1. 先搞清楚 MiniMax-H3 在 ComfyUI 里到底能做什么如果你在找能本地跑起来的短剧生成方案特别是那种能自动选图、自动分镜、自动润色出片的那 MiniMax-H3 模型配合 ComfyUI 的工作流是目前一个值得花时间研究的组合。它解决的核心问题是把一段文字剧本自动转换成一段由多个连贯画面组成的视频草稿。这和你直接用文生图模型一张张画或者用视频模型直接生成动态片段思路都不一样。这里最关键的几个能力是全自动选取参考图你不需要手动为剧本的每一句话或每一个场景去找参考图。模型会根据你的剧本描述自动理解场景、人物、动作并生成或匹配出风格、构图相对一致的参考图像。这解决了手动找图风格不统一、效率低的问题。全自动分镜拆解模型能理解剧本的段落和情节转折自动将一段完整的剧本拆分成多个独立的镜头分镜。每个镜头对应一张或多张参考图这是形成视频叙事节奏的基础。一键润色出片在生成基础分镜图之后工作流通常还集成了图像放大、细节修复、风格统一等后期处理节点让最终输出的图像序列更精致、更可用接近“出片”质量。所以它不是一个“违禁视频生成器”而是一个基于剧本的静态分镜可视化工具。它的输出是一系列高质量的静态图片分镜稿你需要用其他工具比如剪辑软件将这些图片组合成动态视频。它的价值在于极大地提升了从文字剧本到视觉分镜的创作效率。适合谁看短视频/短剧创作者快速将剧本想法可视化用于内部沟通、拍摄指导或制作动态故事板。个人内容创作者为故事类、剧情类视频制作高质量的分镜素材。ComfyUI 进阶学习者想了解如何将大语言模型LLM的多模态理解能力与图像生成工作流结合实现复杂自动化任务。在开始之前最重要的一点是这个工作流对本地硬件尤其是显存有一定要求。因为整个过程涉及多次调用大模型进行文本理解和图像生成显存占用是叠加的。如果你的目标是流畅运行而不仅仅是“能启动”那么硬件准备是第一步。2. 环境准备硬件、软件与前置依赖在跑通任何复杂 ComfyUI 工作流之前稳定的基础环境是前提。很多人卡在第一步不是因为工作流复杂而是环境没配好。2.1 硬件要求与显存管理这是最实际的一环。根据“comfyui 5070显卡 gpu 显存不足”这类热搜词就能看出显存是普遍瓶颈。GPU推荐 NVIDIA GPURTX 3060 12G 是入门门槛。更理想的配置是 RTX 4070 12G、RTX 4080 16G 或更高。AMD GPU 理论上可通过 ROCm 支持但社区资源和稳定性不如 CUDA新手不推荐。显存至少 8GB建议 12GB 或以上。工作流运行时会同时加载多个模型如文本编码器、MiniMax-H3 本身、可能还有图像放大模型显存占用会累积。如果只有 8GB 显存你需要严格控制生成图片的分辨率例如 512x768和批量大小batch size并随时准备遇到“CUDA Out Of Memory”错误。内存建议 16GB 或以上。ComfyUI 本身和模型加载会占用不少系统内存。磁盘空间至少预留 20GB 空间用于存放 ComfyUI 本体、各种模型文件可能包括 SDXL、SD1.5 等多种底模和 LoRA以及插件。针对显存不足的实战策略降低分辨率这是最有效的方法。将工作流中的图像生成节点的宽度Width和高度Height先调到 512x512 或 512x768 进行测试。关闭预览在 ComfyUI 设置中可以关闭实时节点预览减少显存占用。使用--lowvram或--medvram参数启动如果你使用一键启动脚本可以修改run_nvidia_gpu.batWindows或对应的启动命令添加这些参数。--medvram是一个比较平衡的选择。分步运行对于极其复杂的工作流可以尝试先运行前半部分如文本理解、分镜拆解保存中间结果再清空工作流加载后半部分如图像生成、润色进行处理。检查模型精度确保你下载的模型是 fp16 精度版本而不是 fp32这能节省近一半的显存。2.2 软件部署ComfyUI 本体与整合包选择对于新手从整合包开始是最快的方式。