ComfyUI MiniMax H3：最佳影片生成 Workflows（第 29 集）（第 2/3 段）
🏦 台灣Pay 銀行轉帳 💙 PayPal
MiniMax 文字轉影片、首幀、首尾幀、尾幀工作流的設定、提示詞寫法與生成時間測試
- 11:53 影片長度可以改成 slider 調整，也可以直接輸入。作者偏好按鈕版本，因為只需加入自己要用的數值。這次測試用 3 秒影片
- 17:57 如果知道 3 秒要花多少時間，6 秒約為兩倍，9 秒約為三倍，以此類推
- 23:26 這樣很容易讓影片結束在指定畫面，不必每次都生成兩張圖
💡 你可以怎麼用：先用低解析度、3 秒短片測出你電腦的基準時間，再照長度倍數估算正式版要等多久。寫 prompt 時先告訴 AI 是哪一種影片類型，附上圖片截圖，再用自己的話描述想要的動作。
看全部 52 條重點
🧑🏫 這段示範 ComfyUI 裡 MiniMax 影片模型的四種用法：純文字生影片、指定開頭畫面、同時指定開頭和結尾、只指定結尾。作者也分享怎麼用自製 GPT 代寫提示詞，並實測解析度和長度對等待時間的影響。想自己動手做 AI 影片、又不想盲目亂試的人，看完能少走很多冤枉路。
- 11:53 影片長度可以改成 slider 調整，也可以直接輸入。作者偏好按鈕版本，因為只需加入自己要用的數值。這次測試用 3 秒影片↳ 影片長度可以用 slider（滑桿，拖動來選數值）調，也可以直接打數字。作者偏好做成按鈕，只放自己常用的幾個長度，點一下就好。這次先試 3 秒。
- 11:53 接著輸入詳細的長 prompt。細節寫得越多，模型越能理解需求。作者自己寫不出那麼結構化的 prompt，所以用 AI 幫 AI 寫 prompt↳ prompt（提示詞，告訴模型要生成什麼的文字）寫得越細，模型越懂你要什麼。作者坦承自己寫不出那麼有條理的長文，所以交給 AI 代寫。
- 12:29 短 prompt 也可能有效，但會給模型太多自由去自行發明內容。因此作者做了一個 custom ChatGPT↳ 短 prompt 也能用，但沒寫到的部分模型會自己補，結果不一定合你意。所以作者做了 custom ChatGPT，也就是自己設定過的專用版 ChatGPT。
- 12:29 這個 custom GPT 點開即可使用，免費訂閱應該也能用，也可以改用其他 LLM。作者另外在 workflow 壓縮檔裡附上 prompt 公式↳ 這個 GPT 點連結就能用，免費帳號應該也可以。不想用 ChatGPT，也能換別的 LLM（大型語言模型，像各家聊天 AI）。公式檔也放在工作流壓縮檔裡。
- 12:29 作者展示 GPT 的設定方式：在 Configure 分頁加入指示，要求它使用附加的知識檔↳ 設定方式：在 GPT 的 Configure 分頁（設定頁）寫一段指示，要它回答時照著你上傳的知識檔寫。等於給它一本固定的寫作守則。
- 13:04 作者上傳了一個文字檔，內容是說明如何寫 prompt 的長公式。下載的 workflow 資料夾裡也有這些公式：一份給 reference 模型，一份給文字轉影片與首尾幀轉影片。可自行修改調整↳ 知識檔是一份「prompt 該怎麼寫」的長公式。下載包裡有兩份，一份給 reference 模型，一份給文字轉影片和首尾幀。內容可以依需求自己改。
- 13:04 使用 custom GPT 時要先說明 prompt 類型：text to video、first frame to video，或 first frame last frame to video↳ 開始前先告訴 GPT 你要哪種 prompt：text to video 是只靠文字，first frame to video 是指定開頭畫面，first frame last frame to video 是開頭結尾都指定。
- 13:36 先說明類型能幫 GPT 選對 prompt 結構。接著用自己的話描述想要的畫面，就會得到詳細的長 prompt↳ 先講類型，GPT 才知道要套哪一套寫法。接著用平常說話的方式描述想看的畫面，它就會擴寫成完整的長 prompt。
- 13:36 產出的 prompt 有些部分看起來像指令，作者說這沒問題，因為能幫模型理解要做什麼↳ 產出的 prompt 有些句子像在下命令，不像在描述畫面。作者說這樣反而好，把要做的事講明白，模型比較不會誤會。
- 13:36 也可以用其他語言。模型說支援 11 種語言，作者試了羅馬尼亞語也能用，只是偶爾會混錯一個字，整體效果不錯↳ 不一定要用英文。模型號稱支援 11 種語言，作者用羅馬尼亞語試過也行，偶爾會錯一個字，但整體效果不錯。
