H3 图生视频教程（官方标准版）：一张图，让它动起来

图生视频是什么？为什么比文生视频更实用

上一篇文章我们用一句话生成了一段视频（文生视频）。这一篇升级玩法：给 H3 一张图片，它把图片"动起来"——你上传的照片、AI 画的图、网上存的壁纸，都可以变成一段带声音的动态视频。

图生视频最大的价值是一致性：文生视频全靠文字描述，人物长相、场景细节每次生成都可能变；图生视频给了模型一张"锚点图"，人物是谁、穿什么、场景长什么样，都由你的图说了算。所以它特别适合：

• 把一张好看的 AI 图片变成动态壁纸 / 短视频
• 产品图"活起来"（鼠标旋转展示、饮料杯冒气泡）
• 照片做成会动的回忆（微风、飘雪、水波）
• 先出图定稿，再让图动起来——保证风格不跑偏

图生视频工作流在整合包里有两个版本：官方标准版（官流）和加速版。这一篇先讲官流——把原理和操作学会；加速版在下一篇单独讲。

第 1 步：打开图生视频工作流

双击 ComfyUI启动器.exe（或运行 run_nvidia_gpu.bat），等浏览器弹出 ComfyUI 界面后：

1. 在左侧「工作流」列表打开 AI星尘-Minimax H3 文件夹
2. 选择 H3图生视频工作流（官流）.json

打开后可以看到，图生视频官流比文生视频多了一个节点——多出来的就是「加载图片」，整张图依然很干净，我们要看的节点从 4 个变成 5 个。

第 2 步：认识这 5 个节点（从上往下数）

1. 加载图片（Load Image）——图生视频的"图"从这里来

点击这个节点的文件夹按钮，在弹出的窗口里点「上传」，选择你想让它动起来的图片。选完图片节点上会显示缩略图，图生视频就以这张图为基准生成。

工作流默认内置了一张游戏鼠标的产品图作为样例，你可以先用它跑通一遍，再换成自己的图。

2. 分辨率选择器（Resolution Selector）——决定视频画面尺寸

注意：图生视频官流的分辨率选择器默认是 1:1 方形、0.4 档（和文生视频默认的 16:9 不一样）。尺寸可以不用急着改，第一次跑用默认即可。

3. 蓝色大节点（MiniMax H3）——核心，提示词写在这里

和文生视频一样，提示词（prompt）在这个节点上。区别是：图生视频里，这张参考图会被当成画面基础，提示词负责描述"它应该怎么动"。

4. 保存视频（Save Video）——出片出口

和文生视频完全一样，不用改。

5. 三张黑色说明卡片——官方说明和模型清单，看热闹用。

另外图里还有几个自动节点（读取图片尺寸、自动缩放），它们保证"你的图什么尺寸，视频就按比例生成"，全程不用管。

第 3 步：图生视频的提示词怎么写（全文重点）

图生视频的提示词和文生视频最大的不同：你不需要描述"画面里有什么"（图上都有了），你要描述"画面怎么动"。

官方样例自带一段很标准的提示词，先看它怎么写的（官方英文样例，讲的是让游戏鼠标在暗黑演播室里旋转展示）：

The transparent gaming mouse from <Picture 1> in its original scene: a pitch-black studio void...

拆开看，只有两层意思：

• 第一层：图片在哪——<Picture 1> 是官方格式，告诉 H3"下面说的东西就是那张参考图里的东西"。用中文写也一样：「参考图中的透明游戏鼠标」
• 第二层：怎么动——在原场景里干什么：旋转展示、灯光效果、镜头运动（拉近/环绕）

新手中文模板（直接抄这个结构）：

参考图中的[物体/人物]，在原来的场景中，[它要做的动作]，
镜头[镜头运动，如缓缓拉近/环绕一周/固定机位]，
[画面氛围或特殊效果，如微风、灯光闪烁、水面涟漪]，
[时长]，画面自然连贯，无变形扭曲

举个例子，拿一张咖啡杯的照片：

参考图中的咖啡杯，在原来的桌子上，杯口缓缓冒出白色热气，
镜头缓缓拉近，窗外阳光洒在杯身上，光影柔和，
画面自然连贯，无变形扭曲

新手常犯的错：把图生视频的提示词当成文生视频写，从头描述人物长相和场景——这些图上已经有了，写了反而可能和图片打架。只写"动"的部分就够了。

第 4 步：跑通第一遍（完整操作流程）

1. 确认「加载图片」里是你想用的图（先用内置样例图也行）
2. 提示词填好（用上面的中文模板）
3. 分辨率保持默认 1:1、0.4 档
4. 点右下角或顶部的「执行」按钮

第一次跑会先加载模型（4 个模型，几分钟），然后逐帧生成。完成后点「保存视频」节点的预览，就能看到你的图片动起来了，而且自带声音（鼠标展示样例有音效，你的图如果没有声音设计，H3 也会自动配环境音）。

第 6 步：参数与技巧

• 分辨率比例怎么选：视频比例最好和图片比例一致（方图配 1:1，竖图配 2:3，横图配 16:9），比例差太远画面可能被拉伸或裁剪。官流默认 1:1，选图时心里有数。
• 0.4 档是什么概念：0.4 是"百万像素"档位，1:1 方形下约 640×640，16:9 下约 864×480。显存小就选 0.2，画质追求就 0.6/0.98，哪档跑不稳就降一档。
• 时长：5 秒起步，最长 15 秒。越长越慢，别一上来就挑战 15 秒。
• 随机种子：默认随机；出好片记下种子，填回去可复现。
• 想保留人物长相做系列片：同一张人物图 + 不同场景提示词，就能让同一个人出现在不同环境里（图生视频的核心玩法）。

常见问题

• 生成的视频和参考图长得不一样？参考图尽量清晰、主体突出；提示词里别写和图片矛盾的内容（比如图里是白杯子你写黑杯子）。背景复杂的图建议先抠图再生成。
• 画面被拉伸/裁切了？视频比例和图片比例差太远就会这样，把分辨率比例调成和图片一致（见第 6 步）。
• 图片不动 / 动得很生硬？提示词里动作要具体（"杯口冒出热气"比"杯子很好看"强得多）；镜头运动词（拉近/环绕/平移）很有用。
• 生成到一半报错 / 卡住？显存或内存压力问题：分辨率降到 0.2、时长 5 秒、关掉多余程序，重启 ComfyUI 再跑。
• 提示词用中文还是英文？都行。官流自带的样例是英文，中文直接套用上面的模板一样出片。
• 能生成 15 秒以上的吗？不能，H3 上限 15 秒；要更长的用「视频插帧」工作流或分段生成后拼接。

想直接开跑？

本教程用的是 AI星尘 Minimax-H3 整合包（官流、加速版、全部 16 个工作流和模型环境已内置，解压即用）；已有 ComfyUI 环境的，可以单独购买 AI星尘 Minimax-H3 整合包 单独工作流（16 个工作流文件，导入即用）。