本文是 MiniMax H3 视频生成系列第二篇，作者在 4080 12G 显存笔电上用 ComfyUI 本地运行 H3。文章首先分析官方公开的九套 Skills，涵盖产品广告、品牌宣传、纸拼贴、纸艺定格、歌词贴字 MV、3D 动画、手绘实拍融合和双人游戏开场，并附自制案例视频。随后详解 H3 提示词写作规范：先确定任务模式（T2VA/I2VA/FL2VA/L2VA/Ref2VA），为参考素材分工，定义视觉系统，单独列出屏幕文字的进入、可读与退出状态，按时间线写主体动作与运镜，将声音分为剧情内音景与非剧情配乐，规定转场继承方式，并明确结尾定格，最后给出一份可直接复用的 Prompt Spec 模板。
本文面向新手介绍如何在 ComfyUI 中使用开源视频大模型 MiniMax H3 生成带同步声音的视频。内容包括：检查本地电脑显卡、显存与磁盘空间（建议预留70-100GB）；Windows 安装 ComfyUI Desktop 的步骤；不适合本地时使用 Comfy Cloud 云端方案；使用官方 T2V/I2V/R2V 模板生成第一条5秒视频的参数与提示词写法；以及高清修复、多参考素材、首尾帧控制、长视频续拍、局部重绘等进阶工作流，最后给出常见问题排查和最稳学习路线。
本文详细介绍了如何在 RTX 4080 显卡上本地部署并运行 MiniMax H3 视频生成模型。作者分享了从 ComfyUI 环境配置、模型文件下载到工作流测试的全过程，并指出了中文口播不稳定等痛点及解决方案，为本地低成本生成视频提供了实战指南。
作者拆解了热门的AI视频换人技术，基于机智波玩AI发布的MiniMax H3角色替换工作流（RunningHub画布），讲解如何用现成模板最快做出第一版换人视频。文章指出应先认准真正生效的上方分支，第一步保留原视频只换角色参考图，第二步只修改提示词中换人对象的定位描述（用位置加衣服锁定目标），第三步照抄采样等参数不做凭感觉的调整，第四步通过分帧核查验证新结果并按错误类型逐项排查。最后总结可迁移的控制逻辑：视频给动作环境、图片给角色身份、提示词限定改动范围，建议按风险从小到大逐步修改素材。
文章系统调研了截至 2026 年 9 月社区对 MiniMax H3 视频编辑模型（Ref2VA）的实践情况，评估其“1:1 复刻”宣传的真实能力边界。作者按证据可信度分级，指出 H3 是整帧重生成而非像素级复制：换人玩法最热但身份稳定性最弱（约半数会丢身份），社区分化出遮罩合成路线保留背景；换背景最稳定；动作迁移最容易翻车。文章还详解官方六段式提示词规范、可直接套用的换人提示词骨架，并汇总身份、画质、音频、工程规格四类失败模式与硬限制，最后指出社区普遍缺乏 SSIM/MAE 量化验证这一空白。
本文是一份 MiniMax H3 模型本地部署的详细教程，涵盖从零装机到写出专业提示词的全过程。内容包含硬件自查、ComfyUI 安装、模型下载、T2V/I2V/R2V 生成流程、参数规则详解及加速优化方案，附带各档次显卡实测数据，帮助用户在本地运行带立体声的 AI 视频。
作者以马斯克版《流星雨》MV为例，详细讲解AI名人换脸的完整工作流。教程分为七步：准备原始素材并记录帧信息、拆分镜头并确定角色（如言承旭换黄仁勋、周渝民换马斯克）、为每个镜头生成换脸剧照、打包提示词与参考资料、使用MiniMax H3模型在DGX Spark上分两轮生成视频、将24帧生成视频对齐回原片30帧节奏，最后拼接成完整MV。文章还总结了质检流程、脚本工具使用方法，以及多次翻车经验教训，如三人齐弯腰、闭眼闭嘴等问题及修复方法。
