按发布时间查看该博主的全部资讯要点
🎯 核心观点 针对 AI 视频生成中常见的“AI脸”同质化问题，提出了一套基于角色卡（Character Sheet）的终极工作流解决方案。 该流程旨在通过保留人物面部特征并稳定多视角姿态，极大程度避免生成视频中人脸特征的流失与泛化。 🛠️ 关键事实/论据 模型组合：使用 Qwen 2.1（转录为千万一妹子）制作角色卡，配合 MiniMax H3（转录为发子的h3）进行视频生成。 角色卡构建策略： 引入“白模”参考图作为姿势模板，明确四个面板布局（正面大头、正面全身、侧面全身、背面全身）。 使用特定提示词强化约束，…
🎯 核心观点 利用 Qwen Image 2.1 生成九宫格故事板并放大，结合 FastH3 V2 的首尾帧工作流与 Motion Context 扩展，可实现人物、道具及镜头逻辑高度一致的连续长视频。 该方案通过分步处理解决了传统模型在动作连贯性与节奏控制上的不足，特别适用于需要快慢交替节奏的复杂场景创作。 🛠️ 关键事实/论据 环境配置：需更新 ComfyUI 至最新版以支持 Qwen Image 2.1；视频生成选用 FastH3 V2 模型，因其采样速度快且能更真实地还原正常速度与快速反应，避免镜头过度慢动…
🎯 核心观点 Qwen Image 2.1 是一款仅含 70 亿参数的开源模型，成功将文生图、图片编辑及透明通道生成统一至单一架构中。 该模型在部分公开测试对比中表现优于 Nano Banana 2.0，具备处理长提示词、高分辨率细节及多参考图一致性的能力。 原生支持 RGBA 四通道输出，能够精准还原实体轮廓、毛发半透明状态及烟雾等复杂视觉元素。 📊 关键事实与论据 部署配置：需下载主模型（推荐 Int8 ComfyUI 版本）、文本编码器及新版 VAE；必须更新 ComfyUI 以支持新的文本编码节点和四通道解…
🎯 核心观点 FastH3 V2 模型在保持高速生成的同时，有效解决了传统 AI 视频生成中常见的“假慢动作”问题，提升了动态场景的真实感。 该模型原生输出存在面部与衣物纹理模糊的缺陷，需结合两段式空间放大及多轮人脸修复工作流才能达到高清成片标准。 📊 关键事实/论据 性能表现：生成 5 秒视频耗时约 41 秒；10 秒视频采样时间约为 80.16 秒，呈现线性增长关系。 技术机制：依赖 VSA（稀疏注意力）机制实现加速，需更新 ComfyUI 至最新版以支持 Kitchen Attention 与 Spars A…
🎯 核心观点 TaoMate-H3 是阿里 TOWMATE AIGC 团队发布的 MiniMax H3 加速方案，将采样步数从常见的 8 步或 4 步压缩至 3 步。 该方案在保持视觉质量的同时显著提升了渲染速度，但牺牲了复杂动作逻辑、特殊摄影效果及高难度参考生成的准确性。 适用场景主要集中在大脸低动作人物表演、简单镜头推进及常规氛围视频，不适合快速动作或严格结构还原任务。 📊 关键事实与论据 模型版本：测试主要使用 Robert Star 转化的 2.48GB 格式转换版；另有 KJ 提供的 Rank19 LoR…
🎯 核心观点 提出利用 Remotion（基于 React/JavaScript）替代 Blender 制作 3D 参考视频的新工作流，旨在降低 AI 视频生成的技术门槛并减少 Token 消耗。 强调该方法的“程序化”优势：通过修改代码即可精准调整镜头路径、人物姿态或场景细节，避免了传统提示词生成中难以局部修改且易导致整体内容漂移的问题。 核心逻辑是先生成可控的极简 3D 白模视频作为参考，再交由 MiniMax H3 进行写实化渲染，实现运镜与画质的解耦。 🛠️ 关键事实/论据 技术栈组合：使用 GPT-6 操…
🎯 核心观点 针对视频中人物面部模糊问题，提出基于 MiniMax H3 的双阶段超清重绘工作流。 该方案通过“人脸检测裁切”与“分阶段修复”结合，有效解决小脸、复杂光影及快速动作下的细节缺失。 强调使用特定调优模型与扩展插件，实现从基础视频生成到最终人脸贴回的完整闭环。 🛠️ 关键事实/论据 主模型配置：采用基于 MiniMax H3 调优的 Singularity 混合模型，支持文生视频、首尾帧及参考生成；叠加 LiteX2V 0.1 版四步加速 LoRA 以提升效率。 技术组件：集成 FaceRefine 扩…
