ComfyUI 中的 MiniMax H3：最強 AI 影片？免費 StoryBoard 工作流 ☕ Buy me a coffee

🧑‍🏫 這支影片介紹 ComfyUI 內建的三種 MiniMax H3 影片工作流：圖生影片、文字生影片、參考生影片，並分享作者自製的免費分鏡工作流。分鏡工作流可以把多張圖一段段接成長影片。影片也直接展示了跳格、音樂關不掉等實際問題，讓你知道現階段做得到什麼、要注意什麼。

• 00:00 ComfyUI 現在支援 MiniMax H3 影片模型。本片介紹它怎麼運作、使用技巧，並分享作者自己的首尾幀（first last frame）分鏡工作流
  ↳ ComfyUI 是一種 AI 生成工具，用拉線把一個個節點（node，功能方塊）接成流程。它現在能用 MiniMax H3 做影片。作者也分享首尾幀流程：給開頭和結尾兩張圖，由模型補出中間的動作。
• 00:00 分鏡工作流的概念：先做好圖片，再描述各段之間要發生什麼。圖片會當作開始幀和下一幀，串成無縫、長度不限的影片
  ↳ 分鏡（storyboard）就像拍片前畫的一格格草圖。先把每個關鍵畫面做成圖，再寫出每兩張之間發生什麼。前一段的結尾接下一段的開頭，就能接成很長的影片。
• 00:32 作者使用 ComfyUI 0.30.0。版本較舊的話，可能會少掉其中一些工作流
  ↳ 作者用的是 ComfyUI 0.30.0。如果你的版本比較舊，範本清單裡可能找不到某些工作流，建議先更新再找。
• 00:32 取得方式：到 template 點 video，選 ComfyUI 或 Latest，就能看到 MiniMax H3 Image-to-Video、Reference-to-Video、Text-to-Video
  ↳ template（範本）是 ComfyUI 內建、已經接好的現成流程。打開範本，點 video 分類，再選 ComfyUI 或 Latest，就會看到 H3 的圖生影片、參考生影片、文字生影片三種。
• 01:03 影片最後介紹的工作流不在內建範本裡，要從作者的 GitHub 下載，連結在說明欄，完全免費
  ↳ 最後那個分鏡流程是作者自己做的，內建範本裡沒有。要到他的 GitHub（放程式和檔案的公開網站）下載，連結在影片說明欄，免費。
• 01:03 Image-to-Video 是最常用的一種：先做一張很漂亮的圖，再描述鏡頭和動畫內容，就能生成影片
  ↳ Image-to-Video 就是「圖生影片」。先做出一張好看的圖當起點，再用文字交代鏡頭怎麼移動、畫面裡什麼要動，就能生成影片。這是最常用的方式。
• 01:03 第一次開啟工作流時，許多方框外圍常出現紅框，多半代表缺少圖片，或缺少這個工作流要用的模型
  ↳ 第一次打開流程時，如果很多方塊外面有紅框，不用慌。通常只是還沒放圖片，或你電腦裡還沒有這個流程需要的模型檔。
• 01:37 模型可以用工作流內附的連結下載，點開後放到建議的資料夾即可
  ↳ 缺模型時，流程裡通常附有下載連結。點開下載後，把檔案放進它建議的資料夾。位置放對，ComfyUI 才找得到。
• 01:37 注意：為某個工作流載入的模型，不一定能用在另一個工作流
  ↳ 模型不是下載一次就通用。某個流程用的模型，換到另一個流程可能不適用，要看各流程各自需要哪些檔案。
• 02:08 如果按下 run 時有東西缺漏，會跳出通知，一樣可以照通知補齊
  ↳ 按下 run（執行）時如果還缺東西，畫面會跳出通知告訴你缺什麼。照著補齊，再跑一次就行。
• 02:08 可以上傳任何圖片，直式或橫式都行，但下方仍要設定 aspect ratio