文章介绍了一种简单易上手的AI视频玩法：上传一张图片加一条指令，即可生成360°环绕（Bullet Time）效果的视频。作者展示了旅游、美食、美妆、商业摄影、产品展示、服装穿搭等多个应用场景及商业潜力。实现方法分为两种：一是免部署的Web端方案，使用豆包等可生成视频的模型，配合文中提供的通用短指令和完整10秒详细指令；二是适合进阶用户的ComfyUI本地部署方案，通过加载MiniMax H3 I2V模板和360° Orbit LoRA实现。作者以设计师视角分享了最低门槛、可复用的AI玩法。
作者分享了用 Opus 5.5 作为 AI 导演，从剧本到成片全自动制作 AI 短剧《神文觉醒》的完整流程。人只参与三件事：提供剧本、回答问题、看片提意见，其余写提示词、出图、生成视频、挑片、剪辑、配乐全部由模型完成。文章提炼了 16 个技巧，包括分段生成、连戏表锁定细节、角色三视图、首尾帧生成画面文字、表演状态控制台词语气、抽帧审核等，并介绍分镜师 4.0 九环节工作流和 Studio 看片插件，展示了 AI 从操作员工具进化为导演的实践路径。
文章指出大多数 AI 视频提示词失败并非模型问题，而是提示词只描述了氛围而非镜头指导。作者提出专业 AI 影视提示词框架：INTENT（意图）→ SUBJECT+ACTION（主体与动作）→ FRAME（画面构图）→ OPTICS（镜头光学）→ CAMERA（运镜）→ PERFORMANCE+PHYSICS（表演与物理）→ LIGHT+SPACE（光线与空间）→ CONTINUITY（连贯性）。强调要描述可见行为、有动机的光线和运镜，区分文生视频与图生视频的提示方式，并遵循'一个镜头一个明确节拍'的原则。
作者拆解了 Playtime-AI 发布的 Sydney Sweeney 人物 LoRA（仅 155MB）如何在 MiniMax H3 视频模型上无需参考图、仅凭名字生成人物视频。文章讲解 LoRA 低秩自适应原理：冻结基础模型，只训练小矩阵 A、B 记录人物身份差量；还原训练过程（3440 步、120 epoch、rank 16、约 5% caption dropout）；并分享本地加载实践，包括底模版本兼容、量化格式、采样步数（6 步而非 30 步才清晰）和触发词拼写等常见坑。最后指出 LoRA 技术正在改变人物身份的传播方式。
作者李岳分享了如何用自己开发的开源 Skill「female-outfit-director（女性换装导演）」复刻抖音爆款卡点换装视频。文章详细讲解了换装视频在 AI 生成中的难点，如人物一致性、首帧与视频因果关系断裂、双重身体等问题，并提出以结构母图（九宫格拼贴首帧）为核心的解决方案。Skill 能锁定人物身份、生成 7 套造型的首帧、输出精确到秒的换装时间轴，并内置 12 种换装机制。作者用 Seedance 2.5 实测还原度约 80%，项目已开源至 GitHub 并获 607 Star。作者强调 Skill 的价值在于将复刻爆款的方法论沉淀为可复用的工作流。
本文介绍了 Dance Director Skill 的使用方法，该 Skill 能将 AI 从简单的 Prompt 生成器转变为'舞蹈导演'。用户只需提供一张角色图片，AI 即可按照导演规则自动设计编舞、镜头运动和 H3 I2VA 提示词，无需手动编写复杂的舞蹈指令。Skill 支持无音乐时共同创作音乐与编舞，也支持有音乐时根据节拍进行音乐驱动编舞。文章附带了完整的 Skill 内容，涵盖角色设定、动作短语思维、参考图视觉权威、编舞匹配角色、身体力学、动作幅度、音乐性等编舞设计原则。
