MiniMaxH3AddGuide 不是整段视频风格转换器。它把图像或多帧片段作为条件,锚定到指定的 frame_idx;采样仍从工作流的 empty latent 开始。因此,它适合在新生成的视频时间线上固定若干画面,不等于把输入视频逐帧改风格。若希望整段参考视频驱动生成,应选 MiniMax H3 R2V;若只想重生成局部区域,应查看文档中的遮罩工作流。
先确定参考内容要控制什么
布线前先把目标写成一句话:“生成新片段,并在指定时刻经过这些姿势”“用这段视频引导整体结果”,或“只改遮罩区域”。三种任务的路由不同。Add Guide 锚定的是输出时间线上的某个时刻或所提供片段,不代表源视频的每一帧都被转换并保持其余内容不变。
| 目标 | 路由 | 文档所说明的行为 |
|---|---|---|
| 生成新视频,在指定时刻固定画面 | H3 工作流加 MiniMaxH3AddGuide | 图像或片段在时间锚点作为条件;采样从 empty latent 开始 |
| 让整段参考视频引导生成结果 | H3 R2V | 可用参考视频引导视频生成,提示词中应说明参考的用途 |
| 只重生成选定区域 | H3 Fun ControlNet Union 遮罩,或适用时使用 latent noise mask | 提供区域控制或遮罩重生成;不保证遮罩外像素完全不变 |
有意设置时间锚点
- 如果目标是生成新序列、并固定若干画面,选择多帧参考模板。它把 H3 R2V 节点与串联的 Add Guide 节点组合起来,详见多帧参考工作流。
- 将 H3 节点的
positive和 latent 输出接入MiniMaxH3AddGuide。图像引导要连接 VAE;若要在同一锚点提供音频,则连接 audio VAE 并设置对应音频引导。 frame_idx以 24 fps 的帧计数。模板按round(seconds * 24)换算:假设锚点时间为 1.5 秒,就是第 36 帧。确认锚点加引导长度不超出生成时长;负索引从视频末尾计数。- 多帧片段有长度规则:节点会把批次裁到符合
17k+5的长度;少于 5 帧时只使用第一张图。需要多个锚点时,可串联额外节点,并让positive输出依次传递。 - 如果提示词需要通过参考标签指代某张引导图,还要把该图接到额外的
ref_images槽位。只接入 Add Guide 的图像会锚定构图,但不会因此被文本编码器看到。
H3 原生工作流文档明确把这一路径称为 conditioning,而非 video-to-video:采样器仍从工作流的 empty latent 开始。不要把 denoise 当成 V2V 中用于缩放引导强度的控制项。
整段参考与局部编辑分开处理
如果要让整段参考视频引导结果,使用 H3 R2V 模板,并在提示词里说明视频承担什么作用,例如提供动作或镜头运动参考。R2V 支持参考视频,但文档描述的是参考驱动生成,并未保证逐帧保留源片中的物体、镜头运动或全部动作。若这些要素是验收条件,应在源片与结果中按对应事件逐项检查。
局部修改则应使用遮罩工作流,而不是添加一张静帧并期待它自动限定编辑区域。原生工作流文档将区域编辑指向 Fun ControlNet Union 遮罩;另有 latent noise mask 用于修补、移除或延长片段。采样器的 denoise_mask 中,0 表示保留,1 表示重生成;视频遮罩会对齐到 2×2 latent patch 网格。这些说明了重生成区域,不构成遮罩外逐像素不变的保证。
用假设验收表诊断路由
假设创作者有一段 6 秒、24 fps 的街景视频,希望换整体视觉风格但保留动作顺序。这是整段参考驱动任务,不是固定一个姿势。若需求改为生成新的 6 秒场景,并在第 1.5 秒和第 4 秒经过指定静帧,则 Add Guide 更匹配:假设锚点分别为第 36 帧和第 96 帧。
| 假设观察 | 判断 | 下一步 |
|---|---|---|
| 新场景从头生成,只在第 36 帧附近接近参考图 | 符合锚点条件行为,不能据此判为 V2V 失败 | 固定关键帧仍用 Add Guide;整段参考则改走 R2V |
| 短片段引导只体现为开头画面 | 引导批次可能低于文档提及的 5 帧门槛 | 有意改用静帧,或按文档 17k+5 规则准备片段长度 |
| 提示词提到了参考图,但文本编码器似乎未引用它 | 图片可能只接在 Add Guide 上 | 若提示词需要引用标签,再接到 ref_images 输入 |
| 只需要重生成明确区域 | 时间锚点不是合适控制方式 | 转到文档所述遮罩路线,并检查遮罩外是否出现非预期变化 |
以上是依据文档行为设计的路由检查,不是软件实测结果。若 R2V 没有保留必需动作或镜头运动,应按验收条件判为不合格,重新明确参考用途或调整任务描述后再审;不要声称改 Add Guide 的 denoise 就能恢复 V2V 行为。
常见追问
能把整段源视频直接放进 Add Guide 吗? 节点可以接收多帧片段作为引导,但其作用仍是在锚点提供条件,并受片段裁剪规则约束。它不会把从 empty latent 开始的采样变成整段视频转换。
Add Guide 的图像一定会被提示词编码器看到吗? 如果图像只接在 Add Guide 上,就不会。多帧工作流说明,仅作引导的图像不会进入文本编码器;若提示词需要用参考标签指代它,还应连接到额外的 `ref_images` 槽位。
遮罩能保证遮罩外完全不变吗? 文档说明了遮罩重生成用途和数值含义,但没有保证遮罩外像素精确不变。应按实际需求对照检查成片,而不能把遮罩视为保真承诺。
来源与下一步
- ComfyUI MiniMax H3 Text-to-Video, Image-to-Video, and Reference-to-Video Workflows
- ComfyUI MiniMax H3 Multiframe Reference Workflow
本文依据公开文档解释操作,并使用明确标注的假设验收示例,不是软件实测。控件与可用功能可能变化,请对照所引手册和你的安装版本。
若你在 Imagild 中继续创作,可将输入要求和验收清单带到微电影工作台。上文讨论的外部软件控件属于其各自产品。