MiniMax H3 Singularity 与 ComfyUI 制作音乐视频《Total Corruption》
用户 frankyboson 使用 MiniMax H3 Singularity 模型与 ComfyUI 工作流制作了首个音乐视频《Total Corruption》。
用户 frankyboson 使用 MiniMax H3 Singularity 模型与 ComfyUI 工作流制作了首个音乐视频《Total Corruption》。
Replicate 发布 Kling 4.0 使用指南,新版本支持最长 30 秒生成、720p/1080p 输出、四种画幅(含新增 21:9)及最多 10 个关键帧。关键帧功能可指定中间帧,让视频在单个连续镜头中按顺序穿过,提示词最长 26000 字符。
推荐理由:Kling 4.0 新增最多 10 个关键帧的连续镜头控制,创作者可据此规划复杂动作与转场节奏。
作者在中古 RTX 2080 Ti(11GB VRAM)上通过 ComfyUI 搭建 MiniMAX H3 的 i2v 工作流,因漏下 audio_vae 资源反复报错,补齐后成功出片。
作者在音乐视频项目中测试用 GPT image 2 生成的 2x2 分镜网格作为 MiniMax reference-to-video 的参考图,四格按阅读顺序分别对应起始帧、两个过渡帧和结束帧,复杂剧情场景的跟随效果优于仅用提示词和首尾帧。
把文字脚本变成 AI 视频的核心是工作流而非单一模型:将脚本按场景拆分,每个场景生成约 4 至 15 秒的片段,再按顺序拼接并配上旁白与音乐。VIBE 这款 iOS 与 Android 应用集成 Kling、Sora、Veo 等模型,可在手机上逐场景生成并导出剪辑。
可灵官方博客对比了 Kling AI、DaVinci Resolve、Clipchamp、Filmora、VEED、VN Video Editor 六款 CapCut 替代工具的平台、费用与工作流。Kling 4.0 支持 Omni Reference 组合最多 15 个参考素材、3–30 秒视频生成及最多 10 张参考图作关键帧;Kling IMAGE 3.0 Omni 可生成最高 4K 图像。
可灵(Kling)4.0 可通过 Omni Reference 组合最多 15 个参考素材,用清晰人像、产品图等引导重建模糊视频中的面部与细节,同时保留原片的动作、构图和运镜。视频编辑场景最多支持 5 段输入片段(含 1 段主视频),合计时长上限 30 秒。官方建议先判断模糊成因(运动模糊、失焦、低分辨率、压缩、暗光),再决定锐化、AI 超分或参考图重建。
可灵官方博客发布搞笑 AI 图片创作指南,基于 Kling IMAGE 3.0 Omni 给出 12 个创意方向和 6 条可自定义提示词,涵盖动物上班、食物拟人、历史人物穿越现代等场景。该模型支持最多 10 张参考图、原生 2K/4K 输出,并可通过 Image Series 保持系列图片风格一致。
可灵官方博客对比了 Kling AI、Clipchamp、iMovie、Filmora、CapCut、DaVinci Resolve 六款新手视频剪辑软件。
Canva 于 10 月 22 日发布并上线自研图像生成模型 Canva Craft,采用先规划构图、再渲染图像的两段式结构,最高支持 2K 分辨率和 30 种以上宽高比。文章提出在制作现场引入前应验证 8 项内容,包括文字准确性、构图可复现性、Magic Layers 编辑能力、人物与小物一致性、局部修改稳定性、交付尺寸、权利与成本。官方未保证特定角色每次生成同一张脸,需以实际输出确认。
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。
推荐理由:作者实测 Qwen Image 2.1 在 ComfyUI 中的多图编辑与透明通道输出,并给出可直接复用的提示词公式与参数设置。
作者发现 ChatGPT 生成一重眼皮男性画像屡屡失败,原因是对话 AI 把用户强调的“一重眼皮”详细条件压缩成 monolid eyes 一词,还自行添加了未指定的服装与演出细节。改用推理性更高的模型后情况有所改善,但图像生成环节仍可能忽略该特征;作者建议检查对话 AI 实际传给图像生成 AI 的指令。
面向用 Midjourney 和 PixAI 制作背景的用户,这篇实用指南按官方帮助整理了两种去除多余元素的路径:生成前在 Midjourney 提示词末尾加 --no people。
