【哦吼】我又来交作业了，这次化身鲸鱼娘来个游戏的宣传视频
-
-
-
机器配置好了很多
显卡：4090D 48G
其他：洋垃圾E5-V2 双路 128G DDR3
操作系统：win10
模型：MINIMAX H3 工作流在附件
鲸鱼娘_H3长视频_干净版.json本人由于没有任何的软件基础，你给我一个整合包如果报错了，我都不会修。还好有hermes+deepseek帮助，已经可以将本地模型和设备运用的挺好了。实际上这个片子也是制作这个视频的真实写照，有的时候是真的非常感谢这个大肥鱼。
现在说说我制作这个视频的过程和心得吧。主要分几步来讲：
1、确定尝试这个工作流，就把工作流通过telegram发给hermes看，让他在原本comfyui的目录里面把工作流整备好，所有节点和模型都调试好。这个hermes+deepseek是绝对的好手，除非要下载大东西，否则就是几分钟的事情。这里需要注意的是，hermes或者deepseek会倾向于忽略出错的节点，引导你放弃修改而直接运行主模型，结果就是出来一片糊涂或者根本不是你想要的内容。碰到这种情况就要狠狠批评。
2、让agent把这个工作流能接入的多少个参考图，参考视频或者声音之类的可供条件告诉你，还有输出分辨率之类的参数列一下给你。这个时候基本上工作流方面就基本完成，如果你想自己操作就去打开comfyui的网页自己看一下，有不懂的，一般我就直接问某某号节点是什么意思干什么用的，然后也可以自己提交对应的参考素材。但是，提示词我强烈建议使用我第一个帖子上面给的H3官方提示词技能来写。
3、我如何制作这个视频的呢？我是先在脑子中构思好这个故事的大概情节和场景，然后制作好人物+场景图。接着把图片给hermes看。告诉他我需要什么样子的情节。比如这个视频第一段最前端的15秒，我就跟hermes说以这个房间为基础布景，狼头帽男坐在靠近镜头的地方，背对的镜头。鲸鱼娘从画面的左侧慢慢走进画面，手上端着一碗饭。鲸鱼娘坐下之后对着狼头男说了一句xxxxxx，狼头男开始挠头，耳朵也适时耷拉了下来，然后放下碗从身后拿出一张稿纸递了过去。当我把这个场景叙述好之后，hermes会把我的要求做好提示词的整理好，有的时候还会提出自己的修改意见，然后就可以叫它直接提交api跑了。这个工作流的前后画面布景的一致性非常好，带来的负作用就是抽卡就需要从第一段开始跑。所以我是全部0.4mp跑通，再一次性跑0.7mp的。整个视频从构思、整理素材到出片实际上花费了2天的空闲时间。 -
-
-
-
做的太好啦，想请教您一下，前46秒的长镜头，是每段多少秒的视频拼接起来的呀？48g显存是否用满了？如果是5090显卡是不是没办法做到4090 48g这样的时长啊，虽然速度快但是显存少了16g。目前单就minimax-h3来说，是不是4090 48g要比5090强很多呢？
0
5090可以的，0.7MP 和1.0挡位都没问题。我是让agent按照15秒一个段落提交的。刚刚去叫agent总结了一下，1.0mp显存大概也就是20G出头。我之前的3080跑1.0就会崩。反正不管是0.7还是1.0的出来之后都用@perter 的帖子里面的2个超分工作流。成品走一遍，最终成品就会非常棒了！
我这个没有走这两步超分流程，所以前46秒和最后看上去还是比较粗糙的。我在B站的修过了，把一些小bug都去掉了，顺便超分之后的效果比这个要好很多很多。 -
很棒， AI普及时代， 奖励的不是有钱的人， 而是有想法的人！
-
-
-
-
-
-
@ralfzhu 请问 这个影片是 直接扔给 hermes 就做出来的吗？
我现在用融光配 5090 的显卡，又审查又抽卡 搞个半死 效果还很差。@tester12340 融光是什么？不是简单的丢给agent哦，而是把工作流 joson丢给工作流去看，或者有别人提供的说明.md，然后让agent分析工作流节点和说明档、所使用的模型的对应的说明文档。也就是让他看懂这个东西该怎么用。然后你要么打开工作流自己看，主要看能提供多少参考的接口，比如参考图能给几张，音频、视频参考能不能提供，以及各种节点的参数都是啥意义。看明白了，就可以动手了。自己上传参考图，然后把情节告诉agent让他给你写提示词或者干脆让他研究明白api如何提交帮你提交。
-
-
@ralfzhu 不会是一气呵成的吧 这么长的影片？也是制作很多次然后找出最好的片段mpeg合成对吗？
-
-
我之前做的只是首尾帧参考，而没有做过用一小部分影片引导。 受教了。感谢感谢。
-
-
谢谢，我感觉 摸到了点门道了。 现在首尾图，生成 + 抽卡 还挺有意思的。再加上学习前视频的选项。 主要是我这张卡不行， 只有32gb内存。
@tester12340 什么卡？32G的显存还不算牛逼嘛？
不过你要想抽卡少效率高，让agent学习H3官方提示词技能然后接管工作流用api提交才是效果最好的。你可以自己对比一下他输入的提示词和你自己写的提示词的量级就知道了。你自己写提示词顶多就是几行，然后让模型自己发挥去了。如果通过技能直接输入提示词或者让他帮你写提示词你复制黏贴的话，那个提示此是密密麻麻的一大堆，而却全部是英语。好像英语输入提示词更加好一些哦？还有一些工作流的提示词输入框后面是接的提示词小助手卦着一个在线或者本地的语言大模型来解析反推你的中文输入变成提示词再输入H3。那我还不如直接用官方的提示词直接输入。
本帖参与讨论人数已达 10+，入选热议，作者 +3 积分奖励！
