59 lines
5.6 KiB
Markdown
59 lines
5.6 KiB
Markdown
# V2工作流选用指南
|
||
|
||
从零搭建、节点作用与逐端口连线，见配套的[ComfyUI工作流搭建指南](../../../工作流搭建指南/ComfyUI工作流搭建指南.md)，附6套GUI/API实例；媒体留在本机，仓库提供素材替换说明。
|
||
|
||
核对日期：2026-10-31。已读取服务器现有节点、已保存工作流列表及本片实际执行记录。此页是选用说明，本轮未提交生成任务。
|
||
|
||
## 当前选择
|
||
|
||
本机现成、已经实际运行过的组合：Z-Image文生图选角色 → Qwen Image 2.1参考图编辑做分镜首帧 → H3 Ref2VA做有角色/音色参考的对白镜头；无对白动作和明确起终点的特效镜头分别使用H3 I2V、首尾帧。
|
||
|
||
**人物对白主工作流：H3 Ref2VA。** 人物设计和分镜首帧先由Qwen Image 2.1处理。新的法老PH01需要自己的定妆与声音参考，不能把摩西M01的图和声音继续放在法老的输入里。
|
||
|
||
## 直接加载哪一份
|
||
|
||
以下都是本片已成功执行的GUI工作流，可拖入ComfyUI画布。文件保留旧片的参考图、提示词和输出前缀，属于可复用起点；导入后要替换成V2内容。
|
||
|
||
| 目的 | 文件 | 操作要点 |
|
||
|---|---|---|
|
||
| 生成新法老定妆 | [C01文生图](../../../工作流搭建指南/示例工作流/01_文生图_ZImage.json) | 改为PH01法老的脸、年龄、服装和单人定妆要求；挑一张后固定为主参考。这里原本是摩西的文生图模板，不是已经完成的法老图。 |
|
||
| 同一个人物换背景、景别与机位 | [K02参考图编辑](../../../工作流搭建指南/示例工作流/02_参考图编辑_Qwen21.json) | 换LoadImage，明确保留脸/发须/服装，再写场景和构图；两人共同画面要给摩西、法老分别分配参考图角色，并检查是否混脸。 |
|
||
| 人物对白与参考音色 | [S06 H3多参考](../../../工作流搭建指南/示例工作流/04_多参考对白_H3_Ref2VA.json) | 换角色图、该角色的声音参考、新台词、表演与听者位置；使用Ref2VA模型和匹配Ref2V LoRA。 |
|
||
| 行走、举杖、倾听等动作 | [S02 H3图生视频](../../../工作流搭建指南/示例工作流/03_图生视频_H3_I2V.json) | 以确认首帧启动；原模板内有旧对白，做静默反应必须删掉旧句，改为一个明确动作。 |
|
||
| 分海、开门等明确起终点 | [S08 H3首尾帧](../../../工作流搭建指南/示例工作流/05_首尾帧视频_H3_FL2V.json) | 两个LoadImage分别换起点和终点，提示词写清变化过程；使用FL2VA模型和匹配FL2V LoRA。 |
|
||
|
||
服务器左侧“工作流”可在 `史诗_应许之路_20261030` 目录中找到对应的 `K02_demand.json`、`S06_courage.json`、`S02_demand.json`、`S08_split.json`。加载GUI文件；API文件主要用于脚本提交。
|
||
|
||
## 先做法老与摩西这一场
|
||
|
||
1. 读修订稿，先确定六句交涉中每个人在逼对方作什么决定。
|
||
2. 定PH01法老主图，保留M01摩西主图。
|
||
3. Qwen编辑出王宫双方同框、法老中近景、摩西中近景和卫兵/出口反应。统一视线、灯光和人物位置，先让这一组静态画面能组成同一个空间。
|
||
4. 用H3 Ref2VA分别测试法老、摩西的一句新对白，确认角色图和各自声音引用正确。单镜头先控制在约5—8秒，一次一至两句，留真实倾听和反应。
|
||
5. 静默听者反应用H3 I2V，要求闭嘴、只做一个行为。不要把整段反应都写成持续动嘴。
|
||
6. 先剪成约30—40秒的完整交锋小样，连着判断接话、重音、眼神和人物决定，再扩展第一章。
|
||
|
||
## 配音需要分清两条路线
|
||
|
||
### 已跑通：参考音色，再生成新的声画
|
||
|
||
S06的Ref2VA把图片与声音作为参考，生成新台词及画面。它能为同一角色提供音色参考，但不能保证每句的停顿、语速与口型都达到满意效果。V1约书亚无声嘴动的问题证明，输出还需要声画检查。
|
||
|
||
这一路的“参考声音”并不是最终一定逐采样保留的对白录音。换参考音频，不等于强制人物逐字照着那段录音表演。
|
||
|
||
### 待验证升级：先定最终对白音频，再驱动画面
|
||
|
||
如果重点是精确控制台词表演，应先取得满意的完整对白音频，再让画面跟随这段音频。服务器当前存在 `MiniMaxH3AudioConditioningT8` 节点，但本片未实际完成这条路线的端到端验证，现有T8外部工作流也不能仅凭文件名就当成已验证的对白制作模板。
|
||
|
||
因此当前不能把它标成可直接交付的“成熟指定音频对口型工作流”。应单独用一张人物图、约5—8秒清晰人声测试，检查：目标音频是否实际保留、嘴部起止是否对应、说话外是否闭嘴、脸是否保持、声音是否被重生成。通过后再决定替换对白主流程。
|
||
|
||
## 已验证配置提醒
|
||
|
||
- Ref2VA：`minimax_h3_ref2va_pruned_int8_convrot.safetensors` + `minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors`。
|
||
- I2V/首尾帧：`minimax_h3_fl2va_pruned_int8_convrot.safetensors` + `minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors`。
|
||
- 两种任务的主模型、LoRA和节点要成套保留。Turbo LoRA是加速组件，并非摩西或法老的人物LoRA。
|
||
- 原运行分辨率960×544、24fps。先沿用实测配置做场景测试，再评估更大画幅。
|
||
- 首帧有角色时优先图生或多参考；文生视频可用于不要求固定演员的新空镜/氛围试探，不能依赖相同种子保证反复生成同一张脸。
|
||
|
||
官方说明：[Qwen Image2.1参考图编辑](https://docs.comfy.org/tutorials/image/qwen/qwen-image-2-1)、[H3任务与输入模式](https://huggingface.co/MiniMaxAI/MiniMax-H3)。本地能运行的具体证据以本项目jobs中的执行历史为准。
|