“秋叶 ComfyUI 整合包”在社区中口碑不错它集成了常用插件、汉化和一些基础模型开箱即用。部署步骤下载从可靠的来源如秋叶的 GitHub 发布页或 B站视频描述中的链接下载最新的 ComfyUI 整合包。解压解压到一个英文路径下路径中不要有中文或特殊字符。例如D:\AI_Tools\ComfyUI。更新解压后建议运行更新脚本通常整合包内会提供update.bat确保所有依赖和插件是最新的。启动运行run_nvidia_gpu.bat针对 NVIDIA GPU。首次启动会相对较慢因为它会初始化环境并下载一些必要的运行时文件。关于版本关注“comfyui v0.33.1 更新”这类信息是好的但作为使用者不必追求绝对最新。整合包通常会稍晚于官方更新。确保你的版本不是过于陈旧即可例如落后主版本 2-3 个以上。新版本可能修复 bug、增加新节点但也可能带来新的兼容性问题。2.3 关键插件与模型准备这个工作流依赖几个核心组件缺一不可ComfyUI-MiniMax-H3 节点插件这是一个自定义节点用于在 ComfyUI 中调用 MiniMax-H3 模型的 API。你需要通过 ComfyUI 的“管理器”Manager安装它。打开 ComfyUI点击右下角的“管理器”Manager按钮。切换到“安装节点”Install Node标签页。在搜索框输入“MiniMax-H3”或相关关键词找到对应的插件进行安装。安装后需要重启 ComfyUI。MiniMax-H3 API Key这是调用模型能力的通行证。正如热词中提到的你需要去 MiniMax 的开放平台申请。访问platform.minimaxi.com请注意这是一个示例域名请以 MiniMax 官方最新公告为准。注册/登录账号。在控制台创建应用获取你的 API Key。这个 Key 是私密的不要泄露。基础图像生成模型MiniMax-H3 主要负责理解和规划最终的图像生成可能仍需要依赖 Stable Diffusion 系列的模型如 SDXL、SD1.5。你需要确保 ComfyUI 的models/checkpoints目录下有可用的基础模型。整合包通常会自带一两个你也可以自己下载放置。其他可能用到的插件如图像放大插件如 Ultimate SD Upscale、细节修复插件等这些用于“润色出片”阶段。可以通过管理器同样方式搜索安装。3. 工作流搭建与核心参数解析拿到一个别人分享的minimax-h3工作流.json文件后直接加载可能能跑但不理解节点含义一出错就束手无策。这里拆解几个核心环节。3.1 加载与配置工作流导入工作流在 ComfyUI 界面将下载的.json工作流文件拖入画布或者点击“加载”Load按钮选择文件。配置 API Key在工作流中找到名为“MiniMax-H3”或类似的节点。里面会有一个字段让你填入 API Key。将你在平台申请的 Key 粘贴进去。检查模型路径检查所有“Load Checkpoint”节点确认它们指向的模型文件在你的models/checkpoints目录下确实存在。如果不存在需要下载并放置到正确位置。3.2 理解“全自动”流程的节点链一个典型的工作流可能包含以下节点链理解它们有助于调试剧本输入节点通常是一个“文本”Text节点或者从文件读取文本的节点。这里输入你的完整短剧剧本。MiniMax-H3 理解与分镜节点这是核心。该节点接收剧本文本调用 MiniMax-H3 API。模型会做两件事场景/分镜拆解将剧本按逻辑拆分成多个镜头描述。输出可能是一个包含多条文本的列表List。为每个分镜生成/匹配提示词为每个镜头生成更详细的、适合图像模型理解的提示词Prompt。文本到图像生成节点接收上一步生成的每个镜头的提示词列表循环或批量地送入到“KSampler”等采样器节点调用你本地的 Stable Diffusion 模型生成对应的图像。这里的关键参数是采样器Sampler、步数Steps、CFG 等它们直接影响图像质量和生成速度。