- 14:08 作者加了 run timer 來看每次執行花多少時間。最近他更偏好 run log，因為可以看到每次執行的歷史紀錄↳ 作者加了 run timer（顯示每次跑多久的計時器）。最近他更常用 run log（執行紀錄），因為能回頭比較每一次花的時間。
- 14:08 執行流程：先載入所有模型，prompt 與設定送進 ComfyUI 團隊新做的 MiniMax 節點，再送進 KSampler↳ 流程是先載入模型，再把 prompt 和設定送進 MiniMax 節點。節點是 ComfyUI 裡的功能方塊，這個是官方團隊新做的。最後交給 KSampler，它負責實際生成畫面。
- 14:08 KSampler 設定 20 steps，CFG 設為 1，原因是沒有 negative prompt↳ steps 是生成時反覆修正畫面的次數，這裡設 20。CFG 控制模型多聽 prompt 的話。因為沒有 negative prompt（寫「不要出現什麼」的提示詞），所以設 1。
- 14:41 sampler 用 res_multistep，scheduler 用 simple。也有人推薦 beta，可以試試看↳ sampler 和 scheduler 是生成時用的演算法與步調設定。作者用 res_multistep 搭 simple，也有人推薦 beta，可以換換看。
- 14:41 作者執行時遇到錯誤。解法是到 Add-ons > Tools，用 bat 檔切換設定，把某個 argument 移除。確認該 argument 已消失後即可正常執行↳ 作者執行時跳出錯誤。他到 Add-ons > Tools，用 bat 檔（Windows 點兩下就會執行的小程式）拿掉一個 argument（啟動時附加的參數），之後就正常了。
- 15:11 重開 ComfyUI 再執行，就得到描述的影片（一隻貓）。之後可以替每次記錄的執行時間加上標籤↳ 重開 ComfyUI 再跑，就生出 prompt 描述的那隻貓。每次記錄的執行時間還能加標籤，之後比較哪次用了什麼設定會更清楚。
- 15:11 在節點上按右鍵，進 Node Settings 開啟某個選項後，節點會顯示顯示卡以及 VRAM 和 RAM 容量↳ 在節點上按右鍵進 Node Settings，開啟某個選項後，節點會顯示顯示卡型號，以及 VRAM（顯示卡記憶體）和 RAM（電腦記憶體）的容量。
- 15:43 作者另外在沒錄影時做測試，避免錄影影響生成時間↳ 錄影本身會吃電腦資源、拖慢生成速度。所以作者正式計時是在沒錄影時另外跑，數字才準。
- 16:13 測試條件：5 秒的文字轉影片，共跑 10 次，每次提高解析度。解析度越高越花時間，但增加幅度不是線性的↳ 作者用 5 秒的文字轉影片跑了 10 次，每次都調高解析度。解析度越高越慢，而且不是照比例變慢，高到某個程度時間會暴增。
- 16:13 例如某個解析度約 3 分鐘，Full HD 則要 10 分鐘。因此作者寧願用較低解析度做 15 秒影片↳ 例如某個解析度約 3 分鐘，Full HD（1920×1080）就要 10 分鐘。所以作者寧可降低解析度，把時間拿去做 15 秒的長影片。
- 17:27 結論：解析度越高畫面越好看，但生成時間也越長↳ 簡單說，解析度高畫面比較好看，代價是要等更久，要自己取捨。
- 17:27 First frame to video 工作流可控制第一幀，讓你精準動畫化想要的圖片。模型與節點相同，只多了一張圖接到 MiniMax 節點的 first frame input↳ First frame to video 讓你指定影片的第一個畫面，適合把現成的圖變成動態。模型和節點都一樣，只是多一張圖接到 MiniMax 節點的 first frame input。
- 17:27 載入圖片後，第二步是選影片長度。影片越長越花時間，但增加幅度比較接近線性↳ 載入圖片後，第二步是選影片長度。長度和時間的關係比解析度單純，大致照比例增加。
- 17:57 如果知道 3 秒要花多少時間，6 秒約為兩倍，9 秒約為三倍，以此類推↳ 意思是先測一次 3 秒要多久，6 秒大約兩倍、9 秒大約三倍，就能自己估出等待時間。
- 17:57 作者做了 Longest Side 節點：從 Load Image 節點取圖，把尺寸調成 32 的倍數，並把影片最長邊設成指定值，同時保持原始比例。可省去手動調尺寸、查比例↳ Longest Side 是作者做的節點。它從 Load Image（載入圖片的節點）拿圖，照你指定的最長邊縮放並保持原比例，尺寸自動調成 32 的倍數，不用自己算。
- 17:57 第四步是輸入 prompt↳ 第四步才是寫 prompt。
