相信很多想做 AI 短视频、AI 漫剧或自制小短剧的朋友最近都关注到了 MiniMax H3 相关的模型与工作流。网上关于“minimaxh3 上下文长视频工作流”的讨论不少但资料非常零散有的讲模型下载、有的讲 ComfyUI 部署、还有的一上来就贴长 JSON 节点图结果绕了半天还是不知道“上下文”到底怎么串起来。这篇文章我会从本地视频生成场景出发完整拆解一套“上下文长视频工作流”的搭建思路重点解决三个问题一是如何在 ComfyUI 中加载和使用 MiniMax H3 这类模型二是多镜头生成时如何保持一致的角色、场景和风格三是如何把零散的几秒片段拼成逻辑连贯的小短剧。如果你有一定 ComfyUI 基础可以直接跳到第 3 节以后看工作流串联如果你是纯新手建议按顺序把基本概念过一遍因为长视频工作流能不能跑通很多时候不是模型不行而是工作流设计有问题。1. 背景与核心概念1.1 为什么普通工作流生成不了“长视频小短剧”很多 AI 视频模型单次生成时长都很短常见的是 4 到 10 秒左右。你要自制一部小短剧肯定不能只有一两秒的素材而是需要多个镜头拼接。这里就出现第一个矛盾模型单次生成能力有限但短剧需要连续叙事。有人会想那我让模型一次生成一分钟不就行了且不说显存、算力和推理时间是否允许目前视频生成模型对长时程“剧情”的稳定表达能力还不够很多模型生成到后半段会出现动作漂移、物体变形、角色“换脸”之类的问题。所以更稳妥的做法不是“让模型硬生成长视频”而是把长视频拆成多个镜头再用工作流把上下文一段一段传下去。MiniMax H3 相关的社区整合包和 ComfyUI 节点之所以受到关注一方面是因为它本身在多模态内容理解与视频生成上表现不错另一方面是它可以在 ComfyUI 节点式环境里运行方便通过不同节点做“前一个镜头结束画面 - 后一个镜头起始画面”这类上下文传递。这是实现自制小短剧的重要基础。1.2 什么是“上下文”长视频工作流在 ComfyUI 这类节点工具里“上下文”不是一个模糊概念它具体指代生成每一个镜头时模型能看到哪些额外信息。如果你只是生成一个独立镜头模型获得的上下文可能只有一段 prompt 文字。比如深夜便利店店员站在收银台后镜头缓缓推近。这个镜头生成出来后下一个镜头如果还让同一个店员出现模型并不知道上一个镜头里这个店员长什么样。结果往往是镜头 1 里的店员是黑短发镜头 2 里可能变成了长发穿的衣服也变了甚至“性别”都变了。所谓长视频工作流就是要把“角色外形”“服装道具”“场景环境”“光线风格”等全局信息固化下来同时把“上一镜头的尾帧画面”作为下一镜头的参考上下文输入模型。用公式表示下一镜头输入 全局角色/场景描述 上一个镜头尾帧 分镜 prompt当每个镜头都能拿到这些信息时最终拼接出来的短剧才会有连续感。1.3 这个工作流适合谁这篇文章适合下面几类读者想用 AI 批量制作短视频、短剧或漫剧的个人创作者。已经用过 ComfyUI 文生图、图生视频但还没理清多镜头串联原理的玩家。需要为公司搭建可复用的“AI 视频生产流水线”的算法工程师或技术运营。想了解 MiniMax H3 这类模型在本地 ComfyUI 中如何调度资源的人。本文会围绕具体流程展开涉及较多工程细节但不会去虚构不存在的模型参数或官方发布信息。实际环境中不同版本的模型封装、ComfyUI 自定义节点差异较大我会尽量把思路讲清楚再给出可调整的代码和配置。2. 环境准备与版本说明2.1 硬件要求长视频工作流比单张图片生成更吃显存尤其是需要同时加载文本编码器、视频模型和 VAE 的时候。如果你只是做 480p 左右、5 秒内的小镜头测试建议显存不低于 16GB如果要做 720p 或更长片段建议使用 24GB 及以上显存。显存不足时可以先降低生成分辨率例如从 960x544 降到 832x480 甚至 768x432先把流程跑通再逐步提升画质。操作系统方面Windows 11 和 Ubuntu 22.04 都是常见环境。Windows 上注意显卡驱动和 CUDA 版本配套Ubuntu 上还需要额外确认 ffmpeg、gcc 等系统依赖是否完整。2.2 软件环境ComfyUI 本身是一个基于 Python 的节点式 AI 绘图/视频生成工具。官方推荐使用独立虚拟环境安装避免和系统 Python 环境冲突。核心环境大致如下Python 3.10 或 3.11 PyTorch 2.x需根据 CUDA 版本安装 ComfyUI 最新版本或社区整合包 FFmpeg用于视频拼接与转码版本说明以上版本需要根据你的项目实际情况调整不同 ComfyUI 版本自带的节点 API 有差异。如果你使用的是秋叶整合包、绘世启动器或其他社区整合包建议优先按整合包作者给出的 Python 环境来安装缺失依赖不要随意升级全局 PyTorch否则可能导致自定义节点不兼容。2.3 模型目录放置ComfyUI 加载模型时通常默认扫描ComfyUI/models目录下的子文件夹。