图像后处理节点对生成的所有分镜图进行统一处理如使用“Ultimate SD Upscale”节点进行高清放大使用“FaceDetailer”节点修复面部细节等实现“润色”。图像保存/预览节点最终将处理好的图像序列保存到指定目录并按顺序命名如scene_001.png,scene_002.png。3.3 关键参数调优点MiniMax-H3 节点参数API Key必填上文已说。模型版本可能有abab5.5或abab6等选项选择最新或工作流指定的版本。Temperature控制生成内容的随机性。对于分镜拆解这种需要一定创造性和多样性的任务可以设为 0.7-0.9如果需要更稳定、可预测的结果可以调低到 0.3-0.5。Max Tokens限制模型返回文本的最大长度。根据剧本长度调整太短可能导致分镜描述不完整。图像生成参数KSampler分辨率Width/Height这是影响显存和速度的首要因素。测试阶段建议从 512x512 开始。正式出图可根据需求调整如 768x1344竖屏短视频常用。记住分辨率翻倍显存占用可能增加四倍。采样步数Steps20-30 步通常能取得不错的质量和速度平衡。步数越多细节可能越好但耗时越长。CFG Scale提示词相关性。7-9 是常用范围。过高可能导致图像颜色过饱和、构图僵硬。采样器SamplerDPM 2M Karras或Euler a是速度和质量的折中选择。可以多尝试几种。批量处理工作流如何实现“一键”生成多个分镜通常是通过“列表”循环。确保你的工作流正确地将分镜提示词列表连接到了图像生成节点的输入上。有些工作流使用“CR Iterative Image Generator”或自定义脚本节点来实现循环。4. 从单次测试到稳定批量生成不要一上来就用一个长达千字的复杂剧本去测试。遵循从简到繁的原则。4.1 第一阶段最小可行性测试目标确认整个链路是通的API 有效模型能加载能出一张图。简化输入将剧本输入节点里的内容替换成一句非常简单的场景描述例如“一个宇航员在月球上地球在背景中。”修改工作流可选为了快速测试你可以临时“短路”工作流。找到 MiniMax-H3 节点输出的“分镜提示词列表”不一定直接连到后面的循环生成可以先只取列表中的第一项连到一个单独的 KSampler 上只生成一张图。这能帮你快速判断是 API 调用问题还是后面的图像生成问题。降低参数将 KSampler 的分辨率设为 512x512步数设为 20。点击“队列提示”Queue Prompt。观察执行过程。如果报错“Invalid API Key”检查 API Key 填写和网络连接。如果报错 CUDA 显存不足按第二章的策略处理。如果成功你应该在输出预览窗口看到一张关于宇航员的图。4.2 第二阶段短剧本分镜测试目标测试自动分镜拆解功能是否如预期工作。准备一个短剧本3-5 个句子描述一个有起承转合的小场景。例如“第一镜咖啡厅里男生紧张地看着手机。第二镜女生推门进来四处张望。第三镜男生站起来挥手女生看到他露出微笑。”恢复完整工作流将剧本填入。在图像保存节点前添加一个“预览图像”Preview Image节点并连接到图像生成输出的列表上。这样你可以一次性看到生成的所有分镜图。执行。观察MiniMax-H3 节点是否正确输出了 3 条不同的提示词生成的 3 张图在内容、构图、人物如果涉及上是否基本符合剧本描述且有一定连贯性人物的一致性可能是个挑战这是目前此类技术的普遍难点。4.3 第三阶段长剧本与“润色出片”目标处理更实际的剧本并优化最终输出质量。输入完整剧本。关注图像后处理链高清放大在生成小图后串联一个放大节点。选择 2x 或 4x 放大使用4x-UltraSharp或ESRGAN等放大模型。注意放大非常耗显存建议在生成小图成功后另起一个工作流专门做批量放大或者使用--medvram模式。细节修复如果生成了人脸添加“FaceDetailer”节点可以显著改善面部质量。同样注意显存。输出管理配置好图像保存节点的目录和文件名前缀如my_drama_scene_确保输出有序方便后续导入剪辑软件。