H3 多参考多轨编辑教程：多镜头分镜短片，一条时间线全搞定
多参考多轨编辑是什么？能做什么
前一篇我们学了多参考生视频：给 3~4 张图，锁定人物和场景，生成一段视频。这一篇再上一个台阶——多参考 + 多轨编辑：把参考图、镜头剧本、转场、参考视频全部放到一条时间线上，像剪映剪片子一样编排，一次生成一段完整的多镜头分镜短片。
它能做什么？
- 多镜头剧情短片：一个视频里安排"镜头一、镜头二、镜头三"，每段有自己的画面和台词，镜头之间还有转场——不是单段视频，是一小段"戏"
- 多人全程不跑偏：女主一张图、男主一张图、场景一张图，从头到尾都不变形（多参考的延续）
- 参考视频进时间线：时间线上有专门的视频轨，可以放一段参考视频（学它的动作、运镜）
- 带声音的分镜：H3 全模态模型，成片自带对白和环境音，不用后期配音
和上一篇多参考生视频的区别：上一篇是"多张图 → 一段视频"的单镜头玩法；这一篇是"时间线编辑器"，重点在编排——多镜头、转场、时长控制，都在一条时间线上可视化操作。
第 1 步：打开多参考多轨编辑工作流
启动 ComfyUI（双击 ComfyUI启动器.exe），浏览器打开界面后：
- 在左侧「工作流」列表打开 AI星尘-Minimax H3 文件夹
- 选择 H3 -多参考多轨编辑工作流.json
打开后你会看到布局和前几篇明显不同：左边是一排模型加载器，中间是一个又大又宽的编辑器节点（名字叫 multiTrackEditor，多轨编辑器），右侧是采样输出管线。编辑器自带一个官方的古风仙侠示例任务，就算什么都不改，直接点运行也能出一段成品——我们先用它练手，再改成自己的。
第 2 步：认识多轨编辑器（这篇的核心）
多轨编辑器长得很像剪映/PR 的时间线，自上而下一共三行轨道：
- 任务轨（Task）：生成"原材料"的地方。往轨道上的任务段里放参考图、写提示词，它负责告诉 AI 这一段拍什么
- 视频轨（Video）：放参考视频的轨道。想学某段视频的动作/运镜，就把视频拖到这里
- 音频轨（Audio）：放参考音频的轨道（示例里已预留，暂未接线，等后续版本）
时间线上横着排列的是一个个段（segment）——一段就是时间线上的一格内容。示例里已经放好了一个任务段（Task 0），横跨 0~258 帧（时间线内部按 24 帧/秒换算，约 10 秒多）。段的左右边缘可以拖动，用来控制时长。
第 3 步：把参考图放上时间线
双击任务段（或点段上的编辑按钮），会打开任务编辑面板，里面是参考图和提示词两个区域：
- 点「添加图片」，把参考图放进去——示例是 3 张：女主特写、男主特写、宫廷园林场景（图在包里 `input` 目录，工作流已默认挂好，直接看即可）
- 图片按添加顺序自动编号：第一张是 <图0>、第二张 <图1>、第三张 <图2>——提示词里就用这个编号引用它
参考图的质量直接决定成片质量，老规矩：人物图要单人、正脸、清晰；场景图要干净、没有多余人物杂物。图片越"专一"，AI 越不会串。
第 4 步：写分镜提示词（官方范文拆解）
任务编辑面板下方是提示词输入框，这就是分镜剧本。官方范文值得逐段拆解（也是模板，可以直接套）：
第一段：风格基调——先用一句话定下整段视频的画风、质感、光影：
「电影级古风仙侠 写实风格，UE5 渲染，光线追踪，柔和暖金色日光，细腻丝绸面料质感，金属甲胄 PBR 材质，繁花海棠盛放，静谧皇家宫廷园林环境。」
第二段：参考图分工——明确每张图管什么，用 <图N> 引用：
「使用 <图1> 锁定男性角色五官、铠甲、人物样貌；使用 <图0> 锁定公主容貌、发饰与汉服细节；<图2> 作为场景环境参考。」
⚠️ 注意：范文里"图0/图1"的编号是按它自己的添加顺序写的——你自己放图时，编号以你实际添加的顺序为准，写提示词时前后必须一致（有人照抄范文但图序不同，结果人物锁错，就是这个原因）。
第三段：镜头剧本——一个镜头写一段，每段交代：景别 + 人物动作 + 台词 + 运镜：
「镜头一：中远景，御园湖面汉白玉石桥，花瓣缓缓在空中飘落。蓝金战甲皇子缓步走向立于桥上的公主，一手轻按剑柄，神情温润沉静。镜头缓慢向前推进，他轻声开口："这场相见，我等候许久。"说话间微风扬起蓝色长袍披风下摆，海棠花瓣环绕周身飞舞。」
「镜头二：公主中近景特写，她微微侧首，温婉浅笑，发间流苏轻轻晃动，轻声回应："宫中春色，从未这般动人。"镜头缓慢环绕二人，湖面日光粼粼波光。」
