Minimax H3新版加速优化工作流与长视频制作教程
本文是Minimax H3视频生成工作流的进阶教程，涵盖新版加速优化、视频延长制作及官方Scale实战应用。工作流包含基础版（文生/图生/首尾帧）和参考版（图像/视频/音频参考）两大模块。教程重点讲解了最新优化加速技术（比传统CGT型更快且画质更优）的配置方法、兼容性修复（INT8模型补丁、CLIP显存卸载节点）、Turbo LoRA选型建议。视频延长部分详细解析了22帧截取重复原理、潜空间信息传递机制、音频帧同步技巧及无缝拼接方法。通过“天气预报主持人”完整案例，演示了从首次生成到续写镜头切换（近景→中景→特写）、道具引入的全流程，并总结了六大长视频制作心得。适合已有一定基础的AI视频创作者进阶学习。
一、开篇：工作流整体架构介绍
这节课我们主要学习Minimax H3的新版加速优化工作流，还有长视频的制作。此外，我们也会讲解一些官方提示词Scale的实战应用技巧。
工作流依然是两个。左边是基础的文生、图生、首尾帧视频，右边是图像视频和音频的参考工作流。每个工作流上面都有它的一个开启和关闭，下面是视频延长的开启和关闭。我们可以通过这个箭头快速达到我们的工作流所在地。
工作流左边的绿色部分都是用户的输入部分，包括提示词和参数的输入，包括这边模型和Loader的加载，包括下面图像的输入。上面是优化加速相关的，我们使用的最新的这个加速技术，它的效果比之前的CGT型还要出色。中间是核心的视频生成区域，右边是视频的一个快速预览。在下面是视频的延长板块。
了解完整体后，我们开始具体的使用。
二、模型选择与优化加速配置
兼容默认模型和GGUF模型。如果说你的显存在16G以上，最推荐使用这个模型。如果说你的显存比较小，那推荐使用GGUF的模型。CLIP也是一样的。这里CLIP需要重点说明一下，在官方的CLIP里面，它有三个模型，它们的大小不一样，对显存的负担也不一样。但是只要你的显卡支持，就优先使用大的模型，因为模型越大，它对提示词的理解、推理能力就越好，我们的最终效果就会好很多。
至于大模型所带来的显存压力，我这里加了一个CLIP显存的卸载节点。通过这个节点以后，它会完全卸载掉CLIP所带来的这个显存压力，它不会影响后面的生成。因此，这个模型你能使用多大就使用多大。
然后是Turbo加速LoRA。最近LTX-V发布了他们的一个新加速LoRA，来到了一点零版。但是我查了一下社区资料，这个LoRA有一些明显的问题，比如说脸部发糊、塑料感、细节也不好。综合来看，还是官方之前推荐的这个LoRA，它的效果是最好的。因此我们工作流依然采用是这个LoRA，权重为一。
然后是优化加速这块儿，ComfyUI给H3出了一个更好的加速技术。把你的ComfyUI更新到最新版本，你可以通过管理器更新ComfyUI，更新以后就可以加载这个节点，选择这个优化加速技术。这个加速是和Scheduled Running相冲突的，我们就要把之前Scheduled Running相关的给删掉。这个加速它和这个加速节点是非常适配的。有的人使用这个节点会报错，那你们可以把这个值改为4，把这个改为force，这样可以修复有些报错。但我这边没问题，还是保持默认。
这个新加速社区实测是要比传统的CGT型要快不少的。这个帖子下面也有很多人跟着做一些测评，结论大致是：使用这个新加速需要将近两分钟，而传统的CGT型则需要两分十一秒，并且画质也是超过传统加速的。总体来讲，尽管这个新功能它的速度会更快、视频质量更好，但是它仍然是实验性的，它可能会崩溃。所以说，只要我们的电脑允许，强烈推荐使用这个新版的加速效果。
三、修复兼容性问题与补丁方法
