ComfyUI MiniMax H3 时间线教程:安装 Director 插件排分镜生成多镜头视频
教程讲解如何在 ComfyUI 中安装 MiniMax H3 Director 插件,把镜头、参考图和音频拖到时间线上,由插件实时编译出 H3 训练时读取的分镜 prompt。
推荐理由:教程把 H3 时间线插件的安装、模型目录与分镜编译讲成可复现步骤,并列出训练区间与商用授权等前置限制。
教程讲解如何在 ComfyUI 中安装 MiniMax H3 Director 插件,把镜头、参考图和音频拖到时间线上,由插件实时编译出 H3 训练时读取的分镜 prompt。
推荐理由:教程把 H3 时间线插件的安装、模型目录与分镜编译讲成可复现步骤,并列出训练区间与商用授权等前置限制。
Seedance 2.0 是字节跳动的视频加音频生成模型,支持文生视频、首尾帧图生视频和多模态参考生成,时长 4 到 15 秒、最高 4K。目前有文档可查的自助接入路径是 OpenRouter,模型标识为 bytedance/seedance-2.0,采用异步提交加轮询的方式,2026 年 10 月 19 日标价每秒 0.06726 美元起。
Kapwing 发布教程,演示用 GPT-6 Astra 连接 Blender 搭建巨龙与场景的灰模、动画和相机镜头,再用 GPT Image 2 生成设计图与写实首帧,最后由 Seedance 2.5 生成 10 秒连续镜头。
推荐理由:作者实测用 GPT-6 Astra 驱动 Blender 搭 3D 场景,再经图生 3D 与 Seedance 2.5 出片,并列出三家 3D 模型对比与逐项成本。
Kapwing 发布教程,介绍用 Claude 技能生成机位指令 Prompt,再在 Kai 中以 Seedance 2.5 把一条固定机位素材重拍成多机位剪辑。
推荐理由:作者用 Seedance 2.5 实测单机位转多机位,给出完整 Prompt 与失败案例,可迁移到短剧多机位剪辑。
可灵 AI 于 10 月 15 日深夜全量上线新一代视频生成模型 Kling 4.0,支持 4K、1080p 的 10-bit HDR 输出,单次最多输入 10 张图片、5 段视频及 7 个主体,单次生成视频最长 30 秒。
推荐理由:借 Kling 4.0 上线与快手股价波动,拆解可灵 180 亿美元估值反超母体的市场空间、位置与增速逻辑。
Stable Diffusion Art 发布 MiniMax H3 参考生视频(ref2va)在 ComfyUI 的完整工作流教程,可组合最多 9 张参考图、3 段参考视频和 3 段音频,一次生成带同步立体声对白、音效与音乐的 24fps 多镜头视频。
推荐理由:教程给出 MiniMax H3 参考生视频在 ComfyUI 的完整节点配置与提示词结构,可迁移到多镜头角色一致性流程。
Krea 发布图像编辑模型 Krea 3,多数编辑在原生 2K 下 8 秒内完成,单张 0.06 美元,1K 为 0.03 美元。官方给出的对比是 Nano Banana Pro 中位耗时 33 秒、单价 0.135 美元,GPT Image 2 为 90 秒、0.22 美元。该模型单次编辑最多支持 6 张参考图,并能按马克笔草图、情绪板和线稿生成成图。
央行行长潘功胜在 2026 金融街论坛年会上宣布将推出五项政策措施,包括设立应对非银机构大额赎回的流动性支持工具、扩大常备借贷便利(SLF)适用机构范围至境内外资法人银行,并试点允许 8 家人民币境外清算行在境内银行间外汇市场开展自营交易。MiniMax 同日发布 M3.1 Flash,线上推理速度提升近 3 倍、使用成本降低 70%,Pro 版本将于不久后推出。
DeepSeek 于 10 月 17 日在官网、App 和 API 同步更新 V4.1-Flash-1017,API 模型名仍为 deepseek-flash,调用方式和价格不变,在 Claude Code 框架下 Terminal-Bench 4.0 得分从 31.2 提升至 42.3。
Higgsfield AI 以 $15/月 起在同一积分体系内覆盖图像、视频、角色一致性与广告制作,Runway 则以 $15/月 起提供图像视频生成加 Aleph 2.0、Edit Studio 等成熟后期编辑层。Krea 从 $9/月 聚合 150+ 模型,Magnific 主打 250M+ 素材库与设计工作流,Pika Art 从 $10/月 起侧重短视频社交内容。
