Da uno storyboard,
Realizza un'animazione.

Per Cortometraggi animati in 3D: usa Ollama per sceneggiatura e storyboard, Qwen-Image-2.1 per i riferimenti dei personaggi e i primi fotogrammi e MiniMax H3 per brevi clip con audio. Monta tutto in locale, iniziando con sei inquadrature per circa 30 secondi.

Usa la struttura di cartelle seguente. Conserva un master del riferimento approvato del personaggio e salva prompt, seed, workflow e output di ogni inquadratura. Rigenera solo le scene da correggere.

My3DShort/
  00_story/          剧本、分镜、角色设定
  01_character/      阿木定妆主图
  02_first_frames/   shot01.png ... shot06.png
  03_video/          shot01.mp4 ... shot06.mp4
  04_edit/           剪辑工程、字幕、最终成片
  workflows/        当前使用的JSON

Il flusso di lavoro viene scaricato direttamente da questo sito

Salva il JSON e trascinalo nel canvas ComfyUI oppure utilizza "Apri" nel menu. Questi file sono flussi di lavoro dell'interfaccia utente,Non una richiesta API JSON. Il nodo immagine deve ricaricare il proprio file; non può mantenere il nome del file di esempio e fare clic su Esegui direttamente.

Foglio di produzione di 30 secondi: "Late Package"

Ci sono sei riprese nell'intero film e ciascuna ripresa dura 5 secondi. Prima fai capire al pubblico "non riesco a recuperare", poi rivela "qualcuno stava aspettando" e infine invertisci la situazione con un regalo. Risolto il problema con il sole al tramonto che splendeva dal lato sinistro dell'immagine, la panchina sul lato destro e il nastro rosso e gli abiti del personaggio avvolti attorno ad esso. La linea di vista e la posizione dell'elica vengono mantenute quando la telecamera cambia.

Crea un riferimento fisso anche per la nonna: capelli grigi corti, cardigan beige lavorato a maglia, gonna lunga verde scuro e materiali 3D morbidi e arrotondati. Nei primi fotogrammi a due personaggi, collega il suo riferimento nel workflow di modifica a image_3e specificato nella parola di richiesta <image3> Trattenete solo la nonna. Lo scatto 6 crea direttamente il primo fotogramma della "sciarpa tolta" per completare il processo di disimballaggio.

Esteso ai file di produzione ripresa per ripresa utilizzando Qwen3 locale

Le seguenti istruzioni di produzione vincolano simultaneamente la trama, i personaggi, la relazione di riferimento del primo fotogramma e i campi audio e video H3. Dopo la generazione, salvare le sei parole del prompt dello specchio una per una e rivedere l'asse di ripresa e la posizione del pacco in base alla tabella sopra.

Dirigi un corto di animazione 3D con strumenti locali. Produci un piano eseguibile per un’opera originale di 30 secondi, Il pacco in ritardo.
Elementi fissi: Amu, capelli castani corti, occhi marroni, impermeabile arancione con cappuccio abbassato, borsa a tracolla blu scuro e stivali scuri; pacco in carta kraft e nastro rosso; banchina di una piccola stazione al tramonto, luce da sinistra e panchina a destra.
Sei inquadrature di 5 secondi: Amu è abbattuto sulla banchina→il vento solleva il nastro rosso del pacco→segue il nastro con lo sguardo verso la panchina a destra→una nonna lo aspetta→Amu le porge il pacco→la nonna ne estrae una piccola sciarpa per Amu, rivelando la sorpresa.
Fornisci prima le tabelle di personaggi e ambienti, poi una tabella di sei inquadrature: numero, durata di 5 secondi, scala del piano, composizione iniziale, una sola azione principale, posizione e lieve movimento di camera, raccordi di oggetti e sguardi, ambiente sonoro, eventuale breve dialogo e criteri di verifica.
Per ogni inquadratura fornisci un prompt inglese per il layout, un prompt Qwen di modifica del primo fotogramma e un prompt video H3. L’immagine di riferimento 1 è il layout 1344 × 768 della scena; l’immagine 2 è il riferimento del personaggio. Per più personaggi aggiungi lo stesso riferimento della nonna.
Usa I 2 VA con un solo primo fotogramma. La prima riga deve restare in inglese ed essere esattamente: “For the target video, at 0.00 seconds into the target video, <Picture 1> (da [Shot 1]) è completamente referenziato."; dopo una riga vuota, utilizzare solo i tre campi integrated_multimodal_description, overall_soundscape e non_diegetic_music. Ogni file indipendente inizia da [Shot 1], ancorando il primo fotogramma e poi scrivendo azioni, movimenti di macchina e risultati; per ogni scatto viene organizzata una sola azione del soggetto. Per impostazione predefinita il campo musicale è N/A.
Il dialogo utilizza (S1) Amu e (S2) Nonna, la descrizione del timbro è all'esterno dell'etichetta e le linee sono all'interno<d>[Chinese]台词。</d>, con un massimo di 12 caratteri cinesi per battuta. Ometti i dialoghi nella versione con soli suoni ambientali.
Mantieni coerenti personaggi, abiti, posizioni delle luci, sguardi e passaggio del pacco. Produci solo il contenuto di produzione.