它目前情况下对这个INT8的模型支持并不好，可能会报错。官方也讲解了这样一个修复方法，但是可惜目前还没有合并到最新的ComfyUI里面，可能下个版本会合并。如果说你们的版本依然没有合并的话，那我们可以手动的来打这个补丁。我们需要找到ComfyUI的这个文件，我这里以云端来做演示。
进入文件管理，找到这个root进入，然后我们就进入了ComfyUI文件夹。根据这个目录，我们来找一下，然后找到这个文件。建议复制一下这个文件，命名为备份，以防万一。然后我们双击进入这个文件，在大约五百八十八行的地方，找到这一串的这个数据。这里的话，就这个单词。我们在这后面再加上这一串数据。前面这个中文只是为了注释，它没有什么意义，可以不管。我们只加这一段在中间就可以了。加上以后，点击右上角的“储存”，然后再退出，然后再重启ComfyUI就可以了。
如果说这个加速始终安装不上的话，那可以把这整块的优化加速替换为之前的工作流的CGT型加速。然后这边是一个可选加速，它有加速效果，但它的质量损失要相对大一点。我这里是开启的。然后这边是一个低显存，建议开启的一个预防OOM的两个节点。实测，它除了可以预防OOM以外，也可以帮助我们使用更大的一个分辨率。目前我的云端是4090，我依然把这两个开启，来帮助我生成一个更大分辨率的视频。
四、提示词工具：官方Scale实战应用
既然是文生视频，那这一块的图像加载就可以关闭。然后核心在于我们的提示词这一块。不得不感谢这次H3的开源，真的是非常彻底。官方也发布了非常专业的这个Scale。这些本质上是一些技能包，最核心的是这一个，H3的一个提示词的一个工具，我们可以点开看一下。它包含两个技能，第一个对应的是基础工作流，第二个对应的是这个参考工作流。有了这两个工具以后，我们提示词生成开始变得简单。
除了这个核心的基础生成以外，它还包含了一些风格化的一些提示词生成，MV的、游戏的、科幻风格的等等。这些风格化效果，我目前测试，它们只能通过AI来来进行生成，目前还在研究当中。我们暂时跳过。我们还是讲解一下这个比较核心的这个工具的使用。
这个工具是可以直接使用语言模型就可以使用。我们这次是一个文生视频的案例，那么我们就使用这个基础指令。这里我以自己最常用的谷歌Gemini为例，这个网站它的智能，我觉得目前是优于豆包的。而且它的文字表达能力也是非常出色，它的逻辑推理能力错误率要高于GPT和Grok。但总体来讲，这个网站是非常不错的。
首先上传这个基础指令，这个文件内容和这边的内容是完全一样的。然后输入：“请用这个基础指令帮我生成提示词。”然后发送。这个英文我看不太懂，我再让他给我一下中文的翻译，检查一下是否需要修改。那我们使用提示词的时候，尽量使用英文版，因为官方文件说得很清楚：“它在英文表现下是最佳的。”确认无误以后，我们复制提示词，回到ComfyUI，输入。
五、视频生成基础操作
这里时长设为15秒。如果说你的显存比较差，可能15秒是带不动的，那你可以设置为10秒。然后分辨率这一块，我这里设的是这一个。如果显存较差，就把这个分辨率给降低。确认好以后，点击运行。这里在生成前就能看到预览效果。这里VAE使用的是这个VAE，它会比较清晰。这个效果比较满意，那就让它继续生成。
那我们这个15秒的视频生成完毕。
六、视频延长核心原理
那接着第二步，我需要延长这个视频。那这里我们要使用到模型Context这个节点。回到ComfyUI，我们打开这个视频延长部分。它的核心是使用这个节点来帮助我们延长视频。它功能的本质是，我们生成的第一段视频，它会截取这段视频的最后一段，包括图像，包括音频，然后以这一段信息为基础，接着去生成下一段的视频。那对于我们视频二来说，它是一个连续的；而对于视频一来说，这两段同样是一个连续的。最终我们把视频二的这个给砍掉，把这个往上提。最终是变成这样一个效果。那这三段一、二、三，它的画面和音频都是连续的。