- 18:30 這個工作流的最長邊用 832，可以重複點按鈕切換。作者已加入建議數值，也可以自行增加↳ 這個工作流的最長邊用 832，按鈕可以連點切換不同數值。作者已經放了建議值，你也能自己加。
- 18:30 可改用不同比例來裁切圖片，例如選正方形。設定中可選置中裁切或其他位置。範例中女子在畫面上方，置中裁切會切掉臉，所以選上方裁切較好↳ 想換比例也可以，例如改成正方形，這時就要 crop（裁切）。裁切可以選從中間或上方等位置下刀。範例女子在畫面上方，從中間切會切到臉，選上方才對。
- 19:02 作者通常不裁切，多半保持最接近原圖的比例↳ 作者自己多半不裁切，盡量保持和原圖最接近的比例。
- 19:02 尺寸分頁也可以填入自己的數值，按鈕會隨之更新，下次點按鈕就會用新尺寸↳ 在尺寸分頁填入自己的數字，按鈕會跟著更新，下次點下去就是新尺寸。
- 19:02 寫 prompt 的流程：截圖 Load Image 節點，開 custom ChatGPT，要求 First Frame-to-Video prompt，貼上截圖，再描述想發生的事↳ 寫 prompt 的步驟：把 Load Image 節點截圖，打開 custom ChatGPT，說要 First Frame-to-Video 的 prompt，貼上截圖，再描述你希望畫面發生什麼事。
- 19:36 ChatGPT 很擅長這件事。把得到的長 prompt 貼進工作流，設定 5 秒後執行↳ ChatGPT 很會看圖寫描述。把它給的長 prompt 貼回工作流，長度設 5 秒就能執行。
- 19:36 作者發現忘了取消正方形裁切，於是取消生成，改回保持原始比例後重跑↳ 作者跑到一半發現正方形裁切忘了關，就直接取消，改回保持原比例再重跑。按執行前最好先檢查一遍設定。
- 20:10 這次生成約一分半鐘。prompt 裡用了英文標籤與英文台詞，但也可以用其他語言，作者示範了羅馬尼亞語台詞的例子↳ 這次大約一分半就生成好了。prompt 裡的標籤和台詞是英文，但台詞也可以換成別的語言，作者示範了羅馬尼亞語台詞。
- 20:46 作者測試 5、10、15 秒影片，每多 5 秒時間大約加倍。MiniMax 最長只能做 15 秒↳ 作者測了 5、10、15 秒三種長度，每多 5 秒，時間大約翻倍。MiniMax 最長只能做 15 秒。
- 20:46 調高到某個解析度後，15 秒影片要 13 分鐘。在該解析度下大約每秒影片需要 1 分鐘執行時間↳ 解析度拉高後，15 秒影片要 13 分鐘，相當於每 1 秒影片要等約 1 分鐘，可以拿來粗估。
- 20:46 圖片轉影片的時間跟文字轉影片幾乎一樣，只多幾秒，在 HD 解析度大約多 5 秒↳ 圖片轉影片和文字轉影片花的時間幾乎一樣，在 HD 解析度大約只多 5 秒，不必擔心加了圖會變慢很多。
- 20:46 作者在 Discord 上有一群志工幫忙測試工作流，稱為 Bug Hunters↳ 作者在 Discord（一種社群聊天平台）上有一群志工幫忙測試工作流，叫 Bug Hunters（抓錯誤的人）。
- 21:18 Bug Hunters 在 16 GB VRAM 上測試，搭配 Sage Attention 與一些額外節點↳ 他們用 16 GB VRAM 的顯示卡測試，還開了 Sage Attention 和一些額外節點。Sage Attention 是一種加速設定，影片沒有細講。
- 21:18 用 Easy Cache 能縮短時間，但結果較差，作者偏好品質↳ Easy Cache 也能縮短時間，但畫面會變差。作者寧願多等一點，換取比較好的品質。
- 21:18 Sage Attention 用 arguments 啟用或用節點啟用，生成時間相近。在有人推出更好的節點之前，作者偏好用 arguments↳ Sage Attention 可以用啟動參數開，也可以用節點開，兩種速度差不多。在有人做出更好的節點之前，作者習慣用參數。
- 21:18 下一個工作流除了第一幀也使用最後一幀，可以控制影片結束的畫面。範例用兩張兔子圖測試轉場↳ 下一個工作流同時指定第一幀和最後一幀，連影片怎麼收尾都能決定。範例用兩張兔子圖，測試中間的轉變。
- 21:52 第一幀是坐著的兔子，第二幀是芭蕾舞兔。長度設 4 秒，保持比例並用 Longest Side↳ 第一幀是坐著的兔子，最後一幀是跳芭蕾的兔子。長度設 4 秒，保持比例並用 Longest Side 調尺寸。
- 21:52 比例取自第一幀，因為通常由第一幀決定畫面比例↳ 畫面比例以第一張圖為準，因為通常是開頭畫面決定整支影片的比例。
- 21:52 第一張圖接到 MiniMax 節點的 first frame input，第二張圖接到 last frame input↳ 接法：第一張圖接 first frame input，第二張接 last frame input（最後一幀的輸入口）。