Utilizzare uniformemente di seguito D:\AI. Se non è presente alcuna unità D, copia tutto questo articolo D:\AI Cambialo in una directory con spazio sufficiente. Aggiorna prima il driver NVIDIA, quindi eseguilo uno per uno in PowerShell; quando viene visualizzato il programma di installazione, seguire l'interfaccia per completare l'installazione.

New-Item -ItemType Directory -Path 'D:\AI' -Force | Out-Null
Set-Location 'D:\AI'
curl.exe -L --fail --retry 3 -o OllamaSetup.exe https://ollama.com/download/OllamaSetup.exe
.\OllamaSetup.exe
curl.exe -L --fail --retry 3 -o ComfyUI_windows_portable_nvidia.7z https://github.com/Comfy-Org/ComfyUI/releases/download/v0.43.0/ComfyUI_windows_portable_nvidia.7z

1. Decompressione completa

   Decomprimilo con 7-Zip e verifica che esista. D:\AI\ComfyUI_windows_portable\ComfyUI\main.py e python_embeded\python.exe. Non eseguirlo in un pacchetto compresso.

2. primo avvio

   Fare doppio clic run_nvidia_gpu.bat. Viene visualizzato il terminale http://127.0.0.1:8188 Infine, apri questo indirizzo locale nel browser e mantieni il terminale aperto.

3. Controllare l'attrezzatura operativa

   Il registro di avvio dovrebbe identificare NVIDIA RTX 4090 / CUDA; se è presente solo la CPU, risolvere prima il problema del driver o dell'architettura del pacchetto. Non scaricare pacchetti di compatibilità AMD, ARM o vecchi CUDA.

Il Portable standard contiene già Python e un runtime corrispondente; non è necessario installare l'intero CUDA Toolkit per questo articolo. Per prima cosa utilizza il seguente comando per disattivare la funzione cloud di Ollama, quindi esci dalla barra delle applicazioni e riapri Ollama:

[Environment]::SetEnvironmentVariable('OLLAMA_NO_CLOUD','1','User')

Non limitarti a digitare qwen3 o latest: Non sono uguali al modello 30.5B in questo articolo. Apri una nuova PowerShell ed esegui:

ollama pull qwen3:30b-a3b-instruct-2507-q4_K_M
ollama run qwen3:30b-a3b-instruct-2507-q4_K_M

Digita prima dopo essere entrato nella conversazione /set parameter num_ctx 8192, quindi copiare le seguenti parole del prompt di produzione. Questo tag Instruct è in modalità non pensante.

Dirigi un corto di animazione 3D con strumenti locali. Produci un piano eseguibile per un’opera originale di 30 secondi, Il pacco in ritardo.
Elementi fissi: Amu, capelli castani corti, occhi marroni, impermeabile arancione con cappuccio abbassato, borsa a tracolla blu scuro e stivali scuri; pacco in carta kraft e nastro rosso; banchina di una piccola stazione al tramonto, luce da sinistra e panchina a destra.
Sei inquadrature di 5 secondi: Amu è abbattuto sulla banchina→il vento solleva il nastro rosso del pacco→segue il nastro con lo sguardo verso la panchina a destra→una nonna lo aspetta→Amu le porge il pacco→la nonna ne estrae una piccola sciarpa per Amu, rivelando la sorpresa.
Fornisci prima le tabelle di personaggi e ambienti, poi una tabella di sei inquadrature: numero, durata di 5 secondi, scala del piano, composizione iniziale, una sola azione principale, posizione e lieve movimento di camera, raccordi di oggetti e sguardi, ambiente sonoro, eventuale breve dialogo e criteri di verifica.
Per ogni inquadratura fornisci un prompt inglese per il layout, un prompt Qwen di modifica del primo fotogramma e un prompt video H3. L’immagine di riferimento 1 è il layout 1344 × 768 della scena; l’immagine 2 è il riferimento del personaggio. Per più personaggi aggiungi lo stesso riferimento della nonna.
Usa I 2 VA con un solo primo fotogramma. La prima riga deve restare in inglese ed essere esattamente: “For the target video, at 0.00 seconds into the target video, <Picture 1> (da [Shot 1]) è completamente referenziato."; dopo una riga vuota, utilizzare solo i tre campi integrated_multimodal_description, overall_soundscape e non_diegetic_music. Ogni file indipendente inizia da [Shot 1], ancorando il primo fotogramma e poi scrivendo azioni, movimenti di macchina e risultati; per ogni scatto viene organizzata una sola azione del soggetto. Per impostazione predefinita il campo musicale è N/A.
Il dialogo utilizza (S1) Amu e (S2) Nonna, la descrizione del timbro è all'esterno dell'etichetta e le linee sono all'interno<d>[Chinese]台词。</d>, con un massimo di 12 caratteri cinesi per battuta. Ometti i dialoghi nella versione con soli suoni ambientali.
Mantieni coerenti personaggi, abiti, posizioni delle luci, sguardi e passaggio del pacco. Produci solo il contenuto di produzione.

L'API locale può essere chiamata direttamente

Mantieni Ollama in esecuzione e le seguenti richieste verranno inviate solo a questa macchina 127.0.0.1:11434。keep_alive=0 Lascia che il modello venga scaricato dopo questa risposta per fare spazio alla scena fotografica.