  ↳ 上傳的圖直式、橫式都可以，但下方仍要設定 aspect ratio（長寬比，例如 16:9 橫式、9:16 直式）。它決定輸出影片的形狀，記得要設。
• 02:08 尺寸可用 megapixels（檔案要多大）和 megapixels 的 multiplier 設定。這部分可能有點混亂，一般維持預設值就能正常運作
  ↳ 尺寸用 megapixels（百萬像素，代表畫面有多大）和它的倍率 multiplier 來調。作者也承認這裡容易搞混，新手直接用預設值就能正常跑。
• 02:41 範例中的目標尺寸是 1024×1024，作者本片都使用預設尺寸
  ↳ 範例的目標尺寸是 1024×1024 正方形。作者整支影片都用預設尺寸，你照預設跑也沒問題。
• 02:41 工作流已經內建首尾幀，但不一定要兩張都用，只放第一幀也能生成
  ↳ 流程已經留好開頭幀和結尾幀兩個位置，但結尾那張可以不放。只給開頭圖，模型也會自己往下生成動作。
• 02:41 工作流附有 prompt 範例，不過可能漏掉一些細節
  ↳ prompt 是你打給模型的文字指令。流程附有範例 prompt 可以參考寫法，但照抄可能少交代一些細節，最好自己補上。
• 03:13 作者的做法：把範例 prompt 交給大型語言模型當 template，用自然語言描述想要的內容，請 LLM 照這個格式整理。自己讀過、調整後再貼進 prompt
  ↳ LLM（大型語言模型，例如 ChatGPT）可以幫你整理 prompt。把範例 prompt 貼給它當格式，用平常說話的方式描述想要的畫面，請它照格式改寫。自己讀過、改好再貼回來。
• 03:13 這個工作流使用的 clip model 是 Qwen2.5-3，屬於 visual language 模型，會進行分析
  ↳ clip model 是負責讀懂你輸入內容的模型。這個流程用的是 Qwen2.5-3，屬於「視覺語言模型」，能分析圖片和文字。
• 03:47 它可以吃相當長的 prompt，能描述很多細節，效果很好
  ↳ 這個模型能吃很長的 prompt。人物、動作、場景、鏡頭等細節都可以寫進去，作者說效果很好。
• 03:47 duration 預設是 5 秒。作者在 RTX 3090 顯示卡上設 10 秒，表現良好，他大多用 10 秒
  ↳ duration 是影片長度，預設 5 秒。作者用 RTX 3090 顯示卡設成 10 秒也跑得很順，平常多半用 10 秒。
• 04:17 工作流預載了很多模型，全部都會佔用 VRAM。字幕原文說可以在 16 megabyte RAM 的低階卡上運作，但記憶體越多速度越快
  ↳ VRAM 是顯示卡上的專用記憶體，模型要載入這裡才能跑。這個流程預載很多模型，都會佔用 VRAM。字幕寫低階卡「16 megabyte RAM」也能跑，但這個數字疑似口誤。總之記憶體越大跑越快。
• 04:17 最後是 save，這是一個 combine node。打開編輯可以看到裡面是 diffusion model 的處理流程，但仍然非常簡單、運作快速
  ↳ 最後的 save 是 combine node，也就是把好幾個步驟打包成一個的節點。打開能看到裡面是 diffusion model（逐步生成畫面的模型）的處理流程，結構很簡單，跑得也快。
• 05:00 這個工作流可以只用單張圖片生成，也可以同時使用最後一幀
  ↳ 再提醒一次：這個流程只放一張圖就能生成。想控制結尾畫面，也可以把最後一幀一起放進去。
• 05:00 Text-to-Video 意外地不需要差很多的模型。仔細看會發現它一樣有首尾幀輸入，只要寫好描述就能執行
  ↳ Text-to-Video 是「文字生影片」，不給圖、只寫描述。它用的模型跟圖生影片差不多，也有首尾幀的輸入口，把描述寫好就能跑。
