企业官网建设流程全解析

一张图变动态视频：minimax-h3-int8 图生视频（I2V）实战指南

【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8

minimax-h3-int8 是一个专为 Ascend 910 NPU 适配的 MiniMax H3 INT8 量化视频生成仓库，内置 ComfyUI 与全套权重，支持文生视频与图生视频（I2V）。本文是一份面向新手的最小可行指南：只需准备一张图片，加上几句运镜描述，就能在 NPU 上生成约 5 秒、1344×768 分辨率、带音效的 MP4 动态视频。

一、为什么用 minimax-h3-int8 做图生视频？

• 🎯全链路 NPU：文本编码器、扩散模型、视频/音频 VAE 全部跑在昇腾 NPU 上，双卡（2× Ascend910 64G）实测最快 76 秒出片（含模型加载）
• 🖼️图生视频（I2V）：MiniMaxH3ImageToVideo节点支持"首帧图"输入，你提供的图片会成为视频的第一帧并锚定整个画面
• 🎵音视频一体：一次推理同时输出视频轨 + 音频轨，提示词里加一段Audio:描述即可生成配乐音效
• 📦一键部署：代码 + 权重 + ComfyUI 同仓分发，clone 即得（权重经 Git LFS 自动携带）

二、图生视频（I2V）是怎么工作的？

I2V 推理与文生视频（T2V）共用一条链路，区别只在输入端多了一张首帧图：

首帧图 (你的图片) ──> LoadImage ──> MiniMaxH3ImageToVideo.first_frame │ 提示词 prompt ──> CLIPLoader (npu:1) ──> 条件向量 │ 噪声 ──> 扩散采样 (DiT INT8, npu:0, 8/20 步) ──> 隐空间视频帧 │ VAEDecode（像素帧）+ VAEDecodeAudio（音频轨） │ CreateVideo (24fps) ──> SaveVideo ──> output/video/*.mp4

四个阶段一览：

完整链路详解见 docs/video-generation-pipeline.md。

三、首帧图要求：一张合格的"种子图"

图片质量直接决定成片质量。以下规范全部经过实测验证（来自 docs/t2i-i2v-pipeline.md）：

💡 小贴士：ComfyUI 的LoadImage节点接受 png / jpg / jpeg / webp / gif / bmp / avif / tiff；若图片是方图（如 1024×1024），建议先中心裁剪到 1344×768 横屏，再作为首帧。

四、快速上手：三种方式生成 I2V 视频

方式 1：ComfyUI 网页界面拖图（最推荐新手 🖱️）

CREATIVE-GUIDE.md 官方推荐的入门方式：

1. 启动服务：./scripts/start-comfyui-dual-npu.sh start（默认端口 8188）
2. 浏览器打开http://<服务器IP>:8188
3. 加载 workflows/ 下的api_t2v_int8_turbo.json，在MiniMaxH3ImageToVideo节点拖入你的首帧图，写一段运镜提示词，点击 Queue Prompt

比 API 方便，所见即所得。

方式 2：创作脚本一键出片（适合批量）🚀

配套的创作仓库h3-video-creations提供一行命令入口（详见 README.md「开始创作」一节）：

./scripts/create.sh --image ~/my.png --text "camera pushes forward" # 图生视频

脚本会自动把图片上传到 ComfyUI input 目录，经LoadImage → MiniMaxH3ImageToVideo.first_frame链路生成视频。

方式 3：API 提交（适合自动化）🔧

按 docs/usage.md 的步骤，把工作流 JSON POST 给 ComfyUI 的/prompt接口即可，MiniMaxH3ImageToVideo节点挂上首帧图路径，其余参数照抄 workflows/api_t2v_int8_turbo.json。

五、关键参数设置与提示词写法

分辨率不是随便填的，共有 5 层限制（节点 step、VAE 对齐、patch、训练分布、显存），完整边界见 docs/video-resolution-guide.md。推荐配置速查：

I2V 提示词怎么写？图片已经定好了"画面是什么"，提示词应聚焦**"怎么动"**：

• 结构：运镜方式 + 主体动作 + 环境氛围，例如camera glides forward along a reflective street, gentle rain, cinematic
• 想要清晰：加sharp focus, highly detailed；避免soft / mist / bokeh等柔焦词（实测是模糊主因）
• 配乐音效：末尾加Audio: gentle rain, distant tram bell这类描述
• 负面约束：用No text, logos, subtitles or watermark收尾

更多灵感示例见 CREATIVE-GUIDE.md 末尾。

六、进阶：文生图 → 审核 → 图生视频两段式管线 💎

如果你还没有现成的图片，仓库内置了「先 T2I 出首帧图 → 人工审核 → I2V 出视频」的两段式管线方案（docs/t2i-i2v-pipeline.md，详细设计见 docs/t2i-i2v-pipeline-design.md）：

T2I 文生图 ──> 图片审核关卡 ──> I2V 图生视频 ──> 视频交付 出首帧 PNG 内容/质量/尺寸 首帧锚定动态 output/video

核心思路是把图片作为可重复使用的资产：审核通过后存档，同一张图可以反复生成不同运镜、不同批次的视频，保证系列作品画面一致——这正是 I2V 相对"直接文生视频"的本质优势。

七、常见问题排查

⏱️ 耗时参考（双卡 NPU 实测）：冷启动首次约 3 分钟；热启动 8 步 124 帧约 1~2 分钟。质量优先可切 20 步的 workflows/api_t2v_int8_dual.json。

八、延伸阅读

准备好一张 1344×768 的干净首帧图，写一句运镜描述，剩下的交给 NPU——你的第一支 AI 动态视频几分钟即可出炉 🎬

【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8