$storyRequest = @{
  model = 'qwen3:30b-a3b-instruct-2507-q4_K_M'
  messages = @(@{role='user'; content='为原创3D动画短剧写6个镜头。角色是橙色雨衣、短栗色头发、深蓝斜挎包的阿木；每镜只安排一个主要动作，列出首帧、运镜和环境声。'})
  stream = $false
  keep_alive = 0
  options = @{num_ctx=8192; temperature=0.7}
} | ConvertTo-Json -Depth 8
$storyResult = Invoke-RestMethod -Uri 'http://127.0.0.1:11434/api/chat' -Method Post -ContentType 'application/json; charset=utf-8' -Body ([Text.Encoding]::UTF8.GetBytes($storyRequest))
$storyResult.message.content

Ingresso finale del dialogo interattivo /bye. Prima di disegnare, verificare che il modello di testo non risieda più:

ollama stop qwen3:30b-a3b-instruct-2507-q4_K_M
ollama ps

Tre file ca. 16.10GiB. Esegui l'intero paragrafo seguente in PowerShell e salvalo nella directory della categoria del modello corretta in Portable. L'esecuzione ripetuta scaricherà nuovamente il file con lo stesso nome; se il download fallisce, l'errore verrà elaborato per primo e l'estensione del file non verrà modificata.

$comfyRoot = 'D:\AI\ComfyUI_windows_portable\ComfyUI'
$modelRepo = 'Comfy-Org/Qwen-Image-2.1'
$modelFiles = @(
  'diffusion_models/qwen_image_2.1_int8_convrot.safetensors'
  'text_encoders/qwen3vl_8b_int8_convrot.safetensors'
  'vae/qwen_image_2.1_vae_bf16.safetensors'
)
foreach ($modelFile in $modelFiles) {
  $destination = Join-Path (Join-Path $comfyRoot 'models') $modelFile
  New-Item -ItemType Directory -Path (Split-Path $destination) -Force | Out-Null
  curl.exe -L --fail --retry 3 --output $destination "https://huggingface.co/$modelRepo/resolve/main/$modelFile"
  if ($LASTEXITCODE -ne 0) { throw "下载失败，请先处理：$modelFile" }
}

Dopo il download, riavvia ComfyUI e importa il workflow Windows di riferimento del personaggio. Verifica che i selettori di generatore, encoder e VAE usino i file appena scaricati; refine_prompt Chiudi, l'esaltatore di parole PE non è un modello richiesto.

Le parole chiave positive vengono copiate di seguito. Quando CFG=1, le parole chiave negative non producono la guida CFG; viene data priorità alla scrittura chiara dell'identità, della composizione e del materiale.

Original stylized cinematic 3D animation character, Amu, a young courier boy with short chestnut hair, warm brown eyes, rounded expressive face, orange raincoat with hood down, navy crossbody satchel, dark boots. Full-body three-quarter character portrait, both hands visible, neutral warm-grey studio background, clear silhouette, soft cinematic key light, subtle subsurface skin, tactile woven fabric, physically plausible materials, restrained filmic color. One character, clean studio composition.

Il primo fotogramma definisce personaggio e composizione. Combina un layout nello stesso formato con il riferimento del personaggio: imposta prima l’inquadratura, poi applica l’identità corretta.

1. Genera il layout dello specchio

   Apri il workflow da testo a immagine per il riferimento del personaggio e imposta Resolution Selector su 16:9、0.98MP、multiple=32, confermare l'output 1344×768. Sostituisci con la parola di richiesta del layout di seguito e salvala con nome shot01-layout.png. Il layout è responsabile delle scene, dei luoghi, dei gesti e degli oggetti di scena.

2. Accedi alla mappa di riferimento

   Importa "Modifica primo fotogramma".image_1 Carica il layout 1344×768 appena generato;image_2 Carica quello accettato amu-character.png. Quest'ultimo vincola specificamente volti, vestiti e materiali. Collega le interfacce corrispondenti dai due nodi Carica immagine sull'area di disegno.

3. Mantieni la cornice del layout

   mantenere resolution=0、custom_size=false, 40 passi, CFG=1, eulero / semplice,refine_prompt=false, utilizza la parola suggerimento per la modifica riportata di seguito. 25 passaggi per l'anteprima della composizione. La dimensione di output segue la 1344×768 di image_1.

4. Accettazione e archiviazione obiettivo per obiettivo

   Salva in sequenza shot01.png a shot06.png. Confronta viso, capelli, abiti, tracolla e stivali con il riferimento del personaggio. Ingrandisci dita, contatti con gli oggetti e ombre ai piedi, poi verifica sguardi, pacco e luci. Mantieni i vincoli d’identità del personaggio quando modifichi la composizione dell’inquadratura.

Stylized cinematic 3D animation opening frame, quiet small-town train platform at golden hour. A young courier boy with short chestnut hair, orange raincoat with hood down, navy crossbody satchel and dark boots stands on the left third, holding a small kraft-paper parcel with a red ribbon at chest height, looking toward the right. Medium-wide eye-level composition, warm sunlight from screen left, wooden bench in the background to the right, coherent tactile materials, clear hand and parcel silhouettes. Clean composition with open space on the right.