• 05:00 作者覺得 Text-to-Video 生成的效果沒那麼好，會缺少細節
  ↳ 作者覺得純文字生成的畫面比較陽春，細節不夠。
• 05:35 作者建議至少先用別的模型生成第一幀，取得更高的細節和解析度，再把它餵進影片處理器，細節會更好
  ↳ 作者建議至少先用別的生圖模型，做出高細節、高解析度的第一幀，再交給影片模型讓它動起來，成品細節會好很多。
• 05:35 Reference-to-Video：放第一張圖、另一張圖和描述，模型會把它們當作參考圖在之間運作，能做出很有趣的效果
  ↳ Reference-to-Video 是「參考生影片」。放第一張圖、另一張圖，再加上描述，模型會把它們當參考素材來生成，能做出很有趣的效果。
• 05:35 Reference 可以做較複雜的鏡頭動畫與動作，攝影機能環繞旋轉、切換角度
  ↳ 參考模式能做比較複雜的動作和運鏡，例如攝影機繞著主角轉一圈，或中途切換拍攝角度。
• 06:13 用它來導鏡頭會變得比較複雜，需要花時間設定，但效果非常好
  ↳ 代價是要花比較多時間調設定，才能把鏡頭導成你要的樣子。但作者說做出來的效果非常好。
• 06:13 Reference 除了 reference image，還有 reference videos 和 reference audio。想用某首歌或音樂可以從這裡輸入，影片的動作也可以參考
  ↳ 參考素材不只能放圖，也能放參考影片和參考音訊。想配某首歌可以從這裡放進去，影片裡的動作也能參考你給的影片。
• 06:13 作者認為這個 node 彈性很大，光是三個內建的基本工作流就能看出它的潛力
  ↳ 作者認為這個節點彈性很大。光看內建的三個基本流程，就知道它還有很多玩法。
• 06:48 作者要分享的另一個工作流不一樣，是以其他 node 為基礎做的
  ↳ 接下來作者分享的分鏡流程，跟前面三個內建範本不同，是用其他節點組出來的。
• 07:18 storybook／panel 式工作流：跟前面很像，但多了一個特殊的 manager，會接收所有 panel，panel 加越多它就跟著擴充
  ↳ panel 就是分鏡裡的一格。這個流程跟前面很像，但多了一個 manager（總管節點）負責接收所有 panel。你加幾格，它就跟著擴充。
• 07:18 每個 panel 都有圖片匯入，外加一個 story panel，用來描述發生什麼動作、圖上有什麼、場景，以及每個時間段的鏡頭
  ↳ 每個 panel 都能放一張圖，另外有一個 story panel 文字框，用來寫這一段的動作、畫面裡有什麼、場景，以及這段時間的鏡頭。
• 07:49 story panel 也能加入攝影機運鏡類型和動畫類型等額外資訊
  ↳ story panel 裡還能另外寫運鏡方式和動畫類型，讓模型更清楚你要的感覺。
• 07:49 下方有聲音設定。範例寫「sound effect only, no music」，但模型有時會忽略 no music，作者建議把 no music 寫在另一個選項裡
  ↳ 下方可以設定聲音。範例寫「只要音效、不要音樂」，但模型有時還是會配上音樂。作者建議把「no music」另外寫在別的欄位。
• 07:49 每個 panel 底部可以設定該段落的 duration
  ↳ 每個 panel 底部可以單獨設定這一段的 duration，所以每格的長度可以不一樣。
• 08:21 storyboard manager 可統一設定 aspect ratio、megapixels multiplier，並連接 UNet、CLIP、VAE、sound model 和 steps，跟前面的設定很類似
