--- title: minimax-h3-refmod-workflows-327 canonical_url: "https://www.modelscope.cn/models/Sunjian520/minimax-h3-refmod-workflows-327" md_url: "https://www.modelscope.cn/models/Sunjian520/minimax-h3-refmod-workflows-327.md" repository: Sunjian520/minimax-h3-refmod-workflows-327 last_updated: 2026-10-31 downloads: 0 stars: 0 --- # minimax-h3-refmod-workflows-327 > minimax-h3-refmod-workflows-327 - Sunjian520 在 ModelScope 开源的模型。AI-KSK 视频327：ComfyUI 工作流合集及配套教程封面，不含模型权重。 - **Repository**: Sunjian520/minimax-h3-refmod-workflows-327 - **Downloads**: 0 - **Stars**: 0 - **Last updated**: 2026-10-31 Source: https://www.modelscope.cn/models/Sunjian520/minimax-h3-refmod-workflows-327 --- # MiniMax H3 RefMod｜六套 ComfyUI 工作流合集（AI-KSK 视频327） **一期视频、六个模块、一个合集。** 本仓库提供 AI-KSK 的六套原始 ComfyUI 工作流 JSON 与六张原始宣传封面，涵盖人物、动作、声音、场景四类 RefMod 参考资产制作，以及 Apply 与 TextEncode 两种生成路线。仓库不包含第三方模型权重、原始图片/视频/音频、已生成的 RefMod `.safetensors` 文件或生成视频。 **本期镜像（主要部署入口）：[优云智算｜H3｜RefMod免训练超级参考](https://www.compshare.cn/images/323moGjpvfeM?referral_code=A7fTQUYY9lCDFJwA6MMvoq)**。说明：该链接包含创作者推荐码，使用可能支持 AI-KSK；实际实例配置、费用和模型可用性请以平台页面为准。 **完整中文视频教程：[B站视频327](https://www.bilibili.com/video/BV1F2nZ6SEA7/)**。也可观看 [YouTube 完整版](https://youtu.be/H5L5sO7dRu8)。[镜像汇总目录](https://www.notion.so/2b72459a3ac6808f8282f2c687ed8f52)仅作辅助，不替代本期专属镜像。 > 本文依据实际工作流 JSON 和本期字幕整理，没有声称重新运行、测量显存/耗时、验证出片成功率或观看网上视频。图片均为项目宣传封面，不是本轮实测结果；JSON、PNG 均按原字节保留。 ## 一、六套工作流的实际分工 | 序号 | 模块 | 工作流文件 | 封面 | 实际作用 | | --- | --- | --- | --- | --- | | 01 | 人物 RefMod | [原始 JSON](workflows/01_%E4%BA%BA%E7%89%A9RefMod_%E5%8D%95%E5%9B%BE%E4%B8%8E%E6%96%87%E4%BB%B6%E5%A4%B9%E6%89%B9%E9%87%8F.json) | [人物封面](covers/%E4%BA%BA%E7%89%A9%E5%8F%82%E8%80%83%E5%B7%A5%E4%BD%9C%E6%B5%81-1.png) | 把同一角色的参考图整理成 `character/Rin_Identity` | | 02 | 动作 RefMod | [原始 JSON](workflows/02_%E5%8A%A8%E4%BD%9CRefMod_%E5%8D%95%E8%A7%86%E9%A2%91%E4%B8%8E%E6%96%87%E4%BB%B6%E5%A4%B9%E6%89%B9%E9%87%8F.json) | [动作封面](covers/%E6%AD%A6%E6%9C%AF%E5%8A%A8%E4%BD%9C%E5%8F%82%E8%80%83-2.png) | 把动作视频编码成 `motion/Action_01` | | 03 | 音频 RefMod | [原始 JSON](workflows/03_%E9%9F%B3%E9%A2%91RefMod_%E5%8D%95%E7%B4%A0%E6%9D%90%E5%88%B6%E4%BD%9C.json) | [音频封面](covers/%E7%90%A5%E7%8F%80%E5%BD%95%E9%9F%B3%E6%A3%9A%E9%9F%B3%E9%A2%91%E5%8F%82%E8%80%83-3.png) | 把音频变成 `voice/Rin_Voice_01` | | 04 | 武道馆场景 RefMod | [原始 JSON](workflows/04_%E6%AD%A6%E9%81%93%E9%A6%86%E5%9C%BA%E6%99%AFRefMod_%E5%8F%8C%E8%A7%86%E8%A7%92%E6%89%B9%E9%87%8F.json) | [场景封面](covers/%E6%9A%96%E5%85%89%E6%AD%A6%E9%81%93%E9%A6%86%E5%8F%8C%E8%A7%86%E8%A7%92%E5%8F%82%E8%80%83-4.png) | 两张不同视角的场景图合并为 `scene/Dojo_OneLocation` | | 05 | 多参考生成 A | [原始 JSON](workflows/05_%E5%A4%9A%E5%8F%82%E8%80%83%E7%94%9F%E6%88%90_A_Apply.json) | [Apply 