从文本到成片：本地 ComfyUI + MiniMax H3 短剧流水线实战

这是「短剧创作体系」系列的生产篇：上一篇讲 12 个可复用模块的工作流设计，这篇讲流水线里最硬的部分——本地出图出片。全套在 E 盘 ComfyUI（端口 8799）跑通，零积分，参数全部实测。

一、开工前三条铁律

这套流水线是用几个通宵的血泪换来的，先立三条规矩：

  1. 自己看图、自己判卷。每出一张图/一段片，必须打开逐张看，对照分镜检查。发现不对就改提示词重抽，不要硬着头皮往下走——硬赶的结果是后面全白干。
  2. 先锁定，后生成。角色一致性靠「设计锁定图」，不靠长描述。单张独立生成必然漂移。
  3. 成本心里有数。864×480 / 124 帧 / 25 步，一镜 5 秒 ≈ 10 分钟；1344×768 同参数 ≈ 26 分钟（别用）。一个 15 秒三镜的片子光出段约 30 分钟，双采超清另算。排期提前说。

二、完整流水线（九步 SOP）

1
2
3
4
5
6
7
8
9
10
11
文本/剧本
  ↓ ① 分场分镜（写清空间轴与连续性红线）
  ↓ ② 设计锁定图（竖版电影海报式）              ← Z-Image 9 步
  ↓ ③ 关键帧（每镜一张，硬约束反写漂移项）        ← Z-Image 9 步
  ↓ ④ 自检：逐张看图，不合格改提示词重抽
  ↓ ⑤ H3 第一采（ref2va 多图参考，864×480/25步）
  ↓ ⑥ 二次采样精修（超分 1216×672 → beta/3步/denoise 0.2）
  ↓ ⑦ 自检：抽 0.3s / 中段 / 末段三帧看
  ↓ ⑦.5 多镜头连续性校验（接触印相 + 六判据质检 + 台账逐镜对比）
  ↓ ⑧ GPU 后期（补帧 48fps → 分块超分 1080p → 拼装混音）
  ↓ ⑨ 剪映草稿 + ffmpeg 出成片

每步交付物都落在项目目录：剧集\EP00X\、锁定图_vN\、关键帧_vN\、自检_vN\、成片\。

三、分镜：把空间关系和连续性写死

分镜不是把剧本切成段，是把空间关系写死。必写四项：

  • 空间轴：谁在左前、谁在右后。「机甲右前 / 巨兽左后，同一条对角线」——只列物品清单，模型会自作主张摆姿势；
  • 瞄准/视线同轴：攻击、对视时写「箭尖、弓身中心、目标头部三点连成同一条瞄准线」。血泪：不写这条，机甲面朝镜头摆造型、弓箭背离目标；
  • 连续性红线：配色归属（「橙色只属于机甲核心与能量箭」）、损伤特征、物种细节、点亮顺序（「背鳍点亮必须从尾向头逐片蔓延」）；
  • 每段只允许一个动作：一镜一动作，确需多拍写 CUT 1 / TRANSITION / CUT 2。

还有一条跨镜头空间契约：站位锚点一句话逐镜头复读（mecha LEFT facing RIGHT, kaiju RIGHT facing LEFT），锁定图阶段必出一张同框定场图排参考第一位，景别只许 wide→medium→close 渐近。这条是拿「机甲张弓姿态连漂三次」换来的。