在我们第一次生成的时候，这里加了一个储存潜空间信息节点。这里的序号，我们第一次生成最好是1。但这序号其实问题不大，它会储存我们刚才这段视频所生成的整个内存信息。这里名字为2，那我们就储存为2吧。这个信息它的储存位置是在ComfyUI/output下面，有这样一个文件夹。这个2就是我们刚才所储存的，通过这个节点来加载我们这里所储存的信息。那这里储存是2，那这里的话也应该是2。然后这个节点再连接到我们的主工作流里面，来进行再次生成。
七、视频延长关键参数设置
它下面有两个重要的参数：视频的长度和音频的长度。就是当我们加载这整段信息的时候，我们并不是整个使用，而是截取这一小段来进行使用。其中截取的是22帧的一个画面，24帧的一个音频。这个视频长度22帧是最推荐的数值。这个数值太小、太高都不是特别好。同样，音频24帧是一个推荐的数值，数值比这个视频数值要大一点，因为这两个是完全独立的。音频的损失是比画面的损失要大一些的，因此这个帧数多一点也挺好的。
目前工作流的设置都是用的官方的推荐参数来做，这是对于新手最为推荐的，也是最为保险的。当我们加载了这个Latent以后，那我们上面这个图像和音频接口就不要再接了。但是如果说你之前没有储存这个Latent，那你就可以加载一个视频，再把视频的图像和音频做对应的连接，也可以达到一个不错的效果。
那之后第二段视频生成好以后，我们再通过这个节点和这边的板块，再合并这两个视频。那这个地方就要加载刚才所生成的视频，把这个保存一下。这是我们第一段所生成的视频。这个节点它会裁剪掉我们第二段所生成的视频，因为新的视频会重复前一个视频的22帧，所以需要通过这个节点来裁掉这个帧数。裁剪好以后，再和第一段视频进行一个拼接，就是一个完整视频了。
八、操作流程与无限续写
你们在操作这个工作流的时候，你们只需要操作这个绿色部分，把这个设置对应的值，然后这边再加载对应的值，然后这边再输入新的条件信息，再重新传到我们工作流里面，仅重新生成。新生成的视频会再次保存。那这个的话也会储存新的一个空间信息。需要把这个再加一个数值为3。它是运行以后，这个3才会被保存。有了这个3以后，我们还可以继续往后面进行生成。那再把这改为3，我们又可以生成15秒了。这样就可以生成一个非常长的视频。
那像我们这个案例，我们这个提示词本身就是可以无限续写的，这个比较简单，感觉可以无限续写的提示词，我们就可以不用管。那我们第一个案例就先不动这个最难的板块，我们就先保持默认不变，然后再点击运行。那么看，这次我们就成功的把这两段给拼上了，看起来也是非常的连贯。
九、常见问题与解决方案
如果说你们在运行的时候报错，可能是一些兼容性问题。视频延续的分辨率一定要和之前的加载一致，它和之前的加速节点有冲突。第三点，它和一个合并节点也有严重冲突，必须卸载。不过这个工作流里面这二三点都不存在，所以不用管。主要是第一点，分辨率一定要一致。
官方的这个节点有清楚说明，每一段的连接都会导致质量下降，主要是音频的一个下降。另外，它有概率产生一个小的音频偏移，大概延迟8毫秒。如果说你们发现你们生成视频有明显的卡顿和拼接感的话，那建议您把原视频的第一段视频和第二段视频都保存，就不通过这个节点来进行拼接了。你们自己在剪辑里面自己手动的来进行拼接。剪辑里面就不是剪去这个22帧的，因为它存在着误差。你们需要在22帧基础上左右移动一下，看哪一帧对接会更好来解决这个问题。
另外一个可能遇到的问题是，这个节点同样会降低音频质量，就是这个优化加速节点。如果说因为它出现一些误差问题的话，那你们可以把这个加速节点给删掉。