  ↳ storyboard manager 統一設定長寬比和倍率，並接上 UNet（生成畫面的核心模型）、CLIP、VAE（負責壓縮與還原畫面）、音效模型，以及 steps（生成要跑幾輪）。
• 08:21 這個版本會跑過所有 panel，產出一整支完整影片。作者另有一個版本是把每段分開存檔，未來可能加入選項讓使用者自己選
  ↳ 這個版本會從第一個 panel 跑到最後一個，直接產出一整支影片。作者另有一個把每段分開存檔的版本，之後可能做成選項讓你挑。
• 08:51 作者覺得分段輸出效果比較好，各段是無縫的，之後再組合即可。但有時就是想直接產出一支長影片，這個版本就是做這件事
  ↳ 作者其實偏好分段輸出（segment）：各段本來就接得上，最後再剪在一起就好。但有時你就是想一次拿到長片，這個版本就是做這件事。
• 08:51 每個 panel 的圖是第一幀，下一個 panel 的圖就是最後一幀。每加一個 panel，它就會成為前一個 panel 的最後一幀，這樣就串成分鏡
  ↳ 串接方式是：這格的圖是本段的第一幀，下一格的圖就是本段的最後一幀。所以每多加一格，它就成為上一段的結尾，一段段接成完整分鏡。
• 09:21 panel 之間的轉場可以直接在文字裡描述，告訴模型你想要怎樣轉場
  ↳ transition 指段落之間的轉場。不用另外接節點，直接在文字裡寫你想要怎麼轉場，模型會照著做。
• 10:00 影片會一路跑到最後一個 panel。最後一個 panel 之後會繼續延伸，在你描述中設定的地方結束
  ↳ 影片會一路跑到最後一格。最後一格之後沒有下一張圖當結尾，模型會繼續往下延伸，停在你描述裡設定的地方。
• 10:00 示範影片有 5 個 panel、每個 10 秒，合計一分鐘動畫
  ↳ 作者的示範用了 5 個 panel，每個 10 秒，合起來是一分鐘的動畫。
• 10:00 示範中即使開頭指定了不要音樂，還是出現音樂，而且畫面會跳
  ↳ 示範結果也有問題：開頭明明寫了不要音樂，還是出現音樂，畫面也會跳動。可見模型不一定完全照指示做。
• 10:30 轉場處有輕微跳動，畫面會稍微縮一下來適應幀。這也是作者認為分段輸出較好的原因：可以在 AI editor 裡把它修順
  ↳ 段落交接處會輕微跳一下，畫面稍微縮放來對上下一幀。這正是作者偏好分段輸出的原因：可以放進 AI 剪輯工具把接縫修順。
• 10:30 在這個工作流裡直接對幀之間套更多轉場是做得到的，可能是未來的開發方向
  ↳ 在這個流程裡直接替幀與幀之間加更多轉場是做得到的，作者說這可能是之後的開發方向。
• 11:01 整體動畫效果不錯，有漂亮的飛行動畫。場景之間的跳動是原本錄下來就有的
  ↳ 整體動畫效果不錯，有漂亮的飛行畫面。作者說明，場景之間的跳動是生成出來就有的，不是後製造成的。
• 11:35 示範中某段速度變慢，樹開始長出來。可能靠重新算圖，或明確寫「不要長樹」之類的動畫指示來修正
  ↳ 某一段速度變慢，還開始長出樹。解法可能是重新生成一次，或在描述裡明寫「不要長出樹」這類限制。
• 12:05 畫面又出現跳動，還出現兩個角色。雖然有首尾幀，照理只該有一個角色走出來，作者說很可能是他自己擺放幀時出錯
  ↳ 畫面又出現跳動，還多出兩個角色，但照首尾幀的設計應該只有一個角色走出來。作者說多半是自己擺圖時出錯，所以放圖時要仔細核對。
• 12:05 工作流和說明的連結都在說明欄，可以從作者的 GitHub repository 免費下載
  ↳ 工作流檔案和說明的連結都在影片說明欄，到作者的 GitHub repository（專案存放處）就能免費下載。

MiniMax H3 Image-to-Video 工作流的 duration 預設是多少秒？