Use <image1> as the exact composition, camera, canvas and station layout. Use <image2> as the identity and outfit reference for Amu. Replace only the boy in <image1> with this same Amu: exact face, short chestnut hair, orange raincoat with hood down, navy crossbody satchel and dark boots from <image2>. Keep the parcel with its red ribbon, hand positions, gaze direction, warm light from screen left and the bench on screen right. Match the stylized 3D materials from <image2>. Preserve the width and height of <image1>.

Il video di verifica utilizza anche una copia del primo fotogramma della stessa larghezza e altezza. Per la verifica a bassa risoluzione, ridimensionalo proporzionalmente e centra i bordi su 864×480; utilizzare l'immagine principale 1344×768 direttamente per il file di qualità. Salva PNG, parola richiesta, seme e JSON dopo ogni scatto. Riavvia ComfyUI prima di realizzare video per rilasciare il modello di immagine.

Pacchetto Windows in cinque pezzi 39.14GiB. Sono richiesti sia il VAE video che il VAE audio; LoRA in 8 passaggi viene preparato insieme per facilitare l'ispezione del modello di modello e il successivo confronto, ma questo articolo prima Disattiva Turbo。

$comfyRoot = 'D:\AI\ComfyUI_windows_portable\ComfyUI'
$modelRepo = 'Comfy-Org/MiniMax-H3'
$modelFiles = @(
  'diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors'
  'text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors'
  'vae/minimax_h3_video_vae_int8_convrot.safetensors'
  'vae/minimax_h3_audio_vae_fp32.safetensors'
  'loras/minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors'
)
foreach ($modelFile in $modelFiles) {
  $destination = Join-Path (Join-Path $comfyRoot 'models') $modelFile
  New-Item -ItemType Directory -Path (Split-Path $destination) -Force | Out-Null
  curl.exe -L --fail --retry 3 --output $destination "https://huggingface.co/$modelRepo/resolve/main/$modelFile"
  if ($LASTEXITCODE -ne 0) { throw "下载失败，请先处理：$modelFile" }
}

Riavvia ComfyUI e importa il workflow di verifica video per Windows. Carica nuovamente il tuo primo fotogramma in Load Image. Mantieni il sottografo da immagine a video collegato a Save Video. Se viene richiesta una chiave API cloud, hai selezionato il nodo sbagliato.

Organizza un'azione principale in un colpo solo e controllala prima per circa 5 secondi. Strato esterno Resolution Selector La linea di collegamento coprirà la larghezza e l'altezza dell'immagine secondaria; la modifica solo del numero dell'immagine secondaria non avrà effetto.

Mantieni le impostazioni esterne a 0.98MP / multiple=32 per ottenere 1344×768. Con 1.0MP viene selezionata un’area allineata più grande. Con Turbo=false il workflow esegue il ramo Base a 20 passaggi; i valori statici del ramo Turbo inutilizzato non influiscono su questo campionamento.

For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] Stylized cinematic 3D animation, the opening medium-wide composition matches <Picture 1>. Amu keeps the same face, short chestnut hair, orange raincoat, navy satchel and dark boots. He holds the red-ribbon parcel steadily at chest height and looks toward the empty platform on screen right; his shoulders slowly settle in disappointment. The camera pushes in with small amplitude at slow speed. Warm sunlight stays on screen left and the wooden bench remains on screen right. The shot follows one continuous restrained movement.

overall_soundscape: A distant train fades into a soft station hum. A light breeze brushes the coat fabric.

non_diegetic_music: N/A

Le parole guida sono organizzate in base a "primo fotogramma → azione → suono"

La prima riga sopra è ancorata al primo fotogramma a 0 secondi.integrated_multimodal_description Scrivi i movimenti dei personaggi, le posizioni della telecamera e i dialoghi;overall_soundscape Scrivere suoni ambientali e suoni d'azione;non_diegetic_music Quando si scrive la colonna sonora, questo film verrà compilato per primo. N/A. Ogni volta che viene generato uno scatto, il numero dello scatto inizia da [Shot 1] Inizia.

Per eseguire il dialogo nella terza inquadratura, passa prima al primo fotogramma dell'inquadratura, quindi utilizza l'esempio seguente. descrizione vocale e (S1) Mettilo fuori dall'etichetta e inserisci le linee cinesi <d>[Chinese]…</d>. Un breve dialogo in una sola inquadratura e un'espressione finale.

For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] Stylized cinematic 3D animation, the opening medium-wide composition matches <Picture 1>. Amu keeps the same face, short chestnut hair, orange raincoat, navy satchel and dark boots. He holds the red-ribbon parcel steadily at chest height and lifts his eyes toward the bench on screen right. Amu, a young boy with a clear warm mid-high voice and unhurried Mandarin delivery (S1), says: <d>[Chinese] 还在等我？</d> His expression shifts from disappointment to curiosity. The camera pushes in with small amplitude at slow speed. Warm sunlight stays on screen left and the wooden bench remains on screen right. The shot follows one continuous restrained movement.

overall_soundscape: A distant train fades into a soft station hum. A light breeze brushes the coat fabric.

non_diegetic_music: N/A

Quando è necessario unificare il timbro tra le riprese, utilizzare l'intera traccia di doppiaggio locale dal punto 15; il dialogo H3 all'interno della ripresa può essere utilizzato per la sincronizzazione labiale e le demo ritmiche. L'ID del carattere è responsabile del riferimento dell'oratore nelle parole suggerite e la traccia di doppiaggio continuo è responsabile del timbro finale.