封面](covers/%E5%A4%9A%E5%8F%82%E8%80%83%E7%94%9F%E6%88%90%20A%EF%BC%9AApply%20%E6%B3%A8%E5%85%A5-5.png) | 文本条件编码完成后，加载四份 RefMod 并 Apply 注入 | | 06 | 多参考生成 B | [原始 JSON](workflows/06_%E5%A4%9A%E5%8F%82%E8%80%83%E7%94%9F%E6%88%90_B_TextEncode.json) | [TextEncode 封面](covers/%E5%A4%9A%E5%8F%82%E8%80%83%E7%94%9F%E6%88%90%20B%EF%BC%9ATextEncode%20%E6%8E%A7%E5%88%B6-6.png) | 将 RefMod 交给参考感知的文本编码节点，获取编号映射，再生成视频 | **核心机制：** RefMod 是经过编码、可保存复用的参考条件资产。它不需要训练人物 LoRA，也没有训练出一个新 H3 底模，更不保证角色身份绝对一致。前四个工作流相当于“备素材”，后两个工作流相当于“加载素材开拍”。同一个角色 RefMod 可在不同镜头里反复选用，但最终效果仍取决于源数据、提示词、参考顺序、模型和生成设置。 ## 二、部署与依赖 1. 打开本期优云智算镜像页面，了解实例计费、可选 GPU 和镜像说明，再部署 ComfyUI 实例；也可在自己的 ComfyUI 中导入本仓库的 JSON。 2. 检查 `ComfyUI-MiniMaxH3Mod` 节点包。涉及 `MiniMaxH3RefModExtract`、`MiniMaxH3RefModAudioExtract`、`MiniMaxH3RefModFolderLoader`、`MiniMaxH3RefModsLoader`、`MiniMaxH3RefModApply`、`MiniMaxH3RefModTextEncode`、`MiniMaxH3RefModInspect` 等。02、05、06 还使用 Video Helper Suite 的 `VHS_` 节点。节点缺失时应先核查包版本和实际节点名，再导入。 3. 检查模型清单：两个生成工作流选用 `minimax_h3_ref2va_pruned_int8_convrot.safetensors`、`qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors`、`minimax_h3_video_vae_int8_convrot.safetensors`、`minimax_h3_audio_vae_fp32.safetensors` 和 `minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors`（LoRA 强度为 1）。这些文件**均未放进本仓库**。 4. 把自己的有权使用的图片/视频/音频放到 ComfyUI 对应输入位置。原 JSON 中的本机媒体文件名不等于仓库已提供素材。 5. 先运行 01–04，检查 RefMod 是否保存成功及其所在子目录，再配置 05 或 06。不要跳过资产准备直接认为生成流程已经有引用文件。 **上游来源：** [RefMod 节点原作者仓库](https://github.com/Luisacaotica/ComfyUI-MiniMaxH3Mod)；[Comfy-Org MiniMax-H3 模型页](https://huggingface.co/Comfy-Org/MiniMax-H3)；[MiniMaxAI 原始 H3 权重](https://huggingface.co/MiniMaxAI/MiniMax-H3)；[Video Helper Suite](https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite)。请自行确认节点兼容版本和第三方使用许可。特别注意 Comfy-Org 公共模型页列出的常见视频 VAE 是 `minimax_h3_video_vae_fp16.safetensors`，**不应直接视作 JSON 中选择的 `minimax_h3_video_vae_int8_convrot.safetensors` 已被同页提供**；Turbo 4-step LoRA 的准确来源也需另行核实。不要把不同权重改名冒充同一文件。 ## 三、四个参考制作流程的使用步骤与参数 ### 01 人物：单图思路与现有文件夹输入 JSON 的**实际接线**是 `MiniMaxH3RefModFolderLoader` → `MiniMaxH3RefModExtract.refs_bundle` → `MiniMaxH3RefModInspect` → 图片预览。文件夹 loader 参数是 `folder=Rin_Identity`、`max_items=32`、`max_frames=240`、`max_edge=1024`；提取节点的 `name=Rin_Identity`、`mode=Full Reference`、`concept_type=identity`、`ref_resolution=768`、`pool_h=16`、`pool_w=16`、`latent_frames=16`、`save=true`、`subfolder=character`，视频 VAE 选中 `minimax_h3_video_vae_int8_convrot.safetensors`。 **具体操作：** 在 ComfyUI 的 `input` 下建立自己的角色素材子文件夹，把若干张同一角色的授权图片放进去；将 `folder` 改成真实子文件夹名；如更换人物，还需修改描述文本，避免原来的 Rin 外貌描述污染参考；执行后检查 `models/refmods/character/` 下实际生成的文件。字幕还介绍了单张 `LoadImage` 形式，但本 JSON 的图像输入口并未接线，切换为单图需要自己连线。这是教程操作选项，不是已提供的第二条连通路径。 ### 02 动作：当前连接的是单视频 **实际接线：** `VHS_LoadVideo` 输出图像帧 → `MiniMaxH3RefModExtract.refs_video.ref_video_0` → 检查预览。视频源在 JSON 中叫 `203719-922186723_small.mp4`，未随包提供。VHS 加载参数：`force_rate=0`、`custom_width=0`、`custom_height=0`、`frame_load_cap=121`、`skip_first_frames=0`、`select_every_nth=1`。提取节点参数：`name=Action_01`、`concept_type=pose_motion`、`mode=Full Reference`、`ref_resolution=512`、`pool_h=16`、`pool_w=16`、`latent_frames=56`、`motion_only=false`、`save=true`、`subfolder=motion`。 **具体操作：** 上传并选择自己的动作视频，确认采样帧涵盖目标动作；使用 `pose_motion` 概念做参考；若模型把原演员的衣服、外貌也混进来，可以尝试调节 `motion_only` 后比较，但**原文件为 false**。运行后检查 `models/refmods/motion/`。字幕中的“多段视频通过文件夹加载”是可扩展思路；这份原 JSON 没有接好的文件夹批量节点，也没有附送批量视频，不能声称打开即可批量处理。 ### 03 音频：独立声音参考 **实际接线：** `LoadAudio` → `MiniMaxH3RefModAudioExtract`，并由 H3 Audio VAE 配合处理，最后进入 `MiniMaxH3RefModInspect` / `PreviewAudio`。原选择 `女主.mp3`，该文件未提供。参数：`name=Rin_Voice_01`、`max_seconds=8`、`max_tokens=0`、`budget_policy=truncate`、`concept_type=voice`、`subfolder=voice`、`save=true`，音频 VAE 为 `minimax_h3_audio_vae_fp32.safetensors`。 **具体操作：** 上传自己的授权录音，替换原选项，尽量使用没有背景音乐、第二人声音和杂音的片段，注意 8 秒输入上限。字幕明确提及带背景音乐的录音可能污染后续生成。预览音频听起来很短，不等于只编码了 2 秒；具体上限以提取节点为准。音频 RefMod 不保证精确复刻音色或口型同步。 ### 04 场景：两张武道馆视角 **实际接线：** 两个 `LoadImage` 分别连接提取节点 `refs_image.ref_image_0` 与 `refs_image.ref_image_1`，不是只靠提示词描述场景。输入 JSON 中是 `Gemini_Generated_Image_6f1h0k6f1h0k6f1h.jpg` 和 `Gemini_Generated_Image_j0kir9j0kir9j0ki.jpg`，这两张 JPEG 未提供。参数：`name=Dojo_OneLocation`、`mode=Full Reference`、`concept_type=background`、`ref_resolution=1024`、`pool_h=16`、`pool_w=16`、`latent_frames=16`、`save=true`、`subfolder=scene`。 **具体操作：** 用自己的两张同一场景不同视角图片替换两个缺失输入；描述里强调木结构、灯笼、格栅窗、兵器架、鼓和光照一致，这些应与自己选的场景一致；生成 RefMod 后检查 `models/refmods/scene/`。封面中的武道馆是介绍性视觉设计，不能直接当作已随包提供的两张原始参考照片。 ## 四、后两个生成流程如何接上四种资产 ### 05 A：Apply 注入方案 先由 `MiniMaxH3ReferenceToVideo` 使用 H3 的文本编码器生成原生条件与潜变量，再把 `Load H3 RefMods` 选出的参考包交给 `MiniMaxH3RefModApply`，将参考条件追加到采样路径。原 JSON 四个有效槽位依次为： 1. `character/Rin_Identity`（强度1、copies 1）； 2. `motion/Action_01`（强度1、copies 1）； 3. `scene/Dojo_OneLocation`（强度1、copies 1）； 4. `voice/Rin_Voice_01`（强度1、copies 1）。 `Apply` 的 `retention=1`、`curve_direction=constant`、`override=false`。渲染参数：**832×480、243帧、24fps、种子9527（fixed）、Euler、beta 调度器、4步、denoise=1**，输出为 H.264 MP4、CRF19；按参数计算 243/24=10.125 秒的名义时长，不代表重新跑出的测量结果。JSON **已填写完整提示词**：凛在武道馆内独自进行拳击、转体踢等动作，最后说普通话“看清楚了吗？再来一次。” 提示词还要求原动作视频中的男性外貌、拳套和拳台背景不转移到凛身上。 **重点：** A 让文本先编码，再将 RefMod 参考条件注入；它没有在文本编码阶段重新把每个 RefMod 原图交给 Qwen 看。适合对单一角色、固定场景进行复用，但并无两个角色独立骨骼绑定系统。首次运行前必须确保四份 `.safetensors` 资产在自己的环境中真实存在。 ### 06 B：TextEncode 控制方案 B 的主链路是 `MiniMaxH3RefModsLoader` → `MiniMaxH3RefModTextEncode` → `BasicGuider`，其中节点同时接收 Qwen 文本编码器和 H3 视频 VAE。它可以让文本通过实际 `reference_map` 使用 `