ComfyUI-H3-LongVideo 是什么?为 MiniMax H3 提供长音频分段生成与数字人视频合成

中文导读

这个 ComfyUI 插件用于把长音频拆成多段，逐段调用 MiniMax H3 生成数字人视频，再配回原音频合成完整成片，支持唱歌和口播两种模式。导入音频后会自动分析分段并安排镜头，用户可在审核面板中试听、调整切点、为每段上传最多 6 张参考图，并编辑导演简报或手写提示词。生成过程按段顺序提交，可暂停、继续、重做单段或仅重新合成，适合需要制作长时长数字人视频的 ComfyUI 用户。

根据 GitHub 公开数据,该项目的编程语言为 Python,开源协议未注明,创建于 2026-08-31,最近更新于 2026-10-07,目前有 160 个 Star。

项目介绍

这是一个 ComfyUI 自定义节点插件，用于把长音频拆分成多个片段，再逐段调用 MiniMax H3 Ref2VA 生成视频，最后配回原音频合成为完整成片。它面向唱歌数字人和口播数字人两种场景，导入音频后会自动分析分段、安排镜头，并提供试听和编辑界面。

插件支持为每个分段单独上传参考图，每段最多 6 张，也可共用项目默认图；唱歌模式会安排运镜和景别变化，口播模式则以参考构图和固定机位为提示词目标。生成过程按段顺序提交，支持暂停、继续、失败重试、局部重做和仅重新合成。

提示词扩写通过 OpenAI 兼容的 Chat Completions 接口完成，可配置多图 vision 模式或纯文本模式，也支持逐段手写提示词直接接入 H3。项目文件、分段视频和最终成片保存在 ComfyUI 输出目录下。

主要功能

• 根据音频自动分析并划分片段，支持试听与调整切点
• 每段可上传最多 6 张自定义参考图，或继承项目默认图
• 唱歌与口播两种表演模式，分别安排运镜或固定构图提示
• 逐段编辑导演简报，支持多图扩写或手写提示词直连 H3
• 顺序生成各段视频，支持暂停、继续、失败重试与局部重做
• 自动合成各段并配回原音频，输出完整 MP4 成片

适合谁用

适合使用 ComfyUI 和 MiniMax H3 制作唱歌或口播数字人长视频的开发者与创作者。

快速上手

1. 将仓库克隆或解压至 ComfyUI/custom_nodes/ComfyUI-H3-LongVideo
2. 在 ComfyUI 的 Python 环境中安装 requirements.txt 依赖，并确保 ffmpeg、ffprobe 可用
3. 重启 ComfyUI，导入 examples/04_H3长视频_单节点一体化.json 示例工作流
4. 安装示例所需外部节点：comfyui-vrgamedevgirl、ComfyUI-VideoHelperSuite、ComfyUI-KJNodes
5. 在工作流中选择 MiniMax H3 Ref2VA、LoRA、VAE 和 CLIP 权重，并在 API 设置中配置分镜提示词生成器服务

Star 增长趋势

同类项目