如果你下载的是 MiniMax H3 的视频生成模型、VAE 文件和文本编码器建议按下面的目录结构整理ComfyUI/models/ ├── diffusion_models/ │ ├── minimax_h3/ │ │ └── minimax_h3_video_model.safetensors ├── vae/ │ ├── minimax_h3/ │ │ └── minimax_h3_audio_vae_fp32.safetensors ├── clip/ │ ├── minimax_h3/ │ │ └── minimax_h3_text_encoder.safetensors └── custom_nodes/ └── ComfyUI-VideoHelperSuite/为什么这里要单独强调目录结构因为很多莫名其妙的报错都是“模型文件放了但 ComfyUI 扫描不到”。社区中有一个高频报错长这样Value not in list: vae_name: minimaxh3\\minimax_h3_audio_vae_fp32.safetensors这个报错通常不是模型文件损坏而是 ComfyUI 的模型列表里根本没找到该文件名。可能原因包括VAE 文件没有放在正确的目录自定义节点需要扫描后重启才能刷新列表模型文件名与节点内置关联不一致。遇到这个报错时不要急着重新下载模型先确认路径和文件是否存在再在节点右侧下拉框中手动重新选择一次。上面提到的ComfyUI-VideoHelperSuite是社区较常用的视频工具节点集合主要处理视频加载、帧抽取、视频合并等操作。正式安装时请以你所用 ComfyUI 版本对应的安装说明为准。2.4 安装缺失的自定义节点导入别人分享的 ComfyUI 工作流时经常会看到这样的提示请安装缺失的包以使用此工作流。要安装缺失的节点请先在你的 Python 环境中运行...这说明工作流在导出时包含了你本地没有安装的自定义节点。处理方式分两步第一步根据工作流 JSON 里的节点类型名找到对应的自定义节点项目名。第二步在 ComfyUI 的custom_nodes目录下执行安装命令。以 ComfyUI 自带的虚拟环境为例cd ComfyUI/custom_nodes git clone 节点项目地址 cd 节点项目目录 pip install -r requirements.txt安装完成后必须重启 ComfyUI再重新导入工作流。不要装完节点不重启就直接刷新页面很多节点列表加载是在启动阶段完成的。3. 核心原理拆解如何搭建上下文长视频生成链路3.1 工作流设计本质从“单镜头生成”到“分镜剧本生产”搭建上下文长视频工作流时不要一开始就陷入节点细节。建议先在脑海里把流程抽象成一条流水线编剧层把故事写成结构化的分镜脚本。全局上下文层提取角色、场景、灯光、风格等固定信息。逐镜生成层每个镜头带着全局上下文 参考帧 分镜描述去生成片段。拼接层将所有片段按镜头顺序合并并做必要的转场处理。大多数人在 ComfyUI 里遇到的困难都是因为把第 2 层和第 4 层忽略了。如果只把分镜 prompt 一排排生成效果就像 PPT 一样每页之间没有关联最终拼出来也不是短剧而是“连续图片展示”。所以我建议无论你最终用哪个具体节点实现工作流中一定要有独立的“角色信息表”和“场景信息表”。它们的作用是保证每个镜头复用相同的角色外貌描述。3.2 上下文有几种传递方式在 ComfyUI 中上下文传递通常由下面任意一种或几种组合完成。文本上下文所有镜头共享角色描述、服装描述、场景描述。这是成本最低、最容易实现的一致性约束。图像上下文将上一镜头的最后一帧作为下一镜头的“起始帧”或“参考图”。许多视频生成模型支持参考图引导这种方式能显著提升角色一致性。模型级上下文通过训练 LoRA 或使用角色 embedding 固定人物特征。适合需要大量镜头且人物出现频率极高的短剧项目但前期训练成本较高。实际操作中我的经验是“文本上下文 图像上下文”组合起来最实用。文本上下文保证大方向不出错图像上下文把上一个镜头的空间构图、人脸特征和光影关系带给下一个镜头。3.3 为什么要把“长剧本”拆成“分镜头 JSON”如果你只用自然语言把整个短剧文本塞进提示词框模型会面临两个问题一是文本过长后容易被无关细节干扰二是很难按照指定顺序逐镜生成。考虑到很多朋友也会遇到 LLM Agent 中“上下文用量满了怎么办”的烦恼视频生成工作流里更要控制“每步需要的信息量”而不是一股脑把所有描述全部传给视频模型。