更新 - 2026年8月31日
- 修复了 Anime2Real 的提示词部分。
更新 - 2026年8月29日
- 修复了 4 格版本，现在它实际生成 73 帧，而不是 6 格版本原来的 124 帧（我的失误！！）
- 更新了可选加速节点，现在运行快了很多
- 添加了关于步数的说明，如果启用加速，请使用 8 步而不是 25 步
- 移除了 B prompt 中关于头发和裙子的一段描述，因为这会给部分用户造成问题
- 如果你想尝试将背景/房间转换为环绕视角，可以看看 ethanfel 的工作流，它应用了与本工作流相同的逻辑，但针对的是房间
- anime2real 提示词还需要稍作完善（我会很快更新这部分）
- 如果你有任何问题或疑问，欢迎告诉我
H3 Character Sheet Generator
我发起这个项目，是因为我一直难以找到适合 H3 参考的高质量、准确图像，因此意识到该模型具有出色的角色一致性，并且可以接受最多 9 张参考图。
投入几张粗略的参考图，就能得到一张可以长期复用的角色设定图。
和你们很多人一样，我也一直在研究 H3，并对它的多图 参考功能有些着迷。你可以输入最多 9 张图片，这意味着你可以用零散素材拼出一个角色 —— 脸取自这里，盔甲取自那里，帽子取自别处 —— 而它真的能 把它们整合在一起。
所以这个工作流就是做这件事，让角色旋转 360 度（如果使用 4 格版本则为 180 度），并生成一张参考图，你可以用它 在之后制作的所有内容中保持角色一致。
为什么还要用视频模型做这件事
如果你把同一角色单独生成六张图，它们很容易互相矛盾：下颌会移位，外套会变化，颜色也会漂移。这种问题你肯定见怪不怪了。
一次视频生成得到的六帧画面不会这样——它们出自同一次生成过程。这就是全部诀窍。镜头做一次慢速环绕，没有任何硬切；角色像雕像一样保持静止；随后工作流抓取六帧，并将它们拼接起来。
工作原理
- 你放入图片，并在 Input Text (A Prompt) 框中描述它们
- 这些内容会与 B Prompt 一起提交，由后者负责旋转、姿态、光照等
- 它会生成一个慢速 360 度环绕，且没有硬切，因此角色能保持一致
- 抓取 6 帧或 4 帧，并将其拼接成角色表
你也可以选择把 360 度旋转视频和每一帧单独画面作为可选输出，方便之后自行挑选角度，或将单帧用作参考。
两个版本
| 文件 | 内容 |
|---|---|
H3_CharSheetMaker_6_Panel.json | 正面、左右两侧、背面，外加两张面部特写 |
H3_CharSheetMaker_4_Panel__Faster_.json | 四个视角，帧数少约 40%，速度明显更快 |
同一个骑士，4 格图：
你需要什么
模型 — 每个加载节点都已内置下载链接，因此打开工作流时，ComfyUI 应该会直接提示下载缺失的模型。
| 槽位 | 文件 | 放置目录 |
|---|---|---|
| Diffusion | minimax_h3_ref2va_pruned_int8_convrot.safetensors | models/diffusion_models/ |
| Text encoder | qwen3vl_32b_minimax_h3_int8_convrot.safetensors | models/text_encoders/ |
| Video VAE | minimax_h3_video_vae_int8_convrot.safetensors | models/vae/ |
| Audio VAE | minimax_h3_audio_vae_fp32.safetensors | models/vae/ |
| Turbo LoRA（可选） | minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors | models/loras/ |
这些是 INT8 低显存构建版本。如果你还有显存余量，更高精度的版本能带来更好的细节——尤其是文本编码器，提示词遵循能力主要取决于它。
自定义节点 — 我尽量让它保持原生体验。唯一的第三方组件都在可选的 Speed Ups 分组中：
如果你不需要，可以删除该分组。
编写 A Prompt
每张图像一行。写明应保留的内容，并且——这一点比人们想象的更为重要——写明应 忽略的内容：
<Picture 1> - keep the photo style. Use the bald head, facial hair, physique.
<Picture 2> - keep only the black outfit. Remove the hair, remove accessories.
<Picture 3> - use the shield. It is attached to the man's back.如果不按名字把不需要的内容排除掉，背景和错误人物的头发就会偷偷混进来。
也值得用文字描述服装，而不只是展示它。脸部能自然保持一致，但服装容易跑偏。“黑色高领外套配银色扣饰”会保持稳定。“图 2 里的外套”则会跑偏。
动画转写实
有人问能不能做动画转写实，所以还有一个修改过的 B 提示词，专门用于这个。效果出奇地好。
Haruhi：
Sanji：
这里就是实际生成的视频，你可以看看它是如何运作的——缓慢旋转，不切镜头，最后加几张脸部特写：
这六个面板只是从里面抽出来的帧。
物体
该模型在生成物体方面也非常出色，但建议使用更多角度的图片作为参考。
注意事项（说实话）
速度有一点点慢。 你生成了 124 帧，却只用 6 帧，这种思路本质上就是这么荒谬。4 面板版本会好一些：只需生成 73 帧并取 4 帧（提速 40%）。
提速会付出一些代价。 Turbo LoRAs 和缓存确实能加快速度，但提示词遵循度和质量会有轻微下降。除了最后一遍出图，大多数时候都值得。
质量上限有限。 它是一个视频模型，视频表现比静帧更好。如果在意，可以把分辨率和采样步数拉高，代价就是更长的生成时间。
只靠角色表可能不够做特写。 每个面板的分辨率就是那样。做近距离画面时，我会用角色表加上一些细节图——脸部、服装质感，或者其他重要的部分。说实话，对于一次性视频，你也许最好跳过角色表，直接使用原图。
技巧
- 更多步数 = 如果你愿意等待，质量会略有提升
- B prompt 中写着 "neutral A pose" —— 如果你想要特定姿势，请删除该部分
- 使用同一角色的多个不同镜头。 输入的角度越多，360 输出越好
- 也适用于物体和道具。 你需要调整 B prompt，主要是将面部 特写替换为细节镜头
- 帧时序在不同运行之间会变化。如果某个分镜看起来不对，开启 “save all frames” 输出，找到 更好的帧编号并插入子图。重新拼接已缓存，因此瞬间完成
许可事项
工作流文件是我的，你可以随意使用它们。
模型就不一样了。 MiniMax H3 采用社区许可证，该许可证排除欧盟、英国、韩国和美国，并且同时覆盖输出和模型权重。如果你有任何商业计划，请直接阅读 实际许可证，而不是听我的一面之词。我不是律师。
基于 Comfy-Org/MiniMax-H3。如果你弄坏了它或改进了它，请尽管反馈。
作者：C_Nugget