「镜头三：全景广角低机位镜头，皇子与公主并肩立于白石拱桥，遥望远处古宫殿建筑群。四周海棠花树环绕，花瓣漫天飘落，二人静静伫立赏景。镜头缓缓向上抬升，定格这幅静谧唯美的收尾画面。」
第四段：转场 + 一致性强调——镜头之间写转场（淡入淡出、花瓣掠过、动态模糊），结尾再次强调人物不能跑偏：
「转场：淡入淡出柔和转场，花瓣掠过画面，轻微动态模糊。人物动作流畅优雅，符合古代皇室仪态。光影温润柔和，氛围浪漫静谧。男性长相服饰严格匹配<图1>，女性形象完全保留<图0>特征。」
这套"风格基调 + 参考分工 + 分镜头 + 转场收尾"的结构，换任何题材都适用——把古风仙侠换成现代都市、科幻机甲，镜头换成你的故事就行。
第 5 步：设置时长和分辨率，点运行
运行前把两个参数过一眼（都在编辑器里，不用深入管）：
- 分辨率：编辑器顶部选 832 x 480 (16:9)——最终成片就是这个分辨率。生成器节点上显示的 608×352 是被编辑器连线覆盖的默认值，改了不生效；想用 608×352 这类更低分辨率（省显存、出片更快），把生成器上「宽度/高度」的连线断开再填数字即可
- 帧率：默认不用管——成片固定 24 帧/秒（编辑器内部值），「创建视频」节点里显示的帧率被编辑器连线覆盖，手动改了不生效。想自定义帧率：把「创建视频」节点的帧率输入线断开，填你想要的数字即可（比如 30 帧/秒更顺滑；帧率调低时同样的帧数播放时长变长——改帧率不用重新生成，立刻生效）
- 时长：拖任务段右边缘调整，示例任务段约 5~7 秒，拖得越长生成越慢
💡 防坑提示：为什么生成器和「创建视频」上的参数改了没用？你可能会在节点上看到 608×352、18 帧率之类的数字，试着改它——然后发现成片还是 832×480、24 帧率。这不是 bug，是 ComfyUI 的规则：参数被上游连线接住后，界面输入框就失效了，实际值以连线传入为准。判断方法：参数名旁边有小圆点连着线，就说明它被接管，改输入框无效；把线断开，输入框立刻恢复生效（想用更低分辨率，断线手填即可）。这篇工作流里，分辨率、帧率默认都被多轨编辑器接管了，所以默认只需要调编辑器顶部的分辨率和任务段时长，其余全自动。
然后点右侧的「运行」，等 5~20 分钟（取决于显卡）。跑完在「保存视频」节点看到结果——一段自带声音的多镜头短片：有对白、有环境音，转场也做进去了。
参数与管线速览（不用动，但要知道）
这篇工作流和前面几篇最大的不同在模型：它用的是 Ref2VA 专用模型（参考图/视频 → 视频），不是文生/图生那个主模型：
- Ref2VA 模型：minimax_h3_ref2va_pruned_int8（19.5GB，int8 量化）——专门吃"参考图 + 提示词"出视频
- 文本编码器：Qwen3VL-32B（NVFP4 量化 14.6GB）——理解参考图和长剧本
- 双 VAE：视频 VAE（4.9GB）+ 音频 VAE（0.6GB）——画面和声音分开解码，这就是成片带声音的原因
- 采样器：20 步 / CFG 1 / res_multistep + simple（H3 标准配置，不用动）
- 加速三件套已内置：int8 量化 + SageAttention + TE 蒸馏，16G 显存跑 608x352 没问题；更低配就减帧数、降分辨率
进阶玩法
- 多任务段：在时间线上再加一个任务段（编辑器里点「+」），第二段换参考图、换提示词，两段剧情首尾相接，串成更长的片子——这才是"多轨"的真正威力：一段拍相遇，一段拍离别，一段拍重逢
- 视频轨：把一段参考视频拖进 Video 轨，AI 会参考它的动作/运镜（和图片参考同理，视频里的人物也会被锁定）
- 转场技巧：转场写在镜头描述之间（淡入淡出/花瓣掠过/轻微动态模糊），AI 会尝试做出来，多抽几次选效果好的
常见问题
- 人物不像？查三处：参考图是否单人正脸清晰、<图N> 编号是否和实际图序一致、提示词结尾有没有"严格匹配<图N>"的强调
- 生成慢？默认 20 步可减到 12~16 步（CFG 保持 1 不动）；时长拖短；生成时关掉浏览器其他标签
- 转场不明显？转场效果有随机性，同一个任务多抽几次（换种子）
- 显存爆？分辨率选 608x352 以下一档，或把任务段拖短
小结
这一篇的"多轨编辑器"，本质是把 H3 的多参考能力做成了可视化时间线：参考图放上去、剧本写进去、时长拖出来，一次出一段带声音的分镜短片。人物锁定、多镜头、转场这些以前要反复调提示词的事，现在都在一条时间线上完成。