我们需要把剧本格式化为结构化 JSON例如{ title: 深夜便利店, scene: { environment: 凌晨的便利店白色日光灯货架整齐窗外下着雨, lighting: 冷白光为主窗外稍暗, style: 电影感自然肤色35mm 镜头感 }, characters: [ { id: lin, name: 阿林, appearance: 黑色短发红色围裙胸前有 24H 字样左眼下方有一颗小痣, clothes: 便利店员工制服 }, { id: guest, name: 深夜顾客, appearance: 穿黑色风衣戴眼镜头发被雨水打湿, clothes: 黑色风衣 } ], shots: [ { shot_id: 1, type: establishing, description: 雨夜便利店外观霓虹招牌亮着门口路灯下有积水倒影。, duration_sec: 4 }, { shot_id: 2, type: medium, description: 阿林站在收银台后低头整理关东煮顾客在玻璃门外收伞。, dialogue: 开门铃欢迎光临。, duration_sec: 5 }, { shot_id: 3, type: closeup, description: 阿林抬头看向顾客方向表情带着一点惊讶。, dialogue: 你……又加班到这么晚吗, duration_sec: 4 } ] }这样拆分的好处是每个镜头只需要把scene、characters和当前shot拼接成一段完整提示词其他镜头的信息不必全部塞进去大大减少了无用的上下文干扰。3.4 提示词模板设计拿到结构化的 JSON 后还不能直接丢给视频模型而是要有一套稳定的提示词模板。下面是一个可以调整的基础模板[风格]电影感写实风格自然肤色35mm 镜头感 [场景]凌晨的便利店白色日光灯货架整齐窗外下着雨 [灯光]冷白光为主窗外稍暗 [角色]阿林黑色短发红色围裙胸前有 24H 字样左眼下方有一颗小痣穿着便利店员工制服 [镜头内容]阿林站在收银台后低头整理关东煮顾客在玻璃门外收伞 [镜头景别]中景 [镜头运动]固定镜头轻微推近 [时间]4 秒为什么要把画面信息拆成固定字段因为在实际生成中顺序混乱或字段缺失都可能导致角色特征丢失。如果你的模型是英文效果更好可以在生成前先把中文模板翻译成英文但字段结构保持统一比如Style,Location,Lighting,Character,Action,Camera,Duration。很多人在生成短剧时容易忽略“镜头运动”。但视频模型对镜头语言非常敏感。如果你在分镜脚本里写“特写”又在生成时默认为“固定机位”那最终成品会非常单调。建议分镜脚本里显式标注景别远景 / 全景 / 中景 / 近景 / 特写 运动固定 / 推近 / 拉远 / 左摇 / 右摇 / 跟随这组信息是每个镜头 prompt 中很重要的一部分。4. 完整实战案例搭建 3 镜头小短剧工作流4.1 工作流整体节点结构为了避免直接抄一份不可运行的复杂 JSON这里用文字 节点清单的方式把链路描述清楚。你可以在 ComfyUI 中按下面的顺序连接节点。第一阶段脚本装载Load MiniMax Shot Script推荐自己写一个简单的 Python 自定义节点或直接用“文本节点 JSON 解析节点”替代。该阶段输出每个镜头需要的 prompt、角色描述和输出文件名。第二阶段视频生成MiniMax H3 Model Loader CLIP Text Encode Load Image 或 Load Video用于读取上一镜头的参考帧/尾帧 MiniMax H3 Video Sampler / Inference Node VAE Decode第三阶段结果保存VideoHelperSuite - VHS_VideoCombine保存节点会统一设置fps、format等参数。整体节点连接思路如下读取shot_index 0的镜头脚本。把第 0 镜头的 prompt 输入到视频采样器。因为没有上一镜头第 0 镜头的参考帧可以用空图或首帧提示词描述图代替。生成第 0 镜头视频后保存视频并通过“取尾帧”节点抽出最后一帧图像。把第 1 镜头的 prompt 和上一镜头尾帧一起输入到视频采样器。重复执行直到所有镜头生成完毕。4.2 自定义节点示例读取分镜脚本如果你熟悉 ComfyUI 自定义节点开发可以实现一个简单的MiniMaxShotLoader节点。下面的代码是思路演示正式使用时需要根据你的节点类型和模型要求适配。