视频延长的操作是非常简单，我们只需要简单的处理这三个绿色的部分就可以了。但实际上，它的难点是集中在这个提示词部分的。
十、进阶案例：天气预报视频制作
那接下来，我们使用这边的参考案例来进阶讲解一下这个视频延长的使用。那这次的案例，我们想做让这个女孩来播放天气预报。那这次使用的是参考工作流。那这里我们就上传官方的参考指令和这个女孩的形象图，可以是四视图，也可以是一张单人的肖像图。
提示词要求：“一个亚洲美女主持人正在直播天气预报，她用的是中文说话。我要求的是镜头慢慢拉远，从一开始的近景慢慢变为中景。”然后她给了我英文和中文的提示词。
那如果说你熟悉官方的这个提示词指令的话，你会发现提示词是有格式的问题的。官方在图像引用的时候清楚说明：如果说图像仅是定义角色的话，是不需要单独创建条目的。但是它这里的话还是创建了一个图像的条目。这句话应该是要删除的。另外，官方的示例里面，它都是完整的引用。其实这可能会给语言模型一些误导，他认为所有的图像都是完整引用。但实际上，官方说明除了完整引用以外，也可以部分引用，还有其他的两种引用形式。
那这里的话，他就错误的把这个角色完整引用了。他这里是担任天气主持人，不能穿这样的一个休闲服去做主持人的。实际上，这个案例它是部分引用，除了这个相貌和发型以外，他的衣着是要改变的。于是我告诉他：“他有两处错误：第一个是图片不需要再描述；第二个，这个角色是部分引用，衣服应该改变。其他的话，就台词他太少了，台词增加一点，差不多13秒说完。”
除此之外，有的时候他的一个语言引用也会出现格式错误。这一次他是正确的。但是，你们有的时候在生成这个语言的时候，可能会出现格式问题，你们也要去纠正它。出现这个问题真的并不奇怪，你们只需要记住这三个常见的错误点，那基本上就没什么问题了。
那接下来它是修改后的一个提示词，就拷贝一下，拷贝过来。最下面两项是音效和音乐，音效可以保留，音乐的话，我建议后期合成会更自由一些，改为这个无，没有背景音乐。分辨率是16比9的608P，时长15秒，种子为1。我们第一次生成是不需要视频延长的，我们加载这个参考图，也不需要视频和音频的参考。那第一次保存还是建议为1，这样不容易混乱一点。那全部设置完毕以后，我们再点击运行。
“大家好，欢迎收看今天的天气预报。受冷空气影响，预计明后两天，我国北方部分地区将迎来明显的降温和局地降雨，而南方大部地区依然维持晴热天气。请大家注意适时增减衣物，出门带好雨具。”
那第一段视频出来了，与预期一样，是一个由近景到中景的一个拉镜头。
十一、进阶续写：镜头切换与道具引入
那接着我的续写要比这些要难一点。新镜头，我希望突然切换到特写，然后再让这个女孩拿着道具再说一段话。那接着的话，我们就开启视频延长部分，然后设置一下绿色部分的参数，这个设置为第二段。我们加载刚才的第一段，然后这边参数的保持默认，不必修改。这个节点加载刚才生成的视频，那基本上我们就把参数给调好了。
重点还是回到提示词这儿，官方给了一些提示词的写作建议，我这里做了一下总结。就是上一段和新的下一段，如果说景别不同，那在新的一段的时候，你不能一开始就说新的这个镜头。新的镜头应该先描述上一个镜头结尾时的状态，做大概两秒的一个惯性效果，两秒的过渡完成以后，才开始做自己的新内容，就是后面的才是我们真正要做的内容。
会这样的原因，因为之前我们讲过，我们第一段视频生成到最后22帧，它会强制作为我们下一段视频的开头。比如说第一段视频，它是一个中景，而我们第二个镜头我们想要做的是一个特写，那我们最开始它必然是特写，因为它使用了上一段的内容。因此，我们不能在一开始就说特写，这样的话又中景又特写就会出问题。要知道这22帧是强制生效的，它是一个硬约束。因此，我们把这个动画的一个惯性给描述一下。这段描述完以后，之后我们再描写我们自己的特写内容。这个就是官方提示词里面最核心的原则。