🎯 核心观点 MiniMax H3 模型生成的动作场景存在“假慢放”缺陷，导致武侠对决等快节奏画面缺乏力量感与干脆度。 单纯依靠提示词强调“正常速度”无法彻底解决该问题，需引入阿里巴巴 PAI 团队发布的 PDD（并行解码蒸馏）技术进行干预。 最佳实践是结合两阶段采样：利用 PDD 模型处理高 Sigma 阶段以确立动作节奏，再切换至 Turbo 加速 LoRA 在低 Sigma 阶段细化画质。 ⚙️ 关键事实与论据 PDD 技术原理：该模型分为针对首尾帧和参考生成两种版本，需通过专用节点加载，不可按普通 LoRA…
🎯 核心观点 MiniMax H3 Fused Turbo 模型将文生视频、首尾帧生成及参考视频生成能力融合于单一模型中，显著简化了工作流复杂度。 该模型通过内置加速 LoRA 和运动平滑 LoRA，实现了真正的四步采样生成，无需额外串联其他加速组件。 在保持较高画质的前提下，大幅提升了生成效率，对消费级显卡更加友好，适合短镜头叙事与人物广告制作。 📊 关键事实与论据 模型规格：主模型大小约 21GB，经过 INT8 Convert Route 量化处理，降低了硬件门槛。 性能表现：在 16:9 宽高比、0.7 M…
🎯 核心观点 H3 Motion Context 扩展通过截取上一段视频的尾部 Latent（包含画面与音频信息）作为下一段的上下文，实现了音视频长片的无缝续写。 该方法区别于传统像素空间拼接或首尾帧续写，能同时保持动作连贯性与声音一致性，避免拼接处的闪烁问题。 制作高质量长视频需结合参考图锁定人物资产、Latent 锁定动态与音频、以及规划文档锁定整体故事逻辑。 ⚙️ 关键事实/论据 技术原理：H3 Motion Context 直接传递 Latent 信息而非像素信息，确保音频和视频在采样过程中保持对齐；输出包…
🎯 核心观点 通过串联 SAM 3D Body、Blender 和 MiniMax H3 三个模型的优势，可实现对已拍摄视频的运镜重新设计。 该方法的核心在于将人物动作提取为三维数据，在 Blender 中构建新的相机路径，最后利用 AI 视频生成技术还原场景与角色。 仅依靠单一模型无法解决所有问题，必须结合精准提示词来区分镜头运动与人物运动，以获得最佳效果。 🛠️ 关键事实/论据 技术流程：首先使用 SAM 3D Body 从视频恢复人物三维动作；其次导入 Blender 绘制样条线并设置相机追踪，生成白模动画视…
🎯 核心观点 MiniMax H3 结合 Mask 机制可实现局部视频编辑，精准替换特定人物或区域而不影响背景及其他主体。 传统参考生成工作流难以处理多人场景中的单一目标替换，引入遮罩追踪技术后能解决这一局限。 该方法不仅适用于换脸和换装，还能通过局部裁剪放大来修复人脸细节，提升视频质感。 🛠️ 关键事实与步骤 扩展安装：需安装名为 MaskVID Experiment 的扩展，将其克隆至 Custom Node 文件夹并重启 ComfyUI。 遮罩生成：使用 SAM 3.1 模型配合 Run SAM 3 Vide…
🎯 核心观点 MiniMax H3 模型最被低估的能力在于视频编辑，而非单纯的文本或图像生成视频。 该模型能够基于单张参考图片和普通视频，实现人物、道具及服装的精准替换，同时保留原视频的动作节奏、镜头移动和环境背景。 提示词的详细程度直接决定复杂动作和表情迁移的成功率，简单的描述可能导致关键动作缺失或变形。 🛠️ 技术前提与步骤 模型架构：使用 MiniMax H3 作为完整的 Reference-to-Video 主模型，集成 Term 能力，无需串联额外的 LoRA。 工作流配置：采用两段式采样以兼顾生成速度与…
