【接上一期】H3 Director最后3个工作流：借动作、换人物，效果如何？

大家好，我是你的智能搭子阿洁。

接着上期的H3 Director实测，这次把剩下三个工作流补上：动作控制、人物替换、自定义采样。

第一次看到这个项目，可以先这样理解：H3 Director是装在ComfyUI里的视频编排工具。 我把人物图片、声音或参考视频放进素材卡，在时间轴上安排镜头，再由MiniMax H3生成视频。它自带9个示例工作流，每个示例给出一种素材组织和生成方式。

前两项看起来很像：都有一张人物图、一段视频，最后都想让指定角色动起来。但真正跑过一轮，会发现它们回答的是两个问题：是借用视频里的动作，重新生成画面，还是把原片里的人换掉？

这次，白发精灵确实转过身，也进入了原视频的石厅。不过，人物替换中间先交出了两版大黑块；修复后能看见人了，转身的时间又没完全跟上原片。下面把这些结果一起放出来。

这轮继续用RTX 5070的12GB显卡，由Codex接手独立测试环境的操作、截图和排查。我先做约10秒短片，7、8两项都保持448×672竖版、Ref2VA Turbo 6步，按约5秒分段生成。

先找到示例，再准备对应素材

如果已经能在ComfyUI里运行MiniMax H3，接下来按H3 Director项目仓库说明安装节点包和依赖，重启ComfyUI，在Templates（模板）里搜索H3 Director，就能按英文名称找到这三个示例。我用的是seesee75-commits维护的v1.0.0。

还没有装好ComfyUI和H3基础模型，需要先完成仓库里的安装与模型准备；下面的操作从打开示例开始。

第7、8项还共用一个ControlNet Union 2.0模型，它负责把动作或遮罩这类控制信息送进生成过程。文件放在models/model_patches，由工作流的模型补丁加载节点连接到Context Connector（上下文连接器）。

这轮先用项目自带的人物图、动作视频、姿态片和遮罩，便于把流程跑清楚。换成自己的素材时，最需要分清下面两种准备方式。

01　第7个工作流：借动作，让自己的角色来演

我用了项目自带的三份素材：一段人物转身、靠近镜头的视频；对应的姿态骨架视频；一张白发精灵人物图。

它们各有任务。人物图负责“谁来演”，姿态视频负责提供身体结构和运动线索。原片则留着做对照，检查模型有没有跟上。

姿态片就是把动作逐帧画成彩色骨架的视频。 换用自己的动作片，要先提取姿态，再检查转身、遮挡时有没有漏掉身体关键点。本轮使用示例附带的现成姿态片。

看原图

在第7个“Control video”示例里，人物图片卡选Reference（人物参考），视频卡选Control video → Pose（姿态控制），并把这条控制片放到Director的Control轨道上，也就是时间轴里放置控制素材的位置。

这一步有个容易漏看的地方：选了Pose，不代表实际读到的就是姿态视频。

前两次排查时，界面虽然显示Pose，实际提交的文件仍是普通彩色视频。后来明确把文件改成h3-example-walk-pose.mp4，再提交，才是下面这版纯姿态测试。

这条片约3分53秒生成，实际长度10.125秒。顺序抽帧里，白发、尖耳、黑裙和法杖都在，人物也完成了转身、回正、靠近这一串变化。

但把同一秒的画面摆在一起，差别就明显了：原片4秒还在背身，生成结果已经转回正面。 到后面，两边都逐渐靠近镜头，变化方向相近，节奏却不一致。

看原图

再看输入骨架，侧身和背身时有一些头部、躯干关键点缺失。控制素材本身也不完整，因此我会先检查骨架，再决定是否值得重算视频；这一版还不足以说明时点偏差只由哪一个环节造成。

如果只想让角色借用一段转身、走近的大体动作，这个方向可以继续试。要卡音乐节拍、复刻舞蹈动作，就得把原片和结果同步看，单独看一条生成视频，很容易把“动起来了”当成“跟准了”。

02　第8个工作流：圈出原片区域，再把人物换进去

第8个“Inpaint”多了一份关键素材：遮罩。

原视频提供场景，人物图提供替换对象，遮罩圈出要重新生成的区域。白色区域重画，黑色区域作为保留背景的输入。

这里的遮罩也是一段视频，要随原片里的人物逐帧变化。换自己的片子，可以用项目里的Generate mask（SAM3）生成遮罩，需要另备对应模型；也可以直接选已经做好的遮罩文件。这次我用的是示例附带文件。