1. Verificalo prima

   Carica il primo frame che corrisponde al frame, inserisci la parola di richiesta sopra, fai clic su Esegui e osserva l'avanzamento del terminale. La prima esecuzione completa il caricamento in sequenza di encoder, generatore e VAE. Il terminale dovrebbe visualizzare continuamente l'avanzamento della fase e osservare lo stato di esecuzione in combinazione con la memoria video e la memoria di sistema.

2. Controllare l'output

   Salva il video in ComfyUI/output/video/. Controlla se sono presenti fotogrammi neri, spostamenti dei caratteri, deformazione delle mani, salti di sottofondo nell'intera sezione e se il suono ambientale è normale.

3. Migliorare nuovamente la qualità

   Dopo il test, importa il workflow di qualità, seleziona nuovamente il primo fotogramma e verifica i modelli nei menu. In caso di OOM, torna a 0.4MP e batch=1 e interrompi gli altri lavori sulla GPU. Non iniziare con un video di 15 secondi.

Utilizzo del percorso Mac Apple Silicon + macOS 15 o successivo, installato uniformemente su ~/AI. È prevista la produzione completa a 768p con chip di classe Max e memoria unificata da 128 GB. Testo, immagini e video vengono eseguiti in sequenza e il modello viene rilasciato alla fine di ogni fase; il file di verifica controlla innanzitutto il motore e il percorso.

Esegui prima l'installazione dello strumento di sviluppo nel terminale, completa la finestra pop-up di sistema e poi continua:

xcode-select --install

Salta il primo passaggio se hai installato Homebrew. Confermare l'installazione iniziale come richiesto e completare le impostazioni del PERCORSO fornite dal programma di installazione; Apple Silicon di solito può caricare l'ambiente terminale corrente utilizzando la seconda riga seguente:

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
eval "$(/opt/homebrew/bin/brew shellenv)"
brew install python@3.12 ffmpeg ollama
mkdir -p ~/AI
cd ~/AI
git clone --branch v0.43.0 --depth 1 https://github.com/Comfy-Org/ComfyUI.git
cd ComfyUI
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install torch torchvision torchaudio
python -m pip install -r requirements.txt
python -c "import torch; print('MPS:', torch.backends.mps.is_available()); print(torch.ones(1, device='mps'))"

MPS dovrebbe essere True e il tensore dovrebbe essere visualizzato device='mps:0'. Se fallisce, occuparsi innanzitutto del sistema, dell'architettura Python e delle dipendenze e non utilizzare il comando di installazione CUDA. Quindi inizia:

cd ~/AI/ComfyUI
source .venv/bin/activate
python main.py --cpu-vae

Si apre il browser http://127.0.0.1:8188. Le immagini Mac in questo articolo utilizzano il percorso compatibile con CPU VAE e la decodifica sarà più lenta; il generatore può ancora utilizzare MPS. Il terminale rimane aperto.

Se è già in esecuzione un'app o un servizio Ollama, configurarlo prima launchctl setenv OLLAMA_NO_CLOUD 1, quindi esci completamente e riapri l'app; confermare utilizzando le schede locali. Non avviare ripetutamente una seconda istanza del servizio. Esegui da un terminale la prima volta che usi la CLI:

OLLAMA_NO_CLOUD=1 ollama serve

Mantieni aperto il terminale di servizio e apri un nuovo terminale per estrarre ed eseguire il modello. Inserisci l'input della conversazione /set parameter num_ctx 8192, quindi copiare il prompt completo dello storyboard nel passaggio 4.

ollama pull qwen3:30b-a3b-instruct-2507-q4_K_M
ollama run qwen3:30b-a3b-instruct-2507-q4_K_M

Richieste API native per Mac

curl --fail http://127.0.0.1:11434/api/chat   -H 'Content-Type: application/json'   -d '{"model":"qwen3:30b-a3b-instruct-2507-q4_K_M","messages":[{"role":"user","content":"为原创3D动画短剧写6镜分镜。主角阿木穿橙色雨衣、背深蓝斜挎包，每镜仅一个主要动作，保持同一角色。"}],"stream":false,"keep_alive":0,"options":{"num_ctx":8192,"temperature":0.7}}'

Restituisce JSON message.content contiene il risultato generato. Salvalo nella cartella del progetto e verifica che il modello sia stato rimosso dalla memoria prima di generare immagini o video:

ollama stop qwen3:30b-a3b-instruct-2507-q4_K_M
ollama ps

Il generatore di immagini è di circa 14,23 GB, il codificatore è di circa 17,53 GB e il VAE è di circa 0,68 GB. La dimensione totale è di circa 32.44GB Scarica; memoria aggiuntiva necessaria per l'esecuzione. Utilizza un ambiente di strumenti di download separato e non mescolare strumenti di download in ComfyUI.

python3.12 -m venv ~/AI/hf-tools
~/AI/hf-tools/bin/python -m pip install --upgrade huggingface_hub
~/AI/hf-tools/bin/hf download Comfy-Org/Qwen-Image-2.1   diffusion_models/qwen_image_2.1_bf16.safetensors   text_encoders/qwen3vl_8b_bf16.safetensors   vae/qwen_image_2.1_vae_bf16.safetensors   --local-dir ~/AI/ComfyUI/models

Riavvia ComfyUI e importa i workflow Mac di riferimento del personaggio e modifica del primo fotogramma. Seleziona i file BF16 e il VAE dedicato; disattiva refine_prompt. Non usare i pacchetti Windows INT8 ConvRot o H3 NVFP4 nel percorso MPS.