- 21:52 寫 prompt 的方式：截圖兩個圖片節點，在 ChatGPT 要求 first frame, last frame to video 的 prompt↳ 寫 prompt 時，把兩個圖片節點一起截圖，跟 ChatGPT 說要 first frame, last frame to video 的 prompt。
- 22:25 再補充希望轉變怎麼發生。作者在要求 prompt 時說想要 5 秒影片，得到長 prompt 並產出結果↳ 再補充你希望兩個畫面之間怎麼轉變。作者要求 prompt 時說要 5 秒影片，拿到長 prompt 後就生成出結果。
- 22:56 另一個工作流只指定最後一幀，讓你決定影片怎麼結束。範例用芭蕾舞兔、4 秒，保持比例並用 Longest Side 生成↳ 還有一個只指定最後一幀的工作流，只決定影片的結尾。範例用芭蕾兔、4 秒，保持比例並用 Longest Side。
- 22:56 這個工作流的圖片只接 last frame input，first frame input 留空，讓模型自行發明開頭↳ 這個工作流的圖片只接 last frame input，first frame input 留空，開頭交給模型自己想。
- 23:26 這樣很容易讓影片結束在指定畫面，不必每次都生成兩張圖↳ 好處是想讓影片停在某個畫面時，只要準備一張圖，不必每次都生兩張。
- 23:26 以上四個工作流都使用 first-last-frame-to-video 模型↳ 上面四個工作流用的都是同一個 first-last-frame-to-video 模型，差別只在接了哪些圖。
- 23:26 接下來介紹使用 reference 的工作流，有兩張圖版與三張圖版，先從兩張圖版開始↳ 接下來要介紹用 reference 的工作流，這是另一種模型，分兩張圖和三張圖版本，先從兩張圖版開始。
📘 術語
slider（滑桿）：影片長度數值可以改成滑桿調整，也可以直接輸入
prompt（提示詞）：描述要生成的內容。越詳細模型越能理解，太短會讓模型自由發明
custom ChatGPT / custom GPT（自訂 ChatGPT）：作者做的 GPT，會依附加的公式檔幫你寫 MiniMax 用的 prompt
LLM（大型語言模型）：字幕未解釋，僅說可以用其他 LLM 取代 custom GPT
Configure tab（設定分頁）：GPT 的設定處，作者在這裡加入使用附加知識的指示
text-to-video（文字轉影片）：只用文字 prompt 生成影片的工作流
first frame to video（首幀轉影片）：用一張圖當第一幀，控制要動畫化的畫面
first frame last frame to video（首尾幀轉影片）：同時指定第一幀與最後一幀，也能控制影片結束的畫面
first frame input / last frame input（首幀輸入／尾幀輸入）：MiniMax 節點上接圖片的輸入口，只接 last frame 時開頭由模型發明
reference（參考圖）：另一種模型與工作流，有兩張圖與三張圖版本，字幕未進一步解釋
run timer（執行計時器）：顯示每次執行花多少時間
run log（執行紀錄）：可以看到每次執行的歷史紀錄
MiniMax node（MiniMax 節點）：ComfyUI 團隊新做的節點，接收 prompt、設定與首尾幀圖片
KSampler（KSampler 取樣節點）：字幕未解釋，作者在此設 20 steps、CFG 1
steps（步數）：字幕未解釋，作者用 20 steps
CFG（CFG）：字幕未解釋，作者設為 1，因為沒有 negative prompt
negative prompt（負面提示詞）：字幕未解釋，僅說此工作流沒有 negative prompt
sampler / scheduler（取樣器／排程器）：字幕未解釋。作者 sampler 用 res_multistep，scheduler 用 simple，也可試 beta
bat file（bat 批次檔）：作者用它切換設定，移除造成錯誤的 argument
argument（啟動參數）：字幕未詳細解釋。錯誤是靠移除某個 argument 解決，Sage Attention 也可用 arguments 啟用
Node Settings（節點設定）：右鍵節點進入，開啟選項後可顯示顯示卡、VRAM 與 RAM
VRAM / RAM（顯示記憶體／系統記憶體）：字幕未解釋，僅說節點可顯示這兩項，測試用 16 GB VRAM