4.4 常见问题与排查顺序当工作流执行失败或结果不理想时按这个顺序排查看错误信息ComfyUI 下方的终端窗口或弹出对话框会给出错误信息。这是第一线索。检查 API 与网络错误信息是否指向 MiniMax-H3 API检查 API Key 是否过期、是否有余额、网络是否能访问其服务。检查节点连接红色连线表示数据类型不匹配。确保每个节点的输入输出端口正确连接。检查模型文件错误是否提示找不到*.safetensors文件检查models/checkpoints和models/loras等目录。检查显存如果进程卡住或无响应首先打开任务管理器Windows或nvidia-smi命令Linux查看 GPU 显存是否被占满。如果是按 2.1 节的策略处理。检查输入内容生成的图片全黑或全乱检查 MiniMax-H3 生成的提示词是否合理或者你的基础 SD 模型是否适合该类型提示词。分镜结果不合理如果分镜拆解得乱七八糟尝试调整 MiniMax-H3 节点的 Temperature 参数或者在给模型的系统指令System Prompt中更明确地要求它按“镜头语言”拆分。5. 进阶思路与边界认知把这个流程跑通只是开始。要让它真正成为生产力工具还需要一些工程化思维。5.1 工作流优化与自定义参数外部化将剧本文本、输出目录、图像尺寸、采样步数等常用参数用“节点工具”Node Tools如Rgthree 的 Comfy插件提供的“远程输入”节点暴露出来这样就不用每次打开工作流文件去内部修改了。模块化设计将工作流分成“分镜规划”、“图像生成”、“后期处理”三大模块用“组”Group功能框起来并折叠。这样工作流更清晰也便于单独调试某个模块。错误处理与日志复杂的批量生成难免有个别图片失败。考虑在工作流中加入一些简单判断比如图像生成后检查其尺寸或像素值是否正常失败的可以记录到日志文件而不是让整个流程中断。5.2 理解能力边界与替代方案人物一致性这是最大挑战。当前工作流通常无法在多个分镜中保持同一个人物完全一致的脸和着装。如果需要强一致性可能需要引入额外的技术如Reference-Only ControlNet或IP-Adapter在生成时注入同一张人物参考图。但这会进一步增加工作流复杂度和显存消耗。动态与运镜它生成的是静态分镜图无法直接生成摄像机运动推拉摇移。镜头语言体现在构图上如特写、全景动态效果需要你在剪辑阶段添加。长视频与复杂度剧本非常长时一次性生成所有分镜对 API 调用次数、时间和稳定性都是考验。更稳妥的做法是分章节、分场景多次生成。“ComfyUI 与 LLM 必须在同一台电脑上么”不一定。MiniMax-H3 是通过 API 调用的模型在云端。你的 ComfyUI 本地只需要处理图像生成。但如果工作流中集成了其他本地 LLM如通过ComfyUI-LLM插件调用本地部署的 Qwen那么就需要在同一台电脑上。5.3 生产环境下的建议如果计划长期使用这个流程API 成本管理关注 MiniMax API 的调用计价方式长剧本会消耗大量 Token。在测试阶段多用短文本正式使用前估算成本。素材管理建立规范的文件夹结构。例如projects/ ├── project_A/ │ ├── script.txt │ ├── workflow.json │ ├── outputs/ │ │ ├── raw/ (原始生成图) │ │ └── upscaled/ (放大后图) │ └── log.txt版本控制对关键的工作流.json文件进行版本备份。每次大的修改前另存为一个新版本避免改坏后无法恢复。最后记住这个组合的核心价值是“加速从文字到视觉的转化”而不是全自动生产最终成片。它帮你快速看到剧本的视觉可能性生成高质量的分镜素材但最终的镜头衔接、节奏、配音、特效依然需要专业的剪辑和创意工作。把它当作一个强大的灵感助手和效率工具而不是一个完全替代人工的“黑盒”你会更能发挥它的作用也能更平和地面对其技术局限。开始的最佳方式就是用一个简单的三句话剧本把整个流程亲手跑一遍。