Higgsfield AI 与 Kling 的订阅套餐及生成成本对比显示,同样一段 Kling 3.0 视频在 Higgsfield 上更便宜:5 秒 720p 为 10 credits($0.49),Kling 为 45 credits($0.56)。
骨朵 AI 对话两位 AI 宠物赛道创作者:运营「MaodVlog」的 mao 粉丝 31.5 万,单条商单报价已超六位数,上月到手收入六位数,收入高度依赖商单;运营「MoMoVlog」的 momo 以「MoMo的100个故事」更新至第 16 集、单集点赞近 10 万,知识付费为第一收入来源。两人均认为赛道仍处红利期,但门槛快速抬高,公司化团队入场正挤压个人创作者空间。
BytePlus 于 10 月 15 日上线 OmniHuman 2.0,一张图片加一条音轨即可生成带对口型的 720p 表演,支持文本提示控制手势与镜头运动,并允许多人同框。价格从每秒 0.12 美元降至 0.07 美元,即每分钟 4.20 美元、五分钟长镜头 21 美元。该产品通过字节跳动的企业平台 BytePlus 销售,预算需考虑可用一分钟素材需要拍多少条。
Dreamchase AI 发布 AI 概念短片《Street Legal》,以戏谑方式演绎未来汽车野心,加入 Tesla Roadster 梗的传播热潮。作品在标签中 @ 了 Tesla 与 SpaceX,并用刻意低调的标题反衬夸张创新与日常上路合规之间的反差。
Matthew Hazandras 推出 AI 恐怖短片《FIRSTBORN》,讲述一名女子邀请并不熟悉的同事进家后,深夜从林中出现的某种存在让她失去意想不到之物。影片由 Curious Refuge 影片库收录。
DeepSeek-V4.1-Flash-1017(Max)以 1670 分超过 Kimi K3(Max),成为 Code Arena WebDev 榜单排名最高的开源模型,仅落后 GPT-6 Sol(Max)12 分。
LTX Desktop 1.3.1 发布,新增 IC-LoRAs AlphaGen 无绿幕无提示词抠像,可输出透明 WebM 与 matte MP4。该版本还加入最多三条路径的运动轨迹控制、Pose/Depth/Canny 引导视频、最多 10 张参考图合成,并为文生视频、图生视频、音频生视频开放 1440p 与 4K,1440p 最长 20 秒、4K 最长 10 秒。
Google Flow 不提供任何官方 API、密钥或 SDK,开发者只能通过 Gemini API 或 Vertex AI 调用其背后的 Veo 3.1 视频模型。
Wireflow 用 Veo 3.1 Fast 各跑一次 8 条 Veo 3 提示词,8 秒 720p 带声音,结果 5 条通过、1 条部分通过、2 条失败。通过的多是单一镜头、单一动作加一句 15 词以内的台词;失败集中在要求一条 8 秒片段内切三个镜头,以及 39 词长台词被截断到 31 词。
推荐理由:作者用同一套参数实测 8 条 Veo 3.1 Fast 提示词,逐条给出成败原因与改写方式,可对照自己的出片流程。
在 VIBE 应用中,用户可在 iOS 和 Android 手机上直接选用 Google Veo 3.1 系列三个版本生成带声音的短视频,无需开发者账号或 API key。
一位 ComfyUI 桌面版新手想在本地用 Wan 图生视频工作流加载自己下载的 LoRA,但替换 LoRA 参数后效果异常,解包 subgraph 手动调整又报“not enough memory”,而打包状态下低分辨率可正常运行。其目标是实现 IMAGE → PROMPT → RESULTS 的简单流程,复现模型页面示例效果。
Backlot 是一个开源的单窗口工作室,无需节点图即可在自有 GPU 上运行,支持文生视频、图生视频、参考模式(同一人物或产品跨镜头保持一致)、单张照片生成 360 环绕、用于长场景的 latent chaining,以及带身份编辑、96 个机位角度和 SeedVR2 4K 的静帧功能。
推荐理由:开源项目把多模型视频与图像生成收进单窗口界面,并给出 16 GB 显卡上的实测耗时,便于创作者评估本地部署可行性。
作者发布 Evangelion 同人概念验证,把 AI 渲染的 Sachiel 与 Redshift 渲染的 CG 初号机放在同一镜头里完成身体接触,复杂运镜中接触点逐帧保持 1:1,无漂移。
推荐理由:作者用 AI 角色与 CG 角色逐帧对齐的实拍级合成,展示 AI 图层与深度通道接入传统 VFX 流程的具体做法。
