画面一版、音效一版分开做的流程我是真受够了，对轨对到怀疑人生。MiniMax H3 这代最实在的改动是声音跟画面在一遍里出来，原生立体声，不是生成完再贴一层。开权重放出来能在 ComfyUI 本地接，说是 3060 也带得动，这条我还没验，等有空插机器上跑一晚。
另一个对我有用的是参考输入只取运动：一段现成素材我只要它那个甩镜的节奏，主体和风格从别的图和文字来。等于把镜头语言和内容拆开了，改内容不用重新赌一次镜头。首尾帧能定死也解决了转场那点老毛病。反倒是 2K、十五秒这种参数，我平时根本用不满。
3060 能跑这句我保留意见，显存到底吃多少得有人贴个实测
1 个赞
坐等实测
原生音频那块要是能塞人声参考，配音那一步就省掉了
首尾帧对我价值最大，做转场终于不用连抽二十条挑一条
牛啊 