🎬 核心观点 MiniMax H3 具备将六宫格故事板转化为连续 AI 视频的能力，能按从左到右、从上到下的顺序还原镜头。 故事板并非视频的首尾帧，必须使用 Reference to Video（参考生成）模型，而非首尾帧模型。 工作流采用两阶段 Latent Upscale 策略，以兼顾生成速度与最终分辨率质量。 提示词需分层构建，明确主体、动作链、参考保留程度及限制条件，以引导模型准确执行。 ⚙️ 关键事实与论据 模型选择：使用约 40GB 的主模型 "10 Arrows Max"，该模型已合并加速能力，无需额…
🎯 核心观点 针对 MiniMax H3 直接生成高分辨率视频速度慢的问题，提出“两段式潜空间放大”工作流。 核心思路为：低分辨率搭建结构（快速采样），高分辨率进行精修（二次采样）。 该方案旨在平衡画质与效率，主要目的是节省时间而非显存。 🛠️ 关键事实与步骤 前置准备： 安装支持 2D/3D 潜空间放大的扩展节点，本教程选用 3D 版本以增强时空一致性。 下载 FP16 格式的放大模型，放置于 `latent upscale models` 目录。 下载 Turbo LoRA（图生视频用 1.1 版本，参考视频用…
🎬 核心观点 LTX 2.5 模型在 ComfyUI 中已实现原生支持，通过扩散保真渲染、视频解码器优化及新文本编码器，显著提升了提示词理解力与细节保留能力。尽管在多镜头切换和复杂动作执行上表现优异，但在物理规律遵循（如物体形变、穿透）及人物一致性维持方面仍存在明显短板。 🔍 关键事实/论据 技术升级：引入扩散保真渲染，动态分配计算预算以保留高频细节；采用扩散式视频解码器进行“翻译后精修”；新文本编码器能准确记忆动作序列、灯光及运镜指令。 工作流配置：ComfyUI 需更新至最新版并加载官方模板。推荐使用蒸馏模型（…
🚀 核心观点 MiniMax H3 Turbo 方案通过“四步采样”实现高效视频生成，约2分钟即可产出5秒（120帧）视频。针对动作幅度不同的场景，推荐两种工作流：平缓动作直接使用加速 LoRA；剧烈动作或易闪烁场景采用“两段式采样”以平衡速度与稳定性。 📊 关键事实与评测数据 基础性能对比：在 RTX 4090 (24G) 显卡上，原始图生视频工作流耗时约8分29秒；使用加速 LoRA 后缩短至1分38秒，效率提升显著。 LoRA 横向测评：测试了 KJ、LARIF、JBUFF 三组模型，场景设定为清晨花店整理鲜…
🚀 核心观点 通过叠加 SoulAttention、SageAttention 和 EasyCache 三种加速技术节点，可显著缩短 MiniMax H3 模型的生成时间。实测表明，该组合方案能将文生视频耗时压缩至约一半，图生视频及参考视频生成耗时甚至可缩减至原来的三分之一，且画面质量无明显降低。 📊 关键事实与论据 加速原理简述： SoulAttention：动态识别图像重点与非重点区域（如人脸 vs 背景），优化注意力计算资源分配。 SageAttention：采用更适合显卡的低精度计算方式，提升运算效率。需注…
🎬 MiniMax H3 模型深度评测与实战指南 💡 核心观点 MiniMax H3 是目前开源领域备受关注的全模态视频生成模型，其最大亮点在于能够同时生成高质量的视频画面与同步音频（包括环境音、动作音效及对口型）。该模型在物理规律理解、多镜头叙事以及复杂动作迁移方面表现优异。通过 ComfyUI 工作流配合结构化提示词和参考图技术，用户可以实现从“文生视频”到“图生视频”再到“多源参考生成”的多样化创作。 📊 关键事实与技术参数 模型版本与格式：当前 ComfyUI 支持的是 H3 Base 版本，主要生成 76…
🎯 核心观点 CrossView Warp 技术旨在解决视频生成后补拍侧面机位的难题，通过保留原有表演内容，仅重新调整摄像机位置或生成新的运镜动画。 该技术基于 LTX 2.3 模型与 IC-LoRA 工作流，核心在于利用深度图（Depth Anything）解析空间关系，并通过粉色区域标识原摄像机未拍摄到的盲区，由模型进行细节补全。 最佳适用场景是横版、主体居中且原相机稳定的视频素材，避免竖版视频或主体偏离中心的情况，以确保空间信息表述清晰。 🛠️ 关键事实与步骤 环境配置：需安装 ComfyUI 扩展 Cros…
