MiniMax H3 ComfyUI 工作流：用反馈循环优化参考图转视频提示词

MiniMax H3 ComfyUI 工作流改变了什么

MiniMax H3 ComfyUI 工作流可以把参考图转视频从不断猜提示词，变成一套可审核的反馈循环。9 月 15 日 AI 新闻日报收录了一个早期开放源码项目 Ref2VA H3 Video Optimizer。根据日报核验的信息，它在本地 ComfyUI 中配合 LLM，通过连续、迭代式反馈来优化参考图转视频提示词。仓库发布于 9 月 9 日，日报整理时有 21 个 GitHub stars，因此目前更适合当成值得测试的实验，而不是已经验证成熟的生产标准。

真正有用的不是让 AI 把提示词写得更长，而是把每次失败变成下一轮可以执行的修改。参考图已经包含人物、产品、构图、色彩和环境，提示词不必把眼前所有东西重新描述一次。它更应该补充静态图没有的信息：主体怎么动、摄影机怎么走、节奏多快、什么细节不能改变，以及什么问题一出现就要淘汰。

把目标写清楚，先生成短测试，再按清单找出最重要的失败，只修改一两项指令，然后重新比较。每个提示词都和对应输出放在一起，团队才能知道哪次改动真正有效。这样，创意实验才有机会进入客户项目。在专业的温哥华 AI 视频制作流程里，提示词优化只是其中一环；参考素材授权、品牌准确性、剪辑、声音和人工审批，仍决定镜头能不能交付。

先写清 brief，再让 LLM 优化

Brief 不清楚，优化器只会把混乱写得更漂亮。先用一句话说明观众要看到什么、这个动作为什么重要，以及镜头最终放在哪里。接着把要求分成四组：绝对不能改变的事实、必须发生的动作、可以自由调整的电影语言，以及一出现就判定失败的问题。这样操作员和 LLM 才有同一个目标。

产品镜头里，不能改变的事实可能包括包装形状、标签位置、颜色、组件数量和真实操作方式；动作要求可能是缓慢推进、手从画面右侧进入，或产品稳定旋转；可以调整的是背景质感、辅助光变化或氛围效果；失败条件则包括文字变形、logo 改样、手指数目错误、比例漂移、反射不合理，或演示出产品根本没有的功能。

测试要短，而且一次只解决一个画面比例。五秒横版概念片和竖版社媒开场，不是同一个导演问题。先确认参考图是自有、已授权，或至少适合当前测试用途，不要把来源不明的社媒图片直接放进客户项目。

生成前就写好审核清单：主体是否稳定、运镜方向、动作强度、接触点、文字和 logo、首尾画面是否方便剪辑。给优化器的是这些具体反馈，而不是一句「更有电影感」。如果项目还需要真实采访、产品或地点，温哥华企业视频制作可以提供可信的实拍基础，让生成镜头围绕事实扩展，而不是与事实冲突。

怎样运行受控的提示词反馈循环

第一轮提示词尽量简单，只写参考图之外必须新增的信息：主体动作、运镜、速度和不可改变的限制。不要一开始就堆满风格形容词。保持设置一致，生成一个或一小组有上限的测试，先正常播放，再逐帧检查。第一轮的任务是诊断，不是立刻得到完美成片。

反馈必须描述看得见的问题，例如标签在旋转时变形、手在两秒后失去接触，或 brief 要求正中推进但摄影机向左漂。最好同时标记问题出现的时间。把原提示词、目标和按优先级排列的失败项交给优化器，并要求保留已经奏效的指令，只修改最重要的问题。

下一轮应该验证一个假设。运镜不对，就先改运镜语言，不要同时换灯光、速度和美术方向；动作太大，就改动作幅度与时长，不要把整段提示词推倒重来。一次只改少量变量，团队才知道结果为什么变好，也能更早发现瓶颈其实来自模型或参考图，继续加字不会解决。

开始前设定迭代上限。到达上限后，选择最好版本、改变控制方式、简化镜头，或者转为实拍。优化器可以让试错更有系统，却不能消除随机性，也不能保证模型遵守所有限制。获批前保留废弃版本和反馈记录，它们能解释最后为什么选中某个镜头，也避免团队重复走进已经失败的方向。