四、锁定图与关键帧：反写易漂移部位

提示词的核心技巧是反写——把模型最爱自作主张的部位逐条堵死：

1
2
巨兽：眼周是鳞片，没有眼睑、睫毛、眉毛，头上无角，只有锯齿背鳍没有翅膀
机甲：每一块装甲都是哑光深蓝黑，无白色银色部件，头部无天线无角

不反写的后果（全部实测发生过）：巨兽眼睛退化成人眼、机甲变银白、长出高达白衬和能量翼。道具要写死数量与朝向——能量弓曾生成「一箭双头 + 滑轮复合弓弦」。

另一个反直觉点：cfg=1.0 时排除词几乎无效，要正向写「主导状态」。写「绝大多数背鳍是熄灭的深色角质」有效，写「只有三片亮」无效。

五、H3 出段：参数正解表

这些参数别自己拍脑袋，全部实测校准：

项正确值说明
分辨率864×480 或 960×5441344×768 慢 2.6 倍；清晰度缺口由二次采样补
帧数124（5 秒）必须落在 17k+5 网格；121 是非法值
步数25 步 + 不挂加速 LoRA8 步 LoRA 只配 8 步，是试片档
Schedulersimplebeta/normal 留作实验
Samplerres_multistep视频必须走高级采样
ref_image_sizematchmax 更慢，图小时几乎无差
参考图最多 9 张，顺序即编号4 锁定图 + 本镜关键帧 = 5 张

六、三条出片路线与切换时机

路线用途成本
ref2va + 独立二次采样首选成片档：第一采 864×480/25 步，再超分 1216×672 精修（euler+beta+3步+denoise 0.2）~10 分钟 + ~6 分钟/镜
ref2va 单采快速试片：验构图与运动~10 分钟/镜
fl2va降级/钉帧：首帧逐像素硬锚，配色构图必然成立—

切换时机是硬规则：ref2va 连续 2 次出现同一处漂移，立刻切 fl2va。血泪案例：机甲「张弓」姿态，3 个种子、3 版提示词、参考图换位全部漂白——只有首帧硬锚钉住了它。

还有个权重混用的坑：三条路线权重别混——fl2va 用 minimax_h3_fl2va_pruned_int8_convrot，ref2va 用 minimax_h3_ref2va_pruned_int8_convrot，拿错会生硬。加速 LoRA 只有 fl2v 版有，ref2va 没有。

七、后期与自检

后期：整段 film_net 补帧 ×2（48fps）→ 按 0.5s 分块 RealESRGAN_x4plus 到 1080p——整段一次跑要 46GB 内存，必须分块——→ ffmpeg concat -c copy → 混回原音轨。

自检四件套（自动化替代人眼的部分）：

  • check_frames.py：抽 0.3s/中段/末段三帧（绕开 ffmpeg 中文路径打码）；
  • shot_contact.py：接触印相，抽 9~12 帧拼网格，镜头间断裂只有看图能发现；
  • qc_video.py：切点/停滞/漂白/电梯感/抖动/暗调六判据客观质检；
  • contract_check.py：配色占比 + 角色质心轨迹判越轴——看不了图时的客观证据。

八、本机硬事实（照抄，别重新踩）

  • ComfyUI 在 E:\kuake\comfui\1训练营最新comfyui安装包\ComfyUI，端口 8799；
  • 必须屏蔽系统代理，否则 127.0.0.1:8799 被 10809 吞掉：urllib.request.install_opener(urllib.request.build_opener(urllib.request.ProxyHandler({})))；
  • Git Bash 的 PATH 是坏的（dirname/cd/tail/sleep 全缺）：文件操作走 PowerShell 或 Python；
  • netstat 输出是 GBK，Python 读取要 .decode("gbk", errors="replace")；
  • SaveVideo 的 mp4 在输出 JSON 的 images 键里（不是 videos）——这个坑至少浪费过半小时；
  • ffmpeg 是 2019 裁剪版，中文路径会打码，输入输出先走 ASCII 临时目录；
  • 竖屏短剧可直接 480×864（9:16，与 864×480 token 成本相同），给节点的 width/height 对调即可，实测 7 秒 175 帧 25 步 ≈ 13 分钟。

九、小结

这套流水线的精华不在参数表，而在三个循环：生成→自检→重抽的质量循环、第一采→二采的档位循环、ref2va 漂移→切 fl2va 的降级循环。参数会随模型版本过时，这三个循环不会。下一篇讲怎么把两小时的课程录屏学通透。