# 文件路径ComfyUI/custom_nodes/minimax_shot_loader/nodes.py import json class MiniMaxShotLoader: classmethod def INPUT_TYPES(cls): return { required: { script_path: (STRING, { default: script.json, multiline: False }), shot_index: (INT, { default: 0, min: 0, max: 9999, step: 1 }) } } RETURN_TYPES (STRING, STRING, STRING, STRING) RETURN_NAMES (shot_prompt, global_context, character_info, output_name) FUNCTION load_shot CATEGORY MiniMaxH3/Shot def load_shot(self, script_path, shot_index): with open(script_path, r, encodingutf-8) as f: script json.load(f) scene script[scene] characters script[characters] shot script[shots][shot_index] global_context ( f环境: {scene[environment]}; f灯光: {scene[lighting]}; f风格: {scene[style]} ) character_info ; .join( f{c[name]}: {c[appearance]}, 穿着{c[clothes]} for c in characters ) shot_prompt ( f分镜内容: {shot[description]}; f景别: {shot[type]}; f时长: {shot[duration_sec]}秒 ) output_name fshot_{shot_index:03d}.mp4 return shot_prompt, global_context, character_info, output_name这个节点的作用是帮助你管理镜头脚本避免手动复制粘贴错角色描述。加载后ComfyUI 上会多出一组字符串输出你可以直接把它们连到提示词拼接节点或视频采样器。4.3 提示词拼接节点示例ComfyUI 原生自带一些文本拼接节点如果你不想再写一个自定义节点也可以使用 ComfyUI 的Text Concatenate节点。但长视频项目里我更推荐自己维护一个“字段模板”防止某次修改漏掉characters字段。下面继续用 Python 自定义节点演示class MiniMaxPromptBuilder: classmethod def INPUT_TYPES(cls): return { required: { global_context: (STRING, {forceInput: True}), character_info: (STRING, {forceInput: True}), shot_prompt: (STRING, {forceInput: True}), resolution: (STRING, {default: 832x480}), fps: (INT, {default: 24, min: 8, max: 60}) } } RETURN_TYPES (STRING,) RETURN_NAMES (final_prompt,) FUNCTION build CATEGORY MiniMaxH3/Prompt def build(self, global_context, character_info, shot_prompt, resolution, fps): final_prompt \n.join([ [全局场景] global_context, [角色信息] character_info, [本镜任务] shot_prompt, [画幅] resolution, [帧率] str(fps) fps, ]) return (final_prompt,)有些模型对纯文本 prompt 中的换行敏感如果你遇到模型忽略 prompt 后段内容的情况可以把换行改成逗号分隔也可以全部转成英文。小结提示词拼接节点的职责是“按模板组装”不要在这个节点里做复杂逻辑。4.4 参考帧上下文节点取上一镜头尾帧在 ComfyUI 中如果使用 VideoHelperSuite你可以生成视频后用VHS_VideoInfo获取视频帧信息再用VHS_VideoPatch或帧采样节点取出尾帧。一个简单思路是保存视频时同时把最后一帧导出为 PNG 图片路径统一为reference_frames/shot_000.png。下一个镜头读取这个 PNG 作为图片参考。如果你用的是图生视频模型节点那么通常会有一个reference_image或start_image输入口。把 PNG 图片接入这个输入口就能实现跨镜头的图像上下文传递。4.5 生成第 0 个镜头对于全剧的第 0 个镜头没有上一镜头尾帧引用。此时可以使用空的灰度图或纯黑图作为首帧。使用剧本第 0 镜头的“关键画面描述”先生成一张静态图再把静态图作为视频生成的首帧。我通常偏向第二种方式因为空首帧会让初始画面存在随机性。