照明，並忽略源影片的設置。衝突的影片照明和取景線被移除。動作指導會重新合成在中性畫布上，以便僅使用運動和攝影機路徑，以減少源影片背景影響；這種可選模式在提供的示例中未經驗證。
3D · 最終文本 → H3 背景開關合併正確的規則集並顯示發送到 H3 的最終提示，以便您可以檢查其合理性。這個確切的字符串被餵入生成中。
4 · 生成 MiniMax H3 Ref → Video (#464) 接受結構化提示、角色圖片、動作指導幀、寬度和高度來自解析度選擇器，以及自動驗證的長度。保存的普通模式使用 20 個採樣步驟。Turbo 模式啟用 Ref2V Turbo LoRA，具有低步驟數以進行快速預覽，以及為影片和音頻調整的 sigma 移位；引導器、採樣器和步驟開關選擇活動路徑。種子控制採樣變化；更改它可能會影響身份、運動和背景細節。自定義採樣器結合噪聲、時間表和引導器與潛在剪輯。
5 · 輸出 解碼前運行 VRAM 清理節點以減少內存壓力；它不能保證不會出現內存不足錯誤。影片 VAE 將潛在內容解碼為幀，並且 Save Video 寫入 MP4。默認輸出是無聲的；只有在啟用了音頻路徑且輸入具有音軌時，才會附加源音頻。
ComfyUI 中 MiniMax H3 與 SAM3 工作流程的關鍵節點#
MiniMax H3 Ref → Video (#464) 核心生成器，將您的提示、參考圖片和動作指導綁定在一起。保持提示結構化和具體，並提供一個強大的參考圖片以確保身份。寬度和高度來自解析度選擇器，因此縱橫比與您的意圖匹配。長度由自動幀計數器驅動，以滿足 H3 的步幅；僅在有音頻的剪輯中啟用音頻路徑，並單獨檢查任何語音同步。
SAM3 檢測人 (#503) 使用簡短的文本提示運行 SAM 3.1 分割，以便隔離正確的表演者。如果場景中有多個人，添加一個快速限定詞，如 man:1 或 woman in red:1。首先檢查遮罩預覽；如果邊緣缺失或溢出，請收緊提示或調整檢測器設置。乾淨的遮罩是快速穩定替換的最快途徑。
動作指導解析度 (#456) 設置動作指導使用的總像素預算。較低的值降低處理成本和指導細節。較高的值保留更多的空間細節，但需要更多的處理；不保證提高輸出質量。逐漸增加並觀察性能和穩定性。
Turbo LoRA (Ref2V) (#950) 啟用快速預覽路徑，與低步驟調度器和調整的 sigma 移位配對，用於影片和音頻。用於快速迭代提示、取景和運動。對於最終鏡頭，切換回普通步驟以恢復完整的 MiniMax H3 保真度。
有效幀數（自動） (#481) 自動將您的修剪剪輯四捨五入為與模型兼容的幀數，以保持採樣穩定。人們通常使用的長度包括 107、124、158、209 和 362 幀，這大約是 4.5 秒、5 秒、6.6 秒、8.7 秒和 15 秒（在 24 fps 下）。在加載器中視覺設置開始和結束，讓該節點處理確切數量。
可選額外功能#
- 先檢查遮罩；在預覽中，主題應為純白色。
- 保持幀速率在 24 fps，以保持一致的運動和唇同步。
- 保存的音頻路徑為關閉狀態。僅對具有音頻的剪輯啟用；檢查語音同步，而不是假設它會匹配。
- 使用 Turbo 進行快速預覽，然後切換到普通模式進行最終渲染。
- 對於角色替換，選擇來自影片的背景；對於動作轉移，選擇來自圖片的背景。
- 如果免費應用返回帶有代碼欄的文本或奇怪的標題，仍然粘貼它；工作流程會自動整理格式。
- 更改種子以探索其他結果，然後重新檢查運動、取景、身份和背景細節。
致謝#
此工作流程實現並基於以下作品和資源。我們感謝 MDMZ 提供的 H3 角色替換工作流程教程和設置指南，Comfy-Org 提供的 ComfyUI 的 MiniMax-H3 模型，以及 ComfyUI 團隊提供的官方 MiniMax H3 影片生成指南對其貢獻和維護。詳細信息請參閱下列原始文檔和資源庫。
資源#
- MDMZ/MDMZ 工作流程教程
- 文檔 / 發布說明：YouTube
- MDMZ/MDMZ 工作流程和指南
- 文檔 / 發布說明：Patreon post
- Comfy-Org/MiniMax H3 模型 for ComfyUI
- Hugging Face: Comfy-Org/MiniMax-H3
- ComfyUI/ComfyUI MiniMax H3 指南
- GitHub: comfy-org/docs
- 文檔 / 發布說明：ComfyUI Docs
注意：使用引用的模型、數據集和代碼需遵循各自作者和維護者提供的相應許可和條款。