🎯 核心观点 Best Face ID 插件旨在解决 LTX 2.3 模型中的人物一致性问题，主要包含单图参考生成和角色设定图（Character Sheet）两种工作流。 单图模式依赖面部特征保持，而角色设定图模式通过提供全身、侧面及背面信息，能显著提升发型、服装及整体外观的一致性。 参考图的宽高比与目标视频比例匹配度直接影响相似度，方形视频（1024x1024）通常稳定性最高。 高清放大虽能提升细节，但因涉及重新采样，可能导致身份一致性略有下降，建议作为可选步骤。 📊 关键事实与测试数据 模型与参数：主模型为 …
🎯 核心观点 Krea 2 Identity Edit 1.2 版是目前最强大的 Krea 2 图片编辑模型，相比 1.1 版使用价值更强。 该版本补全了人物编辑功能，支持换脸、换头、换人及局部增强，并新增 Mask 功能和角色列表支持。 功能支持不等于每项都稳定，部分效果可能需要多次尝试（抽卡）才能获得最佳结果。 📊 关键事实与论据 功能升级： 支持单图编辑和多图参考编辑，可精确控制换脸（仅五官）、换头（含刘海）或换人（含发型、服装）。 新增 `reference boost` 参数，用于控制参考图外观约束强度。…
🎯 核心观点 本视频为 ComfyUI 平台下 JoyAI Image Edit 模型的全流程教学，重点解决单图编辑中的像素级精准对齐问题。 该模型由京东研发，分为 Single（单图编辑）和 Plus（多图参考生成）两个版本，二者共用 WAN2.1 的 VAE，但 Diffusion Model 和 Text Encoder 必须配对使用。 针对像素不对齐痛点，视频提出了一种通过“等比缩放至 1024x1024 方形画布”再“精确裁剪”的优化工作流，以实现严格对齐。 📋 关键事实与论据 模型架构：Single 和…
🎯 核心观点 高质量 AI Vlog 的核心在于“事件级”叙事，而非机械的人像动作（如眨眼、微笑）。 目标是在 10 秒内完成一个可剪辑成片的小事件，通过建立“动作地灵针”概念，让静态图片包含明确的起始动作，从而引导视频生成的自然运动路径。 流程的核心价值在于通过三道质量门槛，将不稳定的生成过程转化为可复用、高良品率的生产流程，减少废片率。 🛠️ 关键事实与论据 三道质量门槛： 提示词门槛：使用 `female portrait director` Skill，将模糊想法转化为包含年龄、服装、场景、道具及具体动作细…
🎯 核心观点 MSR V2（Multi Subject Reference）技术实现了视频生成的“记忆”功能，能精准控制从种子到开花等复杂逻辑事件，而非简单堆砌画面元素。 该模型支持多主体参考，能在镜头切换后保持人物发型、服装及身份的高度一致性，适用于叙事视频制作。 相比 V1 版本，V2 在整体效果、身份保持及多镜头连贯性上有显著提升。 📊 关键事实与论据 技术架构：MSR 节点将多张参考图（人物、道具、背景）整理成参考序列，交由 LTX 2.3 模型生成视频；需安装“雷控 MSR”扩展及特定 LoRA。 参数设…
🎥 核心观点 CrossView 是一种基于 LTX 2.3 模型的 IC LoRA，允许用户利用已生成的视频作为参考，通过提示词重构虚拟摄像机机位。 该技术并非简单的画面裁切或随机生成，而是基于参考视频重新生成同一场表演，实现视角的自由切换。 提示词采用固定的“三轴格式”，通过控制相机围绕主体的左右移动、整体高度及距离，共形成 63 种组合方法。 建议优先使用官方原词，避免自行创造词汇，以确保生成效果稳定。 ⚙️ 关键事实与论据 模型与参数：使用 LTX 2.3 主模型（1.1 版）及 CrossView LoR…
🎯 核心观点 Krea 2 模型具备极强的写实感、电影感和细节表现力，但原生仅支持文生图，难以通过提示词维持角色一致性。 若需实现同一虚拟人物在不同场景（如街头、书店、雪地）及不同构图（近景、16:9 大场景）下的稳定呈现，训练 LoRA 是必要手段。 训练目标不仅是生成头像，更是为了支持封面、海报及大场景角色展示，需兼顾身份一致性与场景泛化能力。 📊 关键事实与论据 数据集构建：建议准备 20 至 50 张高质量图片，需包含不同场景、角度、光线和构图。图片需数字命名并对应同名 txt 提示词文件。 训练环境：推荐…