尤其是短剧第一个镜头往往是环境空镜或主角登场先确定首帧画面再生成视频能减少不必要的返工。4.6 逐镜生成与上下文传递流程实际操作时如果你不想频繁修改shot_index参数可以在 ComfyUI 外部写一个 Python 脚本通过调用 ComfyUI API 批量提交不同参数。下面的示例代码展示如何按镜头顺序循环提交工作流# 文件路径run_short_drama.py import json import requests COMFYUI_API_URL http://127.0.0.1:8188/prompt workflow json.load(open(workflow_api.json, encodingutf-8)) for shot_index in range(3): shot_node_id 5 # 替换为你工作流中 MiniMaxShotLoader 节点的 id workflow[shot_node_id][inputs][shot_index] shot_index if shot_index 0: reference_node_id 12 # 假设 reference 已经从上一镜头输出图更新 workflow[reference_node_id][inputs][image] ( freference_frames/shot_{shot_index - 1:03d}.png ) response requests.post(COMFYUI_API_URL, json{prompt: workflow}) print(fsubmit shot {shot_index}, response: {response.text})这个脚本只是一个批处理示例。由于不同工作流的节点 id 完全不同你需要先打开 ComfyUI 的“开发者模式”导出 API 格式的 workflow JSON再根据节点实际 id 修改。4.7 拼接与后处理所有镜头生成完成后你可以用 FFmpeg 做简单的顺序拼接ffmpeg -f concat -safe 0 -i filelist.txt -c copy output.mp4其中filelist.txt内容如下file outputs/shot_000.mp4 file outputs/shot_001.mp4 file outputs/shot_002.mp4如果每段视频的编码参数不同直接 concat 可能失败此时可以统一转成相同编码后再拼接ffmpeg -i shot_000.mp4 -c:v libx264 -r 24 -pix_fmt yuv420p tmp_000.mp4 ffmpeg -i shot_001.mp4 -c:v libx264 -r 24 -pix_fmt yuv420p tmp_001.mp4 ffmpeg -i shot_002.mp4 -c:v libx264 -r 24 -pix_fmt yuv420p tmp_002.mp4然后再使用 concat 方式拼接。如果你希望镜头之间带有淡入淡出或交叉溶解效果可以加入xfade滤镜。但要注意滤镜会重新编码整个视频耗时较长。对短剧草稿而言先硬切看节奏等剧情确认后再做转场可能效率更高。5. 常见问题与排查思路5.1 常见报错速查表问题现象常见原因解决思路Value not in list: vae_nameVAE 文件未放入正确目录或模型列表未刷新检查 models/vae 目录重启 ComfyUI在下拉框中手动重选导入工作流提示缺少自定义节点对应节点未安装或 requirements 未安装在 custom_nodes 安装节点执行 pip install -r requirements.txt重启显存不足 / CUDA out of memory分辨率高、帧数多、多个模型同时驻留显存降低分辨率减少单次生成帧数使用 FP8/低显存优化关闭多余采样器角色形象前后不一致只传了分镜内容没传角色表和参考帧在下游节点接入角色信息用上一镜头尾帧作为起始帧视频画面闪烁严重单镜头内部不稳定或首尾帧差异过大固定 seed多次采样选择稳定结果降低镜头中的剧烈运动视频后半段人物变形单次生成时长过长模型难以维持长时间稳定拆成更短的镜头例如每段 3-4 秒再用上下文衔接生成结果与 prompt 无关提示词模板顺序混乱或正负提示词不匹配精简 prompt把角色表和场景写在动作描述前检查模型是否正确加载5.2 “生成上下文不生效”怎么排查这是自制短剧时最容易出错的地方。首先查看你的提示词拼接节点。你可以在工作流里加一个文本显示节点把最终传给模型的final_prompt打印出来确认角色信息确实拼接进去了。其次查看参考图路径。如果你手动指定了上一镜头的参考图请确认文件存在且不是上一版本的旧图。很多“上下文不生效”是因为参考图路径写错了模型实际拿到的是一个随机噪声图或空图。