Usa gli stessi prompt di riferimento del personaggio dei passaggi 5 e 6, con 40 passaggi, CFG=1 e seed fisso per personaggio e primi fotogrammi. Usa 25 passaggi per l’anteprima rapida della composizione. Dopo aver approvato le immagini, arresta Ollama e usa Ctrl+C Chiudi ComfyUI, configura il motore H3 e quindi riavvialo per evitare conflitti tra il modello di immagine e il processo video per la memoria unificata.

Per Mac Motore C/Metal nativo h3.c, e quindi ricevere lo stesso ComfyUI nel passaggio successivo. Questo è il percorso avanzato della community. FL2VA peso originale ca. 144.05GB / 134.16GiB, a differenza del pacchetto di quantizzazione di Windows.

cd ~/AI
git clone https://github.com/antirez/h3.c.git
cd h3.c
git checkout 8974cc055ea9c02fcd14cc27dfda3e1027c05153
make -j8
./h3 --help
ffmpeg -version
ffprobe -version

Conserva la directory h3.c completa, che deve trovarsi nella stessa directory durante l'esecuzione h3_shaders.metal. Continua a scaricare hf-tools dal passaggio precedente:

~/AI/hf-tools/bin/hf download MiniMaxAI/MiniMax-H3   --revision 42ed227ee7df40d41602854ae760620d6eb651fe   --include 'FL2VA/*' 'model_index.json'   --local-dir ~/AI/h3.c/MiniMax-H3
cd ~/AI/h3.c
./h3 --info -d ./MiniMax-H3

La struttura corretta dovrebbe MiniMax-H3/FL2VA/transformer、text_encoder、tokenizer、processor、video_vae、audio_vae。--info Il semplice controllo della directory del modello e del dispositivo non significa che il video sia stato generato.

Installa la versione fissa del bridge Wild H3C, che avvia il motore h3 localmente e non chiama l'API cloud MiniMax.

cd ~/AI/ComfyUI/custom_nodes
git clone https://github.com/skaiy/wild-h3c-comfyui.git
cd wild-h3c-comfyui
git checkout e08057decfe3083a9270b05cac255c0101a7208e
cat > config.json <<'JSON'
{
  "h3_binary": "~/AI/h3.c/h3",
  "model_dir": "~/AI/h3.c/MiniMax-H3"
}
JSON
cd ~/AI/ComfyUI
source .venv/bin/activate
python main.py --cpu-vae --offline

model_dir Punta alla directory esterna contenente FL2VA. Dopo aver modificato config.json, riavvia ComfyUI. Importa il "File di verifica Mac·Video" di questo sito, la connessione è:

Carica il primo fotogramma che corrisponde alla proporzione e la parola del messaggio video rimane la stessa del passaggio 8. Dopo aver verificato con successo, cambia il livello di qualità: 1344×768, 5 secondi, 50 passaggi.precise=50 livelli, reuse=1, eseguendo integralmente ogni passaggio di denoising. Mantieni token_reduction=false e disattiva inizialmente ssd_streaming. Salva in MP4 / H.264 tramite Save Video.

Quando il nodo ComfyUI segnala un errore, individuarlo prima separatamente.

Utilizzare il seguente comando nel terminale per eseguire un controllo del motore locale. Sostituisci il primo percorso del frame con il tuo percorso assoluto PNG reale; il comando non può essere eseguito con un percorso segnaposto così com'è.

cd ~/AI/h3.c
mkdir -p outputs
cat > shot01-prompt.txt <<'PROMPT'
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

integrated_multimodal_description: [Shot 1] Stylized cinematic 3D animation, the opening medium-wide composition matches <Picture 1>. Amu keeps the same face, short chestnut hair, orange raincoat, navy satchel and dark boots. He holds the red-ribbon parcel steadily at chest height and looks toward the empty platform on screen right; his shoulders slowly settle in disappointment. The camera pushes in with small amplitude at slow speed. Warm sunlight stays on screen left and the wooden bench remains on screen right. The shot follows one continuous restrained movement.

overall_soundscape: A distant train fades into a soft station hum. A light breeze brushes the coat fabric.

non_diegetic_music: N/A
PROMPT
./h3 --profile -d ./MiniMax-H3   --first-frame /absolute/path/shot01.png   -p "$(cat shot01-prompt.txt)"   --width 1344 --height 768 --seconds 5   --steps 50 --layers 50 --reuse 1 --seed 42   -o outputs/shot01.mp4

Se il motore del terminale può generare e eseguire il bridge ma non riesce, controlla config.json, il primo percorso del frame, ffmpeg PATH e la versione del nodo. Quando il bridge non riesce a trovare il comando, avvia ComfyUI da un terminale con l'ambiente Homebrew caricato.

Per prima cosa scarica tutti i modelli, i modelli e le dipendenze, quindi esegui i seguenti controlli.L'API nativa può rispondere e può essere eseguita localmente senza fornire separatamente immagini e video.Non vengono utilizzati tag del modello cloud o nodi API premium.

