ComfyUI 搭配 MiniMax H3：在免费版本中，它是否优于 Kling AI、Seedance 及其他视频生成器？

该模型提供了多种接口——我们选择了 MiniMax H3。它可以在 Ollama 中运行，例如，也可以在 Pinokio 或 Stability Matrix 中运行。后者还包含 ComfyUI，这是一个用于 AI 工作流的图形界面，不仅限于视频生成。 不过，我在使用该组合时遇到了问题，因此我选择了独立版的 ComfyUI（ComfyUI.org），该软件可作为应用程序下载，支持 Windows 及其他平台。

对于初学者来说，ComfyUI 需要一段时间才能适应，但它为视频生成开辟了广阔的可能性。您可以通过单个节点构建工作流，这本质上是一个由多个工具/节点组成的模块化工具包。每个节点都有一个输入和一个输出，并且可以与其他节点连接。

所有工具均被划分为独立的节点。例如，有一个用于文本提示的节点，多个图像节点（可作为视频生成前的参考或中间步骤），以及其他工具。 理论上，您可以为每个节点加载独立的AI模型——例如，文本提示采用大语言模型（LLM），图像节点采用图像生成模型，以此类推。这些AI模型自然会占用大量存储空间。最终，所有节点的数据都会汇入视频生成节点，从而产出最终结果。

起初，我们尝试了“文本转视频”预设，但很快便转向了“参考图转视频”模式。

这之所以特别有用，是因为它还能确保环境、物体和人物的一致性。例如，在我们的第一段视频中，我们创建了一艘由积木搭建的战列舰，在画面中飞驰而过。 在480p分辨率下，生成该场景大约需要5.5分钟，而借助合适的硬件，还可以实现更高的分辨率。然而，在即将出现的某个场景中，我们希望再次使用完全相同的战列舰。 于是，我们截取了这艘飞船的前后视图，导入图像后，将其作为名为“Ship_front”和“Ship_rear”的参考素材链接到主节点，并指示AI在另一个场景中使用这艘完全相同的飞船。否则，AI就会生成一种全新的外观。

经过一段时间熟悉系统，并在“YouTube教授”的帮助下，我们很快为视频场景搭建了首个工作流程，并生成了令我们俩都非常满意的视频。一个大型语言模型（此处指ChatGPT）帮助我们针对MiniMax H3量身定制了文本提示，使其精准且详尽。

我的工作流程：在ChatGPT中，我描述了脑海中设想的视觉效果，明确指出某些品牌名称不应出现（但视觉风格仍可受其启发），说明应具有电影般的质感，并指定了需要包含的参考素材（如Ship_front）。只有在完成这些步骤后，我才开始描述场景。 我将ChatGPT定制的提示语粘贴到ComfyUI的文本节点中，如有必要，再添加参考图片，至此便大功告成。

您还可以让ChatGPT根据期望的风格和其他参数生成一个通用提示词，并将其保存以备后用。如果您再次将该提示词输入到大型语言模型（LLM）中，模型便会拥有所有必要的信息，您可以立即描述下一场景。

无论如何，相比Kling AI、Seedance及类似服务的免费版本，我和儿子对生成的结果都满意得多。丰富的选项也鼓励用户进行尝试，而且你终于可以摆脱烦人的积分限制、订阅提示、广告以及数据安全方面的担忧。不过，分辨率仍然是个问题。 全高清（Full HD）或更高分辨率甚至没有作为选项出现，这大概是因为硬件要求过高。未来的模型在这方面可能会变得更加高效。目前，你也可以通过升频工具来扩展你的工作流程。

任何拥有必要硬件且对电影生成感兴趣的人，都应该关注一下 ComfyUI 以及一款优质的本地 AI 模型。尤其是 ComfyUI，它能够实现极其复杂、分层的工作流程——当然，前提是你确实需要这些功能。不过，对于入门用户来说，基本功能已经一应俱全，而且可以快速掌握。