最后有的视频生成模型并不支持参考图强约束它只是把参考图当作一种风格提示。遇到这种情况时可以考虑用 LoRA 锁定角色。这也是为什么长视频项目里如果角色出现频率很高建议额外训练一个角色 LoRA。5.3 不建议盲目叠加“深度控制”以外的额外节点很多新手看到别人工作流里有一堆 ControlNet、IPAdapter就也跟着全部叠加结果视频生成速度慢到无法接受还容易出现互相冲突。ControlNet 类节点适合控制构图、姿势、边缘但如果只是短剧里比较简单的“收银台前整理东西”这类动作不一定需要 ControlNet。上下文参考帧已经提供了足够的构图约束。我的建议是先跑通最简工作流确认上下文链路有效后再逐步添加辅助控制节点。6. 最佳实践与工程建议6.1 建立“角色卡”和“场景卡”文件在一个长期更新的短剧项目中不要只在 prompt 里写中文描述建议单独建立一个项目目录my_short_drama/ ├── script/ │ └── drama.json ├── prompts/ │ ├── characters.md │ ├── scene.md │ └── style.md ├── reference_frames/ ├── outputs/ └── workflows/characters.md记录每个角色的长相特征、服装、口头禅、性格标签。生成每个镜头时都从这些文件读取而不是临时在 ComfyUI 里改文字。这样可以防止你改了一个镜头的 prompt后面所有镜头角色跟着漂移。6.2 先固定风格语言如果你确定要做“电影感写实”风格所有镜头都要用同一组风格词比如cinematic lighting, realistic skin, natural color, 35mm lens不要在第 1 个镜头写 “写实”第 2 个镜头写 “realistic”第 3 个镜头写 “照片级真实”。中英文混用往往不是问题但如果风格描述不一致模型对风格的理解会产生波动。6.3 使用 Seed 控制的技巧视频生成中的seed是一个容易被忽略的上下文参数。每个镜头独立生成时不同 seed 会导致镜头间画面构图差异变大。如果你希望镜头整体色调接近可以固定多个镜头使用同一全局 seed再通过修改 prompt 中的动作描述来产生内容变化。如果一个镜头的画面很好但动作不对可以固定 seed只微调 prompt而不是完全随机重跑。对于批量出片建议把 seed 记录到文件名中例如shot_001_seed_12345678.mp4这样方便排查“为什么同一个 prompt两次生成差异巨大”的问题。6.4 小步验证先出 3 秒测试不要一口气跑长片段长视频工作流的预算消耗是很高的。如果你是第一次搭建不要直接跑 10 秒或 15 秒片段。建议先做如下测试矩阵单镜头生成分辨率 832x4803 秒1 个角色。验证模型加载和基础生成是否正常。两镜头串联第 0 镜生成后取尾帧第 1 镜用尾帧角色卡生成。验证上下文传递是否有效。三镜头连贯测试验证生成时间和角色一致率。全片批量生成确认脚本循环逻辑无误后再批量跑全片。这个顺序能帮你把“工具链问题”和“剧本/提示词问题”分开。如果两镜头串联时角色不一致先不要急着改剧本而应该检查角色卡或参考帧是否生效。6.5 注意安全合规与版权边界最后也是非常重要的一点AI 视频生成工具不要用来制作违背法律法规、侵犯肖像权或包含不良导向的内容。涉及真实人物肖像的短视频项目务必要获得授权涉及品牌商标的也要谨慎使用。企业项目尤其要注意模型许可协议不要在未确认商用条款的情况下直接用于商业发行。另外批量生成会产生大量素材文件。建议定期清理临时帧、失败输出保留有代表性的样片和最终成片。磁盘空间不足往往是长视频项目容易踩的坑一个 3 秒 480p 视频可能在几十 MB 到几百 MB 不等如果反复生成几十次占用空间会上升得很快。7. 总结与后续行动这篇文章的核心不是告诉你某一条具体节点线而是帮你建立一个可复用、可排查的上下文长视频工作流框架。你要记住的关键点有三个第一不要试图让模型一口气生成长视频而是做分镜式生产第二每个镜头都携带全局角色/场景/风格上下文并通过上一镜头尾帧进行图像上下文衔接第三工作流要能基于结构化 JSON 批量执行而不是每次手动复制 prompt。对你自己的项目而言最值得马上去做的事情是只拿一个 3 分钟都能看完的超短剧情先写一个包含 3 到 5 个镜头的 JSON 脚本然后去 ComfyUI 里把最简链路跑通。不要一开始就挂一堆 ControlNet、IPAdapter 或复杂转场逻辑。链路通了之后再逐渐增加角色 LoRA、多分支动作生成和配音。如果本文对你有帮助可以顺手收藏备用。你在搭建 MiniMax H3 或类似视频生成模型的长视频工作流时遇到什么坑欢迎在评论区把报错和你的节点截图发出来大家一起排查效率会比一个人翻 issue 高很多。