1. testo

   Dopo esserti disconnesso dalla rete, pubblica una nuova domanda su 127.0.0.1:11434 con l'etichetta esatta e conferma che viene generata una nuova risposta. Mantieni le impostazioni OLLAMA_NO_CLOUD e non utilizzare il tag -cloud.

2. immagini

   Riavvia ComfyUI offline, carica il workflow di riferimento del personaggio e genera una nuova immagine con un nuovo seed. Salvala e verifica che non sia soltanto la vecchia anteprima nella cache.

3. video

   Interrompi le attività di testo e immagine, carica il flusso di lavoro H3 nativo, utilizza il nuovo seed per generare una breve ripresa, salvala e riproducila e conferma che vi sia un output reale e nessuna dipendenza da richieste remote.

Comando di avvio offline al termine del download

Windows viene eseguito nella directory root portatile:

Set-Location 'D:\AI\ComfyUI_windows_portable'
.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --offline

Mac in esecuzione nel terminale:

cd ~/AI/ComfyUI
source .venv/bin/activate
python main.py --cpu-vae --offline

Sei riprese qualificate sono state selezionate in base alla lista di produzione, e poi unificate in un film di 30 secondi con 120 fotogrammi per ripresa e 720 fotogrammi per l'intero film. Specifiche di consegna finali: 1344×768, 24fps, H.264, 48kHz stereo AAC.

Catena di montaggio automatizzato locale: dalle riprese alla consegna

Utilizza gli storyboard per organizzare la narrazione e l'automazione per completare attività ripetitive: assemblaggio sequenziale di sei inquadrature, controllo della durata del materiale, unificazione delle dimensioni e della frequenza dei fotogrammi, doppiaggio e missaggio, soppressione automatica dei suoni di sottofondo quando si parla, dissolvenza dell'inizio e della fine della musica, conversione dei sottotitoli vocali in cinese, calibrazione del volume dell'intero film e controllo delle specifiche di esportazione. Tutta l'elaborazione audio e video e il riconoscimento vocale vengono eseguiti in modo nativo.

1. Preparazione di FFmpeg con sei obiettivi

Il Mac è stato installato nel passaggio 9. Windows Riapri il terminale dopo l'installazione di PowerShell:

winget install --id Gyan.FFmpeg --exact --source winget

Copia l'output del file di qualità nella stessa cartella e assegnagli un nome shot01.mp4 a shot06.mp4. Ogni segmento deve durare almeno 5 secondi, con immagini continue e tracce audio complete; seleziona MP4 / H.264 in Salva video di ComfyUI e salva. Scarica il seguente script in questa cartella.

2. Voce unificata: registra un doppiaggio localmente

Lo stesso attore ha registrato l'intera battuta in una stanza tranquilla. Utilizza Registratore di suoni per Windows e QuickTime Player → File → Nuova registrazione audio per Mac. Dopo la registrazione, allinea i sei scatti nel tempo nel software di editing locale ed esporta esattamente 30 secondi di suono stereo narration.wav, mantenendo il silenzio quando non ci sono righe. Questa versione della ripresa H3 viene generata in base alle parole suggerite dal suono ambientale e il dialogo finale è sostenuto dall'intero doppiaggio; lo specchio del dialogo di apertura deve allineare la forma della bocca passo dopo passo e lo specchio della narrazione mantiene le labbra chiuse.

Quando è necessario convertire le registrazioni in WAV a 48kHz:

ffmpeg -i voice-recording.m4a -ar 48000 -ac 2 narration.wav

Sottotitoli cinesi automatici: Whisper large-v3-turbo · 809M

Modello di riconoscimento vocale multilingue che utilizza parametri 809M, 30 secondi dopo l'allineamento narration.wav Converti in SRT con timeline. Il modello pesa circa 1,62 GB e funziona offline dopo il primo download. Sia Windows che Mac utilizzano un ambiente Python 3.12 autonomo, CPU INT8; separato dall'ambiente GPU di ComfyUI.

Windows: installa prima Python 3.12, quindi riapri PowerShell, quindi crea un ambiente dedicato e scarica il modello della versione fissa:

winget install --id Python.Python.3.12 --exact --source winget
py -3.12 -m venv D:\AI\subtitle-tools
& 'D:\AI\subtitle-tools\Scripts\python.exe' -m pip install --upgrade pip
& 'D:\AI\subtitle-tools\Scripts\python.exe' -m pip install 'faster-whisper==1.2.1' 'ctranslate2==4.8.4'
& 'D:\AI\subtitle-tools\Scripts\python.exe' -c "from huggingface_hub import snapshot_download; snapshot_download(repo_id='dropbox-dash/faster-whisper-large-v3-turbo', revision='0a363e9161cbc7ed1431c9597a8ceaf0c4f78fcf', local_dir=r'D:\AI\models\whisper-turbo')"