这次仍用同一段原片和白发精灵，另加项目自带的遮罩视频。视频卡选择Inpaint（mask + source），主文件放原片，Mask video选择遮罩；两条素材从同一时刻开始。遮罩形状用Bounding box，向外扩16像素。

看原图

矩形遮罩给新人物留出了空间，也会把人物周围一部分背景一起交给模型重画。它并不是沿着头发丝精细抠出来的轮廓。

先出来的不是新人物，是一大块黑色

第一版强度设为1，生成约4分5秒，遮罩区域几乎整块发黑。第二版把强度降到0.6，又等了约4分13秒，部分时刻能看见人物，但黑块还在。

看原图

降低强度没有解决问题，后续排查转向了模型与本地核心的兼容性。

这次补充下载的ControlNet Union 2.0文件约4.53GB，文件校验正常。它的模型说明要求使用post_norm方式处理遮罩：先做像素标准化，再把待重画区域置零。本地ComfyUI 0.37.0这处代码仍在标准化之前填黑，两者处理顺序不同。

不用记住公式，关键是：同样写着“把这块清空”，送进模型的数值可能并不一样。 遮罩区域连续两次发黑后，先核对这一步的兼容处理，比继续修改人物描述更有针对性。

我确认后，只在独立测试实例里做了单文件兼容修复，保留原文件备份，再手动重启。复测沿用第一版的提示词、种子、强度和画幅，只关闭缓存复用，避免把旧黑块接着拿来用。

新一版约4分17秒生成，实际10.125秒。抽帧里，矩形黑块消失了，白发精灵带着黑裙和法杖出现在原石厅中，拱顶、窗户和烛光仍然能认出来。

看原图

不过，原片4秒时人物还背对镜头，新角色已经回正，动作时间仍然没有对齐。片尾的遮罩还接近覆盖整张画面，这时模型有很大的重画空间，背景细节也要跟着检查。

这版解决了大黑块，也做出了人物替换；离“原片动作、背景都原样保留，只换一个人”，还有距离。

如果遇到相似黑块，先核对模型版本、遮罩和实际送入的文件，再查对应版本的兼容说明。我这次的修改只在这套测试环境验证过一次，不建议直接拿去覆盖日常使用的ComfyUI。

03　第9个工作流：把采样过程展开，留给需要改节点的人

第9个“Custom sampling”，和前两个不太一样。它不增加一种新素材，主要改变的是生成过程怎么交给ComfyUI执行。

“采样”可以简单理解为模型逐步生成画面的计算过程。平时我填写镜头要求、点击生成，这部分由工作流内部处理；想自己调整这段计算流程，才需要把采样节点展开。

前面的示例用H3 Render Sequence统一处理各段；第9项把循环和采样节点展开。Director仍负责镜头计划，每一段再进入采样循环，最后解码、去掉重叠部分并拼起来。

看原图

我沿用示例里的灯塔场景，缩成两个约5秒镜头：先是海边灯塔和浪，接着是守灯人提着灯沿旋转楼梯上行。这次是768×448、Turbo 8步，生成约3分30秒，成片同样10.125秒。

抽帧能看到外景切到楼梯内景，守灯人向上走，后段逐渐离开画面。音轨的机器转写识别到了预设的两句英文台词；声音和嘴型是否自然，还要结合视频听看。

这次我跑的是示例已有的采样链，没有另外增加第二阶段采样，也没有比较不同采样器的画质。所以，它在这轮最直接的意义是：想换采样器、引导节点或增加采样阶段时，有一条展开的流程可以接着改。 只想按镜头出片，前面的Render Sequence更省事。

还有一个使用差别值得提前记住：项目进阶指南说明，这个原生循环会重新渲染每一段。前面Render Sequence的中断续跑能力，不能直接搬到这条循环上。

手里有参考视频，先分清想保留什么

这三个工作流，我会这样选：

• 想借用原片动作，重新生成自己的角色画面：从第7项Control video开始，先检查姿态片是否完整、文件有没有选对。
• 想保留原片场景，只改其中的人或物：看第8项Inpaint，重点检查遮罩、素材时间对应关系，以及重画后背景和动作的变化。
• 已经需要自己改采样节点：再打开第9项Custom sampling；日常出片先用封装好的流程。

接下来真要拿它做内容，我会先挑一小段目标动作，把人物、姿态和遮罩检查清楚。10秒里能看出的偏差，没必要等整条长片渲染完再发现。

智能搭子 · 和你一起把AI真正用起来 · 真实体验 · 客观判断 · 持续探索