创作者あいびより发布「ハロウィンアート2026」企划作品,主题为万圣节假面舞会,主角ますす与ひより分别以黑紫与白金礼服出镜。插画以光与暗对比为核心,通过强化逆光、面部阴影突出金色瞳光与发丝轮廓,ひより的发饰小鸡戴上南瓜面具。作品另含两人共舞的 AI 视频片段。
MindStudio 团队实测 Elorian 的视觉语言模型 Glimpse,它在测试中通过列车与人物相对静止、画面水印和静态尘柱等线索,判断一段人物横跨两列行驶火车的视频为 AI 生成。
用 DomoAI 的 AI 视频功能,以一张图片加一段英文提示词生成花火大会约会片段:男友第一人称 POV,穿浴衣的女性回头说「きれいだね!」并牵手,身后烟花绽放。提示词还要求自然日语女声与准确对口型,作者评价效果"漂亮但有点好笑",并称性能不错。DomoAI 免费生成带水印,作者建议订阅。
GIMP 3 开源插件 OpenFill 可通过 ComfyUI 在本地完成生成式填充、去物、扩图和文生图,无需上传云端。AI 音效工具 earshot v0.3 新增 201 个代码合成音效库,仅用 CPU 即可离线运行。
作者盘点了围绕 MiniMax H3 的七个 ComfyUI 工具,包括抑制视频延长画质劣化的 H3-LongTakeNoCuts、在时间线上生成延长与中间片段的 obvpm-timeline。
推荐理由:七个围绕 MiniMax H3 的 ComfyUI 工具各有分工,覆盖长镜头画质保持、时间线生成与显存优化,可对照自身流程挑选。
一名大学生以「未来の東京」为主题用AI制作视频并投稿TikTok,发现制作视频和让人观看是两件事,AI视频并非做完就结束。制作中需反复调整图像和视频,试错超出预期;投稿后才意识到要思考什么样的内容能引起兴趣、如何让人看到最后。
作者在 RTX 5070 12GB 上实测 Wan 2.2 图生视频,约 34GB 模型权重下 GPU 实际只占用 8–9GB 显存,其余由 ComfyUI 动态加载从内存和硬盘流式读取。
推荐理由:作者用同一台机器把内存限制到 16GB 重跑,纠正了自己此前把内存当成瓶颈的结论,给出了可复现的显存与内存实测数据。
WorldCast 构建覆盖 8 类任务、320 个手工案例、1352 个待生成视觉状态的基准,评测 12 个图像模型、统一多模态模型和视频生成系统。GPT-Image-2.5 搭配 GPT-6 Astra 取得 72.8 分,超过参评视频生成系统;改为一次输出全部步骤的网格图后降至 50.1 分。
Kling 4.0 单个任务最多接受 15 个参考输入,按类型拆分:最多 10 张图片、5 段视频(每段 3 至 30 秒,合计 30 秒)、7 个元素(含最多 3 个视频元素)和 3 个声音克隆。
Runway 宣布 Runway MCP 已上线 Grok Bot,用户可在 Grok 对话中直接使用其生成能力,无需离开聊天界面。官方给出入口链接供用户开始使用。
一个镜头可能已经可用,但仍需改动一处。 灯光。机位角度。环境。 在 Luma 中持续打磨同一个创意。
可灵AI于10月10日至13日参加ACFM 2026,与全球电影行业深度交流,重点展示Kling 4.0的模型能力。活动汇聚亚洲顶尖电影人,探讨故事驱动型AI的未来及其对专业电影制作的影响。可灵AI持续推动AI视频融入专业制作流程,与全球创作者合作将生成式AI带入真实工作流。
抖音对于搬运的内容真是非常的纵容啊! 尤其是搬运外网的,这哥们拿 Higgsfield 做的视频说是自己的,还编了一堆提示词出来
Krea 发布 Photoshop 插件 Krea for Photoshop,在 Photoshop 文档内提供背景替换、重打光、多机位布局、图像与视频生成、实时画布和产品 mockup,结果以普通图层返回。
推荐理由:Krea 把图像与视频生成搬进 Photoshop 面板,结果以普通图层返回,方便对照现有修图流程评估接入方式。
Krea 发布 Premiere Pro 插件,可在剪辑软件面板内生成镜头、插入镜头、背景板和风格方案,结果以普通媒体素材进入项目,可照常裁剪、合成、调色和混音。
推荐理由:Krea 把生成能力嵌进 Premiere 时间线,成片以普通素材形式落地,剪辑师可直接沿用现有流程处理。
Code2Video-Compass 是一个面向代码视频生成的通用基准,覆盖 T2V、I2V、V2V 三种设定,包含 10 大类、24 个子类共 2,104 个任务。
StreamEval 是一个覆盖虚拟人对话、虚拟人表演、世界生成、指令编辑和参考编辑五类任务的交互式流式视频生成统一基准,包含 300 个时长 15-300s 的脚本化测试用例,从任务执行、状态一致性、视觉保真度和视听协调四个维度以 0-100 分制评估。