作者用 Claude 为 ComfyUI 搭建自动化流程,在 16GB Mac 上凌晨 1 点半自动排队生成 18 张水彩测试图,早 7 点 41 分全部完成。指定赤毛的角色在标签版中却大量出现白发、银发,LoRA 减弱后依旧如此,原因尚未确认。作者最终采用标签版,并将 auburn hair 写入角色设定表、把 white hair 和 silver hair 列入负面项,待下次生成验证。
一位 ComfyUI 新手从 Civitai 下载 MOSS-Image 文生图工作流后,输入提示词运行,队列显示 0 active 却始终没有出图。其 "Preview as Text (final prompt)" 节点运行结束后仍为空,怀疑提示词未送达采样器;If/Else Switch 的 on_true 与 switch 输入及加载器节点也疑似未连接。
有用户在 Reddit 求助 LoRA 合并问题:想把两个概念与数据集都不同的 LoRA 合并,希望两者能同时良好生效并尽量保留各自效果,询问需要哪些自定义节点、方法和参数。帖中未给出具体方案或结果。
MOSS-Image 在 ComfyUI 中单次生成即可输出含日文说明的 6 格分镜和带表格的絵コンテ。3 个イメージボード作品的 18 条日文说明全部正确渲染,絵コンテ 2 页出现 4 处误字。RTX 3060 上单张生成约 18-40 秒,作者提供区域分离的 Prompt 写法和 ComfyUI-MOSS-Storyboard 自定义节点工作流。
推荐理由:本地 MOSS-Image 单次生成即可输出含日文说明的分镜与带表格的絵コンテ,区域分离的 Prompt 写法与 ComfyUI 工作流可直接复用。
一位用户询问在 RTX 5070 Ti(16GB GDDR7 VRAM)+ Ryzen 5 7600X + 32GB DDR5 配置下,ComfyUI 本地 Text-to-Video 与 Image-to-Video 的最佳模型、量化与工作流方案。
作者用同一 15 秒三人外星村场景测试五种本地 MiniMax H3 配方,图耗时从 95 秒到 843 秒不等。
作者在 RTX 3060 12GB 上用 ComfyUI 运行 MiniMax H3 Singularity V2 Pruned INT8 ConvRot R2,以 1536×864 分辨率、243 帧、4 步采样生成约 10 秒视频,耗时 608 秒。
作者 10 月 25 日晚用 Meta 的 AI 智能体 Muse 为自制的《天下布线》系列生成 30 秒竖屏视频,前三次请求得到 1 条 10 秒试作和 2 条 30 秒版本,最后一条经检查为 720×1280、24fps、30.000 秒且带音轨。
作者在 ComfyUI 中试用了面向 Anima 的 ControlNet-LLLite,可用 3D 姿态指定人物动作、用区域控制指定生成范围。
有用户在 Minimax 上用首尾同图的方式生成循环视频,但动作总在第 1 秒"起步"、最后 1 秒减速,无法做到匀速衔接。以 15 秒锤击循环为例,实际效果是 1 秒起手、13 秒稳定、1 秒收尾后跳回开头。该用户已尝试"视频为动作片段截取"等提示词均无效,正寻求可用的工作流、LoRA 或提示词方案。
一位父亲计划用 ComfyUI 在 Runpod 上制作一部短片,让热爱《权力的游戏》的女儿与伴侣在中世纪城堡、家人环绕的场景中举行婚礼。他表示自己刚接触图像生成与工作流,正边学边试,并预计后续需要用 DaVinci 完成剪辑,公开征求建议。
AIwood 爱屋研究室在 H3 VBVR 测试中发现,加载 VBVR 后效果未达预期甚至更差,改用 ComfyUI 0.38 旧环境与 0.42 对照后,厨师等场景出现明显差异。
作者在 RTX 3060 Ti(8GB 显存)和 16GB 内存的机器上,用 Qwen-Image-2.1 生成海中列车车厢图,再用 MiniMax H3 配合 Veda 和 Endless 逐段续接出 25 秒视频。
PR 视频完成前,把导出文件分 3 次看:先以初次观看者视角看内容,再看文字与下方画面,最后只听音频。发现的问题按「传达不清」「商品变形」「读不出·听不清」分类,在修正笔记中记下秒数与改动点,一次只改一处,改完升版号重新导出并保留旧版。完成后把视频与作品说明笔记一并归档,标注「虚构案例·自主制作」。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成了一位银发红瞳、黑色短角、穿黑橙配色服装并仰视镜头的万圣节小恶魔,成图 1280×1024。