那回到我们提示词里面，我就告诉AI我要做什么。同样的要求，我需要修改提示词，告诉他我的镜头突然要改变为特写，然后是这个女性惊讶的表情，然后说一个新的台词。接着他拿起耳机，就是另外一张参考图，我们来增加这个难度，然后说这是我们的这个礼物。然后他就给了我们对应的提示词，他这里表现还是很出色的。这段格式正确，有两个角色：一个是我们的主持人，一个是我们的这个耳机。女性角色是部分保留，这个耳机是完全保留。
十二、提示词精细调整与续写成功
镜头过渡就是两个镜头。第一个镜头是一个中景的一个景别，所以这段我们之后要自己手动的改。我们角色一，这个说话内容我们肯定是要删除的，因为这两秒肯定不会说这么多话，所以我们要把这段话给删掉。然后是第二段，他说在第六秒开始，这个时间我们要改，改为两秒左右。然后音效这里，他说“第六秒开始新的一个音效”，其实是两秒左右。那因此我们要修改的是镜头一，把这个给去掉，还有后面的这个语言给去掉。我们要描述我们第一个镜头最后的一点状态的一个惯性状态。接着要更改的是这个时长，我们要改为两秒左右。
那完成以后，我们再复制提示词，回到ComfyUI进行粘贴，再做相应的一个修改。镜头一的内容，同样是描述这个女子的一个形象，保持摄像机的移动一致。然后镜头二的话，我们只需要修改这个时间，改为两秒左右。下面的音效也改为两秒左右。最后把这个音乐改为无。还有这一个图像，我们需要上传第二张参考图。都修改完成以后，我们再点击运行。
“大家好，欢迎收看今天的天气预报。受冷空气影响，预计明后两天，我国北方部分地区将迎来明显的降温和局地降雨，而南方大部地区依然维持晴热天气，请大家注意适时增减衣物，出门带好雨具。”
“太好了，你就是观看本节目的第一万个观众。我们将送你这个耳机。”
那这里的音频有一点问题，有可能是种子问题，有可能是这个节点所带来的问题。那这里的话，把这个节点给关闭一下。种子这里再随机切换一下。这里的时长是12秒，因为之前15秒它直接OOM了，分辨率要保持不变。我们再一次运行一下。
“大家好，欢迎收看今天的天气预报。受冷空气影响，预计明后两天，我国北方部分地区将迎来明显的降温和局地降雨，而南方大部地区依然维持晴热天气，请大家注意适时增减衣物，出门带好雨具。”
“太好了，你就是观看本节目的第一万个观众。我们将送你这个耳机。”
结果非常好，声音的质量也得到了提升。另外，在参数这里，我把镜头二设置在第一秒后开始，简短的这个时间，这里也做了相应的简短。发现效果比官方说的两秒阶段要好一点。
十三、长视频制作心得总结
给大家分享一些长视频的使用心得：
-
在续写视频的时候，不要使用首帧图，因为前面的帧已经被固定了。你在强制使用首帧的话，就会导致冲突，发生一些问题。
-
因为每次续写都会少22帧。当你要固定总时间的时候，也要计算好这个缺失的部分。
-
分辨率必须统一。
-
官方推荐重复帧是22帧，但是如果说更小的话，更加适合做硬切的镜头。
-
我们每一次续写音频质量都会下降，其中Turbo LoRA这个加速会进一步影响音频的质量。我们在做长视频的时候，Turbo的步数可以适当增加，因为当步数增多的时候，主要是在影响音频。这个节点尽量不要去使用。
-
每一次续写的新片段，我们是要花一些功夫去琢磨的，特别是参考模式下，每个参考都会影响整个片段。我们上一段视频生成的末尾，会沿用到下一段视频的生成里面。因此，我们下一段视频的开头会说一点废话，就是描述这段重复的内容。一定要留意。
