初来乍到，小弟不才，正在学习使用MINIMAX H3做视频
-
看到圣斗士闻着味就进来了。
兄弟你是懂打窝这门技术 的 -
-
-
硬件：3080魔改20G 洋垃圾x99双路E5 128G内存
采用hermes辅助提交工作流请求和写提示词等工作
歌曲是儿时熟悉的圣斗士星矢北欧篇的op 《Solider Dream》
用现在玩的游戏里面的内容做了重新填词、人物也是游戏人物头像阔图做的数字人
大佬们请批评指正
共享_视频提示词写作技能.md 共享_ComfyUI直连提交方法.md H3工作流_干净版_无上传记录.json我把当时制作的工作流和写提示词通过api提交直连的方法叫hermes整理成文件，添加到附件了。大家有兴趣的叫自己的agent看看。
这个工作流是我从B站像素幻想大神这里下载来的，把他的视频教学地址贴这里了[链接文本](【MiniMaxH3无限时长数字人完全体，支持多人&分段参考不同素材 | 生成速度与分辨率大幅提升！】 https://www.bilibili.com/video/BV1vna36gEgj/?share_source=copy_web&vd_source=024bcc58ad3a5386c1d8f844f9406ae8)然后简单介绍一下这个作品创作的流程：
1、获取你想要演唱的歌曲，我的是通过melo.com这个网站提供的歌曲创作服务，可以翻唱，或者凭你一句话创作一首特有风格的的作品。我的是拿原歌曲+hemers辅助填词，拿着歌词和原曲的mp3去网站上给翻唱了一版，当然填词是个苦活，ai不能帮你太多，只能提供个思路，很多时候需要自己哼着拍子一个个数字数填进去。
2、舞台的构思，或者mv场景的构思、人物的创作等等。这些可以通过chatgpt来做，或者有本地出图的大模型也可以。只是我觉得chatgpt的最好用，省力。这些创作出来的数字人图片就可以做为参考图喂给大模型。
3、介绍工作流的工作原理，第一个请去看一下B站工作流原作者像素幻想的视频，就能知道个大概各种开关和参数如何调节。有两个地方当时我是叫agent帮我调整的，具体咋弄的有点忘记了。第一个就是他的提示词扩写小助手是需要接大模型api的也就是接一个需要付费的类似于openai，deepseek的，要求是有视觉功能。我是叫agent帮我直接改到本地的qwen4 3.8上去了，这个可以叫hermes操作一下。第二个应该是B站视频6分20秒左右的时候说的提示词直连大模型，后续我是叫我的anget通过api直接提交提示词，跳过了他自己的提示词扩写助手。推荐用自己的agent直连提交，如果用它的提示词助手，人物非常呆板，眼神呆滞除了机械的动作毫无生气。
4、就是根据原作者的流程，来试着跑一下。实际上只要你提交一次，comfyui有了数据记录自己的agent就可以接手了。直接可以通过聊天解决绝大多数问题。不过我在那个工作流的核心节点上的歌曲分段微调和参考图上传和参考图的描述都是手工去操作的。我的思路就是先跑一段不管满意不满意，先搞出来让agent接手就行。
5、简要描述一下这个工作流的工作思路，它是通过分析你的音频，将音频中间的人声分离出来用于驱动数字人，同时也会参考伴奏音乐让数字人作节奏律动，或者重音节拍让数字人操作乐器作表演。然后每一小段都有自己的音频，最后合成的时候剥离掉小段的音频用你原来的音频合成成一整条视频。 -
-
硬件：3080魔改20G 洋垃圾x99双路E5 128G内存
采用hermes辅助提交工作流请求和写提示词等工作
歌曲是儿时熟悉的圣斗士星矢北欧篇的op 《Solider Dream》
用现在玩的游戏里面的内容做了重新填词、人物也是游戏人物头像阔图做的数字人
大佬们请批评指正
共享_视频提示词写作技能.md 共享_ComfyUI直连提交方法.md H3工作流_干净版_无上传记录.json我把当时制作的工作流和写提示词通过api提交直连的方法叫hermes整理成文件，添加到附件了。大家有兴趣的叫自己的agent看看。
这个工作流是我从B站像素幻想大神这里下载来的，把他的视频教学地址贴这里了[链接文本](【MiniMaxH3无限时长数字人完全体，支持多人&分段参考不同素材 | 生成速度与分辨率大幅提升！】 https://www.bilibili.com/video/BV1vna36gEgj/?share_source=copy_web&vd_source=024bcc58ad3a5386c1d8f844f9406ae8)然后简单介绍一下这个作品创作的流程：
1、获取你想要演唱的歌曲，我的是通过melo.com这个网站提供的歌曲创作服务，可以翻唱，或者凭你一句话创作一首特有风格的的作品。我的是拿原歌曲+hemers辅助填词，拿着歌词和原曲的mp3去网站上给翻唱了一版，当然填词是个苦活，ai不能帮你太多，只能提供个思路，很多时候需要自己哼着拍子一个个数字数填进去。
2、舞台的构思，或者mv场景的构思、人物的创作等等。这些可以通过chatgpt来做，或者有本地出图的大模型也可以。只是我觉得chatgpt的最好用，省力。这些创作出来的数字人图片就可以做为参考图喂给大模型。
3、介绍工作流的工作原理，第一个请去看一下B站工作流原作者像素幻想的视频，就能知道个大概各种开关和参数如何调节。有两个地方当时我是叫agent帮我调整的，具体咋弄的有点忘记了。第一个就是他的提示词扩写小助手是需要接大模型api的也就是接一个需要付费的类似于openai，deepseek的，要求是有视觉功能。我是叫agent帮我直接改到本地的qwen4 3.8上去了，这个可以叫hermes操作一下。第二个应该是B站视频6分20秒左右的时候说的提示词直连大模型，后续我是叫我的anget通过api直接提交提示词，跳过了他自己的提示词扩写助手。推荐用自己的agent直连提交，如果用它的提示词助手，人物非常呆板，眼神呆滞除了机械的动作毫无生气。
4、就是根据原作者的流程，来试着跑一下。实际上只要你提交一次，comfyui有了数据记录自己的agent就可以接手了。直接可以通过聊天解决绝大多数问题。不过我在那个工作流的核心节点上的歌曲分段微调和参考图上传和参考图的描述都是手工去操作的。我的思路就是先跑一段不管满意不满意，先搞出来让agent接手就行。
5、简要描述一下这个工作流的工作思路，它是通过分析你的音频，将音频中间的人声分离出来用于驱动数字人，同时也会参考伴奏音乐让数字人作节奏律动，或者重音节拍让数字人操作乐器作表演。然后每一小段都有自己的音频，最后合成的时候剥离掉小段的音频用你原来的音频合成成一整条视频。 -
@ralfzhu 主要是有些插件明确表示只支持N卡，博主用12G的N卡跑都没有问题，我直接拿来跑就对不上口型，不仅仅是快慢之分，还有支持度的问题。有空你可以问问hermes，他生成这个视频大概花了多少时间，因为你这个应该是用了二采的，时间过长的话，A卡要花更长时间就有一个生产效率问题。
-
-
-
厉害啊哥🤩 对音乐也蛮感兴趣 今晚我抄一抄作业用7900xtx试试
-