Mac: utilizzando Python 3.12 installato in precedenza:

python3.12 -m venv ~/AI/subtitle-tools
~/AI/subtitle-tools/bin/python -m pip install --upgrade pip
~/AI/subtitle-tools/bin/python -m pip install 'faster-whisper==1.2.1' 'ctranslate2==4.8.4'
~/AI/subtitle-tools/bin/python -c "from huggingface_hub import snapshot_download; from pathlib import Path; snapshot_download(repo_id='dropbox-dash/faster-whisper-large-v3-turbo', revision='0a363e9161cbc7ed1431c9597a8ceaf0c4f78fcf', local_dir=str(Path.home()/'AI/models/whisper-turbo'))"

Inserisci lo script dei sottotitoli nella directory delle riprese ed eseguilo da quella directory. Finestre:

& 'D:\AI\subtitle-tools\Scripts\python.exe' .\h3-subtitles-v2.py .\narration.wav .\captions.srt --model 'D:\AI\models\whisper-turbo'

Mac：

~/AI/subtitle-tools/bin/python ./h3-subtitles-v2.py ./narration.wav ./captions.srt --model ~/AI/models/whisper-turbo

Lo script viene rimosso in base ai timestamp, alle pause e alla punteggiatura effettivi a livello di parola e restituisce UTF-8 captions.srt con captions.asr.json. È ora di correggere nomi, frammenti di frasi e prime/ultime parole. Quando utilizzi il dialogo nativo H3, esportalo prima utilizzando lo script di produzione rough.mp4, identificare il file e quindi aggiungere i sottotitoli ottenuti alla versione finale. La durata dei sottotitoli si basa sulla sequenza temporale finale di 30 secondi. Quando Windows rileva un errore di caricamento della DLL CTranslate2, riapri il terminale dopo aver installato il runtime Microsoft Visual C++ 2015–2022 x64.

3. Composizione automatica del film, mixaggio, sottotitoli ed esportazione

Prepara un brano tuo o di musica locale autorizzata music.wav, di almeno 30 secondi di durata. Combina musica, doppiaggio allineato e correzione di bozze captions.srt e sei MP4 nel catalogo dei filmati. Apri PowerShell in Windows e utilizza Python integrato di Portable:

D:\AI\ComfyUI_windows_portable\python_embeded\python.exe .\h3-finish-v2.py . --narration .\narration.wav --music .\music.wav --srt .\captions.srt --output final.mp4

Mac in esecuzione nella stessa directory dell'obiettivo:

python3.12 ./h3-finish-v2.py . --narration ./narration.wav --music ./music.wav --srt ./captions.srt --output final.mp4

Conservare secondo necessità --narration、--music、--srt; Quando un elemento viene omesso, viene eliminato insieme al percorso successivo. Lo script prima controlla l'input, quindi ridimensiona/riempie fotogramma per fotogramma, converte a 24 fps, prende i primi 120 fotogrammi e unifica la traccia audio a 48 kHz. Durante la duplicazione, il suono ambientale e la musica vengono automaticamente soppressi e l'inizio e la fine della musica vengono sfumati di 0,5 secondi. L'intero film viene elaborato due volte per quanto riguarda il volume, con un target di circa -16 LUFS e un target di picco massimo di -2 dBTP. Uscita MP4 con traccia sottotitoli cinese commutabile e generazione final.report.json, registra il numero effettivo di fotogrammi, la durata, il numero di tracce audio, i sottotitoli e il volume misurato. Il materiale originale viene mantenuto e vengono utilizzati nuovi nomi se sono presenti file di output.

4. Timeline locale e perfezionamento dei sottotitoli: Shotcut

Windows e Mac utilizzano la stessa interfaccia di modifica nativa. Installazione di Windows:

winget install --id Meltytech.Shotcut --exact --source winget

Installazione su Mac:

brew install --cask shotcut

1. progetto di costruzione

   Apri Shotcut e salva il nuovo progetto in 04_edit;Convertire il master final.mp4 Trascina sulla sequenza temporale. La modalità video è impostata su 1344×768 personalizzata, 24 fps, coerente con la versione master.

2. Allineamento e ispezione

   Controlla ogni clip con la testina della timeline e sposta i segmenti vocali per allineare inizio e fine delle battute. Esporta l’intera traccia in WAV come narration.wav e passala allo script di finalizzazione. Rifinisci i sottotitoli sul master: massimo due righe per schermata, senza coprire volti e oggetti importanti.

3. Aggiungi i sottotitoli

   aperto Visualizza / Visualizza → Sottotitoli / Sottotitoli, crea una nuova traccia di sottotitoli, aggiungi righe e imposta l'ora di inizio e fine; se è presente un SRT, importalo tramite il pannello dei sottotitoli. Correggi nomi, errori di battitura, frammentazione delle frasi e modelli di bocca ed esporta prima un file SRT separato.

4. Masterizza ed esporta

   nella sequenza temporale Uscita/uscita aggiungere Subtitle: Burn In Filtra, seleziona la traccia e il carattere dei sottotitoli. Anteprima per confermare che i sottotitoli vengono visualizzati prima dell'esportazione in H.264 MP4, mantenendo la traccia audio 1344×768, 24fps e 48kHz. Salva il tuo progetto Shotcut in modo da poter continuare a modificarlo.

Riproduci la versione finale a schermo intero: esamina volti e mani, ogni riga di dialogo, il primo e l'ultimo fotogramma nero, le transizioni e le continuazioni della voce fuori campo. Archivia insieme filmati grezzi, PNG, istruzioni, flussi di lavoro, registrazioni, SRT e sessioni di editing.