把运动、身份和品牌准确性分开审核

漂亮单帧可能掩盖一支失败的视频。第一遍按正常速度看运动：动作是否一眼能读懂、运镜是否服务讯息、开头和结尾能不能剪。然后逐帧检查身份和结构，尤其注意脸、手、产品边缘、首饰、布料图案、建筑线条和反射，这些位置最容易在时间轴上漂移。

第二遍拿输出和参考图、产品事实表对照。模型可能保留了气氛，却改掉包装；也可能保留人物，却虚构文字。只要画面代表顾客实际可以买到的东西，这些就不是小瑕疵。身份或产品证据必须准确时，应以实拍负责证明，让 AI 处理概念层、转场或背景。真实画面提供锚点，生成工具只扩展周围的视觉空间。

品牌审核也要单独完成：logo 几何、批准颜色、产品说法、服装、文化细节，以及画面是否暗示未经证实的效果。清除意外出现的竞争品牌或受版权保护图形，并确认参考图、生成素材、音乐、声音和 stock 元素的使用权适合最终渠道。提示词在技术上成功，不等于镜头已经获得商业或法律批准。

声音会改变判断。临时音乐可能让动作显得更有力量，所以先静音检查画面，再用剪辑节奏、音效、调色、字幕与合成把镜头放进完整影片。这些 finishing 工作属于专业视频制作服务的一部分，不是 AI 按下生成后可有可无的修饰。

最适合预演和有边界的商业镜头

风险最低的用途是 previsualization。营销团队可以先测试一张参考图是否适合缓慢揭示、快速社媒开场或某种转场，再决定要不要预约演员和场地。这个输出不一定进入正式广告，它可以是一份会动的分镜，帮助客户批准节奏、构图与视觉方向。

如果镜头明显表达概念而不是证明事实，也可以考虑成为成片的一部分，例如抽象数据空间、两段实拍之间的风格化转场、不可能但安全的视觉隐喻，或真实产品背后的背景延伸。要限定时长与用途，为关键细节保留真实或已批准的参考，并预留合成时间处理边缘和连续性。

社媒多版本也适合使用反馈循环。不要重复生成整套广告，而是先确定一个已批准的视觉想法，再分别测试不同平台的开场速度、裁切和结尾画面。不过横版不能自动等于竖版，主体位置、文字安全区和运镜可能需要独立 brief；每个比例都要重新检查。

客户见证、真实活动、房产格局、产品演示、安全步骤和量化前后对比，不应只靠参考图转视频来制造。观众会合理地把这些内容当成证据，因此应该真实记录，再把 AI 用在想象本来就是重点的位置。这样的分工也让预算更透明：哪些必须拍、哪些可以试、哪些生成镜头值得完成，一开始就有答案。混合流程的目的，是降低不确定性，而不是用新模型名字掩盖风险。

如何预算、审批和归档 AI 视频测试

报价时把阶段拆开：brief 与参考资料整理、工作流设置、固定轮数的提示词测试、选中镜头清理、剪辑合成、声音调色、权利审核和多平台输出。开放源码节点或本地 LLM 可能降低部分软件依赖，但操作时间、算力、失败生成、储存与 finishing 都是真实成本。与其承诺无限生成，不如先定义一个可比较的小测试。

设置审批节点：先批准 brief 和参考图，再批准一个低分辨率动作方向，然后在昂贵清理前批准选中镜头，最后把成片放回真实剪辑里审核。指定一位最终决定者，并写清包含多少轮修改。如果多位负责人把互相矛盾的意见直接丢给优化器，提示词会越来越长，创意目标却会越来越模糊。

归档原参考、来源证明、工作流版本、可取得时的模型与设置、每轮提示词、反馈记录、选中输出、剪辑工程、许可和书面批准。9 月 15 日日报只核验了 Ref2VA 的早期概念、本地 ComfyUI 配合 LLM、连续反馈、仓库日期和当时 stars；正式项目使用前，仍需检查仓库、模型权限、依赖、许可和当前实际表现。

是否采用这套流程，应由镜头需求决定，而不是因为它新。如果迭代让动作更可控，而且输出通过事实、画面与权利审核，它才值得进入剪辑；不通过，就简化、实拍或改用传统 VFX。想评估一张参考图并建立现实的测试范围，可以联系 Steven Video Production，提供投放渠道、截止日期、授权状态和绝对不能改变的细节。