Full HD（全高畫質）：字幕未解釋，僅提到 5 秒影片在 Full HD 要 10 分鐘
Load Image（載入圖片節點）：載入圖片的節點，作者會截圖它給 ChatGPT 寫 prompt
Longest Side（最長邊節點）：作者做的節點，尺寸調成 32 倍數、設定最長邊並保持原比例，也可裁切
crop（裁切）：改成不同比例時裁切圖片，可選置中或其他位置，例如上方
Sage Attention（Sage Attention）：字幕未解釋，可用 arguments 或節點啟用，兩者時間相近
Easy Cache（Easy Cache）：能縮短生成時間，但結果較差
Bug Hunters（Bug 獵人）：作者 Discord 上幫忙測試工作流的志工
prompt（提示詞）：描述要生成的內容。越詳細模型越能理解，太短會讓模型自由發明
custom ChatGPT / custom GPT（自訂 ChatGPT）：作者做的 GPT，會依附加的公式檔幫你寫 MiniMax 用的 prompt
LLM（大型語言模型）：字幕未解釋，僅說可以用其他 LLM 取代 custom GPT
Configure tab（設定分頁）：GPT 的設定處，作者在這裡加入使用附加知識的指示
text-to-video（文字轉影片）：只用文字 prompt 生成影片的工作流
first frame to video（首幀轉影片）：用一張圖當第一幀，控制要動畫化的畫面
first frame last frame to video（首尾幀轉影片）：同時指定第一幀與最後一幀，也能控制影片結束的畫面
first frame input / last frame input（首幀輸入／尾幀輸入）：MiniMax 節點上接圖片的輸入口，只接 last frame 時開頭由模型發明
reference（參考圖）：另一種模型與工作流，有兩張圖與三張圖版本，字幕未進一步解釋
run timer（執行計時器）：顯示每次執行花多少時間
run log（執行紀錄）：可以看到每次執行的歷史紀錄
MiniMax node（MiniMax 節點）：ComfyUI 團隊新做的節點，接收 prompt、設定與首尾幀圖片
KSampler（KSampler 取樣節點）：字幕未解釋，作者在此設 20 steps、CFG 1
steps（步數）：字幕未解釋，作者用 20 steps
CFG（CFG）：字幕未解釋，作者設為 1，因為沒有 negative prompt
negative prompt（負面提示詞）：字幕未解釋，僅說此工作流沒有 negative prompt
sampler / scheduler（取樣器／排程器）：字幕未解釋。作者 sampler 用 res_multistep，scheduler 用 simple，也可試 beta
bat file（bat 批次檔）：作者用它切換設定，移除造成錯誤的 argument
argument（啟動參數）：字幕未詳細解釋。錯誤是靠移除某個 argument 解決，Sage Attention 也可用 arguments 啟用
Node Settings（節點設定）：右鍵節點進入，開啟選項後可顯示顯示卡、VRAM 與 RAM
VRAM / RAM（顯示記憶體／系統記憶體）：字幕未解釋，僅說節點可顯示這兩項，測試用 16 GB VRAM
Full HD（全高畫質）：字幕未解釋，僅提到 5 秒影片在 Full HD 要 10 分鐘
Load Image（載入圖片節點）：載入圖片的節點，作者會截圖它給 ChatGPT 寫 prompt
Longest Side（最長邊節點）：作者做的節點，尺寸調成 32 倍數、設定最長邊並保持原比例，也可裁切
crop（裁切）：改成不同比例時裁切圖片，可選置中或其他位置，例如上方
Sage Attention（Sage Attention）：字幕未解釋，可用 arguments 或節點啟用，兩者時間相近
Easy Cache（Easy Cache）：能縮短生成時間，但結果較差
Bug Hunters（Bug 獵人）：作者 Discord 上幫忙測試工作流的志工
✏️ 小考一題
作者在 KSampler 把 CFG 設為 1，理由是什麼？
A. 因為測試影片只有 3 秒B. 因為 sampler 使用 res_multistepC. 因為要配合 Full HD 解析度D. 因為這個工作流沒有 negative prompt看答案
答案：D。[14:08] 作者說在 KSampler 用 20 steps，並把 CFG 設為 1，because we do not have a negative prompt。
💛 覺得有幫助？支持一下
課本免費、沒有廣告，支持與否都能照常讀 🐰