H3 文生视频上手：一句话，生成带声音的视频
这个工作流能做什么
一句话说清楚：你写一段文字，它直接生成一段带声音的视频。不用拍、不用剪、不用配音——H3 生成画面的时候，把对白、音效、音乐一起"算"出来了，这是它和别的视频模型最大的不同。
这个官方流程（官流）是 H3 最标准、最稳定的玩法，整张工作流图只有 4 个要看的节点，特别适合第一次接触视频生成的新手。
第 1 步：启动整合包，打开工作流
双击 ComfyUI启动器.exe（或运行 run_nvidia_gpu.bat），等浏览器弹出 ComfyUI 界面后：
- 在左侧「工作流」列表里找到 AI星尘-Minimax H3 文件夹
- 打开 H3文生视频工作流（官流）.json
打开后你会看到一张干净的流程图，最上方一行大字写着「AI星尘---Minimax-H3文生视频工作流（本地版）」。打开工作流后如果看到弹窗提示，直接点「载入」确认即可。
第 2 步：认识这张图（一共 4 个节点，别被吓到）
从右往左，只有 4 样东西：
- 1. 蓝色大节点（MiniMax H3）——整张图的核心，你要写的提示词、要调的参数全在这一个节点上。别看它个头大，真正需要你碰的只有「prompt（提示词）」「duration（时长）」「noise_seed（随机种子）」三个框。
- 2. 分辨率选择器（Resolution Selector）——选画面大小的，默认 16:9 宽屏、0.4（实际出图 864×480）。显存紧张的话先调成最小 0.2（608×352），后面跑通了再往上加。
- 3. 保存视频（Save Video）——视频从这里输出，文件名前缀默认
video/MiniMax_H3，不用改。 - 4. 三张黑色说明卡片——官方写的使用说明和模型清单，看热闹用，不影响运行。
中间的连线、小节点都是厂家封装好的（模型加载、采样、音频合成都在里面），不用管，也别动。
第 3 步：先把参数调到最低，跑通第一遍
视频生成很吃显存，第一次跑先把配置压到最低，确保能跑通：
- 分辨率选择器里选 0.2（最小档，608×352）
- 主节点上把 duration（时长）改成 5（默认是 5 秒，我们生成个 5 秒的短片试试手）
提示词保持官方自带的那段不动（一段英文，讲的是"雨夜都市屋顶追捕"的动作片分镜），然后点右下角或顶部的「执行」按钮。
第一次跑会先把 4 个模型加载进显存，然后开始逐帧生成。整个过程几分钟到十几分钟都正常（视频是逐帧算的，比图片慢得多，分辨率越低、时长越短越快）。跑完后点「保存视频」节点上的预览，就能看到一段约 5 秒、带声音的城市追捕短片。
🎧 注意戴上耳机——画面里真的有声音：脚步声、风声、城市环境音，甚至还有一下重音落点。
第 4 步：提示词怎么写（全文重点，看这里）
这段自带提示词就是 H3 的官方"范文"，我们拆开看它的结构——照着这个结构写，你就能写出自己的视频：
① 第一段：整体风格一句话
告诉 H3 这是"什么样的片子"：实拍电影感 / 动画 / 广告片 / 纪录片……再加画面风格（黄昏都市、浅景深、胶片颗粒、体积雾）。
例：实拍电影感、动作片预告片风格：黄昏的赛博都市，浅景深，胶片颗粒
② 第二段：场景和剧情概述
这段"发生了什么"：谁、在哪、做什么。H3 会根据这段脑补出连贯的画面。
例：主角在摩天楼顶被追杀，从一栋楼顶跃向另一栋，身后追兵逼近
③ 第三段：分镜时间轴（最出效果的一段）
按秒切分镜头，每段写清楚镜头几、什么机位、画面里发生什么。官方样例是 5 秒 4 个镜头：
[0s-1.5s] 镜头1：高侧机位，主角在楼顶狂奔，追兵从门后出现
[1s-2.5s] 镜头2：主角腾空跃过楼间，慢动作，身后是车流光轨
[2.5s-4s] 镜头3：落地翻滚起身，低机位，阴影和雾气
[4s-5s] 镜头4：定格：跃向下一栋楼的瞬间剪影（镜头时间可以重叠，H3 会自动衔接转场）
④ 第四段：镜头语言 + 音频设计 + 约束
补充剪辑节奏（硬切、不要淡入淡出）、声音设计（脚步声、环境音、音乐在哪一下重音），以及"不要什么"（无水印、无字幕、不要卡通渲染）。
新手提示：中文直接写就行。H3 用的 Qwen3-VL 语言模型中文理解很强，上面这套结构全部用中文写也没问题。怕写不好，就先抄结构、换内容：把"追捕"换成"晨跑""婚礼""星际旅行"，把场景词换掉，5 分钟就能出一段自己的视频。
第 5 步：跑通之后，再慢慢加码
第一遍跑通（5 秒、0.2 分辨率）之后，再按这个顺序往上加：
- 时长（duration）：5 秒起步，想长一点就填 10，最长约 15 秒。时长越长生成越慢，别一上来就挑战 15 秒。
- 分辨率：从 0.2 一档一档往上加——0.4（864×480）是官方默认档，0.98（1344×768）接近高清。加到哪一档开始卡、报错，就退回上一档用。
- 随机种子（noise_seed）：默认是随机的，每次生成都不同；看到特别满意的作品，把当时的种子数字记下来，下次填回去就能复现。
判断标准很简单：哪一档跑不稳，就降一档。视频生成吃显存，够用就行，画质差距在手机上根本看不出来。
第 6 步：视频生成到哪了
所有生成的视频都保存在整合包的 ComfyUI/output/video/ 目录下，文件名形如 MiniMax_H3_00001.mp4。也可以在「保存视频」节点上右键 → Open，直接打开文件夹。
新手常见问题
- 生成要多久？几分钟了还没好，正常吗？正常。视频是逐帧算的，20 步采样 × 上百帧，5 秒视频也要几分钟到十几分钟。分辨率越低、时长越短越快。
- 跑着跑着 ComfyUI 自动退出 / 断开了？大概率是内存或显存不够。把分辨率调到最小 0.2、时长控制在 5 秒内，关闭浏览器多余标签和其他占内存的程序再试；还不行就重启电脑释放内存。
- 生成完没有声音？检查一下有没有误删节点——这个工作流里音频是自动合成的，不需要任何额外操作；换个视频播放器试试（某些播放器不播音频轨）。
- 最多只能 15 秒？对，这是 H3 模型本身的上限。想要更长的片子，可以用「视频插帧」工作流延长，或者把多段生成结果剪接起来。
- 显卡一般能跑吗？整合包里是 Int8 量化版模型，16GB 显存可流畅运行；8GB 显存按本教程最低配置（0.2 分辨率 + 5 秒）也能尝试。
- 提示词用中文还是英文？中文完全可以，结构建议照上面的四段式写；英文效果更稳（训练数据多），但中文已经够用。
想直接开跑？
本教程用的是 AI星尘 Minimax-H3 整合包，模型环境全部内置、解压即用；已经有 ComfyUI 环境的，也可以单独购买 AI星尘 Minimax-H3 整合包 单独工作流（16 个工作流文件，导入即用）。