创作者 Naoya 公开了用 MiniMax H3 等工具制作 18 分 24 秒、4K、共 129 个镜头的关原题材历史电影《岛津的退口》的流程。片中武将台词改用日语配音,作者把台词写成不带汉字的平假名、用专用标签包裹并加上说完闭嘴的指令,以减少误读和画面出现文字。全片 129 个镜头逐一看过后重拍,修正了头盔消失、两人同时说话、称呼颠倒和背景像现代公园等问题,结尾改为主题曲 34 秒淡出。
作者在 ComfyUI 中搭建了一套 MiniMax H3 工作流,把 SelfLift 渐进分辨率采样与 DLSS 5 超分节点结合,在 6GB 显存的 RTX 3060 上输出 2K 或 4K 视频。其 6GB 显存环境生成并超分到 4K 约耗时 35 分钟,参数为 8 步、0.6 百万像素,全程无需额外训练模型,工作流与 DLSS5 DLL 均已放出下载链接。
推荐理由:作者在 6GB 显存显卡上实测了从低分辨率渐进采样到 4K 超分的完整流程,并给出耗时与参数,可供低配设备用户参考。
Pollo AI 的 Recast 功能可参考原视频动作与运镜,替换人物和背景,作者用它将真人双人舞转为原创和装动画角色。同一素材分别以 480p 和 720p 生成,480p 消耗 235 credits、720p 消耗 505 credits,相差 270 credits;720p 细节略清晰,但 480p 效果已超出预期,作者建议先试 480p。
Claude 在 M1/16GB Mac 上搭建 ComfyUI 工作流,调整启动选项后把单步生成从 10 分钟压到约 10 秒,并组合水彩 LoRA、黑白漫画切换、局部重绘与超分等流程。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成握麦前倾高歌的摇滚女歌手作例,分辨率 1248×832、Seed 2026101857,Steps 28、CFG 5、euler_ancestral。配布 JSON 仅用 7 个标准节点,无需输入图像、LoRA、ControlNet 或自定义节点,另附去掉前倾与去掉歌唱表情的两份对比 JSON。
有用户用约 1.3k tokens 的提示词在 MOSS SFT 上测试高 token 上限,配合 4-steps turbo LoRA、4MP 分辨率与 Euler/simple 采样,生成一张含 12 个不同人物的照片。各角色的外貌、服装和道具均保持一致,未出现串色或重复。
在本地 MiniMax H3 图生视频流程中,MOSS-Image(5B)原生 4MP 输出配合 3–4 词简单提示词生成约 3 秒短片,细节保留与时序一致性超出预期。麂皮夹克纹理、皮肤毛孔、链条、粗花呢和细镜框均无纹理滑动,第二段视频还保留了风格化的拉长颈部比例而非强行校正。测试基于 NVIDIA RTX PRO 6000,工作流为 ComfyUI 内置 MOSS 模板。
作者分享在 MOSS Image 上训练角色 LoRA 的实测结果,称用 Automagic3 搭配 Sigmoid 与 High 档、学习率从 0.0005 起步并设置最低学习率、不排除 block 22,每次都能得到不错效果。
爱沢あむ在 X 发布 10 月 24 日晨至 25 日深夜的 5 张插画,并免费配布对应的 ChatGPT 图像生成提示词,覆盖早晨、白天、傍晚、夜晚、深夜五个场景。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,保持五官、发型、发色与瞳色,输出 1536:1024 横版单场景动画风插画。作者还建议只改一处细节,例如把白天的格子布样本换成水玉图案。
用户在 Colab 的 80GB A100 上用 ai-toolkit 为 Qwen-image 训练风格 LoRA,但输出背景过于简单、出现随机人物与角色重复,且风格漂移。其配置为 rank 16、1024px、bf16、adamw8bit,学习率 1e-4 跑 500 步无效果后改为 3e-4 训练至 2k 步,12 张图的数据集仍未改善,计划扩至 30-40 张。
用 Animagine XL 4.0 Opt 配合 Control-LoRA Canny rank128 轮廓引导,在 ComfyUI 中生成 1248×832、Seed 2026101813 的拉弓精灵横构图,并公开轮廓 PNG 与含节点配置的 JSON。
面向 ChatGPT、Gemini 等工具的 100 种 AI 美女图像生成提示词集发布,全部为可直接复制的 JSON 格式。每套提示词含 prompt、negative_prompt 与 aspect_ratio 字段,并提供 1:1、9:16、1280×670 三种尺寸及背景、氛围改编版本。题材以世界各地绝景与日常场景中的美女为主,如阿根廷盐湖、京都川床。