MiniMax H3 Image Edit 工作流教程:动漫图像转逼真照片
Stable Diffusion Art 发布教程,展示如何在 ComfyUI 中用 MiniMax H3 Image Edit 工作流将动漫图像转换为逼真照片。工作流仅用原生节点,通过视觉语言通路与参考潜变量通路保留角色姿态和构图,无需 ControlNet 堆栈。可选启用 Qwen 3.5 提示词增强器,支持场景级自定义编辑。
Stable Diffusion Art 发布教程,展示如何在 ComfyUI 中用 MiniMax H3 Image Edit 工作流将动漫图像转换为逼真照片。工作流仅用原生节点,通过视觉语言通路与参考潜变量通路保留角色姿态和构图,无需 ControlNet 堆栈。可选启用 Qwen 3.5 提示词增强器,支持场景级自定义编辑。
MiniMax H3 Image 在 ComfyUI 中可原生生成约 16.8MP 图像,6 步完成,无需外部超分。教程提供完整工作流 JSON,并给出量化模型选择:扩散模型 21GB、文本编码器 15.7GB、图像 VAE 1.17GB,24GB 显卡可运行。
MiniMax-H3-Image 的 pDMD 2 步 LoRA 在 ComfyUI 0.45.0 和 RTX 4070 12GB 上,把 9 次图像编辑的平均生成时间从 38.83 秒降到 27.62 秒,缩短约 28.9%。
作者实测MiniMax H3 Image,以一张插画为原图,仅用提示词即可完成水彩、油彩、钢笔、木版画等10种画风转换;开启ComfyUI模板内置的提示词扩展后,风格变化更明显,但平均生成时间从60.50秒增至187.12秒。
开源社区将 MiniMax H3 Image 量化至 Q2_K,显存需求从 68GB 降至 6.4GB,8G 显卡可本地跑 4K 生图。量化版原生直出 4096×4096 及 21:9 宽屏,官方蒸馏 6 步出图,生图与修图一体,最多支持 16 张参考图。
作者在 M1 Max 64GB 上实测 MiniMax-H3-Image 的社区 GGUF 量化版(Q4_K_M,11.57GB),4MP 动漫插画约 5 分钟生成,6 步采样每步约 47 秒。
Reddit 用户实测 MiniMax H3-Image 在 AMD Radeon RX 9060 XT(16 GB 显存)上生成 2368×3552(8.41 MP)图像耗时约 35-43 秒,六步采样,峰值显存 12.1 GB。该模型基于 MiniMax H3 视频模型构建,作者称其速度远超其他已测模型,并给出完整 ComfyUI 工作流与低显存配置供复现。
Anima-RGBA 在 M1 Max 上实测可直接输出透明 PNG 并干净抠图,但玻璃、蒸汽、翅膀、幽灵等半透明元素仍保持不透明。背景清除效果良好,但中间 alpha 值几乎不存在;触发词权重提升到 1.3 也无法产生半透明效果。叠加 Turbo LoRA 后 8 步生成时间缩短至 41 秒,适合日常抠图工作流。
作者在 MacBook Pro M5 Max 128GB 上全本地完成 46 秒科幻预告片《THE LAST SIGNAL》,全程无云端渲染、无 API 调用,耗时约 14.5 小时(含约 2 小时等待)。
Curious Refuge 发布教程,演示如何用 AI 为视频重新打光,并测试了该工作流在实拍素材和灰盒工作室场景上的效果。工作流先导出静帧并用图像模型(Nano Banana 2.1 或 GPT Image 2.5)重打光,再以重打光图为参考应用到原视频。测试发现结果存在曝光变化、条带、分辨率损失等限制,输出分辨率低于 4K 源。
Lee Veo 发布教程,用 ChatGPT Images 和结构化 prompt 创建一致的 3D 卡通角色,无需 3D 建模经验。教程涵盖角色表、表情、姿势、场景和图像到视频动画的完整流程,并给出可复用的 prompt。
作者发布 MOSS-Image 免费工作流,可模拟 Kodachrome、Portra、CineStill 800T、Tri-X、Aerochrome 等胶片风格,并支持从 8mm 鱼眼到 XPan 全景的镜头选择。
作者在 ComfyUI 中实测阿里 Qwen 团队的 Qwen Image 2.1,用单个 7B 模型完成文生图、最多 10 张参考图的多图编辑和原生 RGBA 透明抠图。
作者在 ComfyUI 中用 MOSS-Image Base 搭配 qwen3.5_9b 文本编码器和 flux2-vae,以 JSON 格式提示词指定文字内容与 bbox 位置,生成电影海报、女性杂志封面、CD 封面、小说封面和漫画一页五种日文设计。
AInVFX 梳理了 ComfyUI 中五款开源图像模型的分工:Z-Image Turbo 主打 8 步写实出图,FLUX 3 Image Klein 支持最多 10 张参考图编辑与 4K 输出,MOSS-Image 擅长版面与图中文字,Qwen-Image-Edit-2511 靠 LoRA 生态做精确编辑,SeedVR2 负责一步超分修复。
作者在 ComfyUI 中实测 Black Forest Labs 的新图像模型 FLUX 3 Klein,配套 19 个免费工作流,覆盖文生图、单图编辑与多图合成。
作者公开了在 8 GB 显存本地训练 MOSS-Image 角色 LoRA 的一套参数:默认设置训练 800 步,大数据集或难概念再延到 1200–1500 步,学习率 0.0004、rank/alpha 8/8、512² 分辨率。
OpenMOSS 团队于 2026 年 10 月 16 日开源 5B 文生图模型 MOSS-Image,权重 Apache 2.0,发布当天支持 ComfyUI。
作者用 Z-Image Turbo(8 步)加自训角色 LoRA(0.8)再经 SDXL refine 生成固定角色,多数露手画面出现六指、手指粘连和指甲异常。
作者在 RTX 5090 上用 int8 文件实测 Qwen-Image 2.1 Turbo,原生 2K(4 MP)图像平均 11.8 秒,30 步基础模型为 36.9 秒,约快 3.1 倍。