H3 Character Sheet Generator
我之所以开始做这个，是因为我一直很难找到准确、高质量、能用作 H3 参考的图像，于是我发现这个模型在角色一致性方面非常出色，而且最多可以接受 9 张参考图。
随便丢几张粗略的参考图进去，就能得到一张可以长期复用的角色设定图。
和你们中的很多人一样，我最近一直在折腾 H3，并对它的多图参考功能上了点瘾。你最多可以给它 9 张图片，这意味着你可以把零碎元素拼成一个角色——脸从这里拿，盔甲从那里拿，帽子从别处拿——而它真的能把这些保持在一起。
这个工作流做的就是这件事：让角色旋转 360 度（如果使用 4 面板版本则为 180 度），然后输出一张参考设定图，让你之后制作的一切都能保持角色一致。
为什么还要用视频模型来做这件事
如果你分别生成同一角色的六张图像，它们往往会互相“打架”。下巴会偏移，外套会变，颜色会漂移。你懂的。
而 一次 视频生成出的六帧画面就不会这样——它们来自同一次生成。这就是整个技巧所在。镜头缓慢环绕，没有硬切；角色像雕像一样保持静止；然后工作流抓取六帧画面，把它们拼成一张图。
工作原理
- 放入你的图片，并在 Input Text (A Prompt) 框中描述它们
- 再加上一个 B Prompt，用来处理旋转、姿势、灯光等
- 它会生成一段缓慢的 360 度环绕，没有硬切，因此角色保持一致
- 抓取 6/4 帧画面，并拼成设定图
你还可选择输出 360 度旋转视频和每一张单独的帧，作为可选输出，如果你自己想挑选角度，或之后将单帧作为参考。
两个版本
| 文件 | 说明 |
|---|---|
H3_CharSheetMaker_6_Panel.json | 正面、两侧、背面，另加两张面部特写 |
H3_CharSheetMaker_4_Panel__Faster_.json | 四个视角，帧数减少约 40%，速度明显更快 |
同一位骑士，4 格：
所需准备
模型 — 每个加载节点都内置了下载链接，因此打开工作流时，ComfyUI 应该会直接提示你下载缺少的文件。
| 槽位 | 文件 | 放入目录 |
|---|---|---|
| 扩散 | minimax_h3_ref2va_pruned_int8_convrot.safetensors | models/diffusion_models/ |
| 文本编码器 | qwen3vl_32b_minimax_h3_int8_convrot.safetensors | models/text_encoders/ |
| 视频 VAE | minimax_h3_video_vae_int8_convrot.safetensors | models/vae/ |
| 音频 VAE | minimax_h3_audio_vae_fp32.safetensors | models/vae/ |
| Turbo LoRA（可选） | minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors | models/loras/ |
这些是 INT8 低显存版本。如果显存有余量，更高精度的版本能带来更丰富的细节——尤其是文本编码器，提示词遵循能力主要取决于它。
自定义节点 — 我尽量让工作流保持原生。唯一的第三方内容位于可选的 Speed Ups 组：
如果不需要，可以删除该组。
编写 A Prompt
每张图写一行。说明要保留什么，以及——这一点比大多数人预期的更重要——说明要忽略什么：
<Picture 1> - keep the photo style. Use the bald head, facial hair, physique.
<Picture 2> - keep only the black outfit. Remove the hair, remove accessories.
<Picture 3> - use the shield. It is attached to the man's back.如果不按名称明确排除无关内容，背景和错误人物的头发就会混进来。
也值得用文字描述服装，而不仅仅是展示。脸部特征可以自然延续，但服装容易漂移。"黑色高领外套配银色扣环"这种描述更稳定；"第 2 张图里的那件外套"则会跑偏。
动漫转真人
有人问它能否做动漫转真人写实，所以这里也提供了一个修改版 B prompt。它对此的效果出乎意料地好。
Haruhi:
Sanji:
下面是实际的源视频，方便你查看它是如何工作的——缓慢旋转，无剪辑，最后有几个面部镜头：
六个面板只是从该视频中抽出的帧。
物体
该模型在物体生成上也表现出色，但建议提供更多角度的参考图。
注意事项（如实说明）
它非常非常慢。 你需要生成 124 帧，才能使用其中的 6 帧。这就是该方案根本上的荒谬之处。4 面板版本会有帮助，它只生成 73 帧并取用 4 帧（提速 40%）。
提速会有代价。 Turbo LoRAs 和缓存确实能加快速度，但提示词遵循度和质量会略有下降。大多数情况下值得，最终轮除外。
质量有限。 这是视频模型，它更擅长视频而非静态图。如果在乎，可以调高分辨率和步数，但要用生成时间来买单。
单靠角色表可能不足以处理特写。 每个面板的分辨率就那样。对于近景工作，我会用角色表 配合 一些细节图——脸部、服装纹理、任何重要的内容。而且说实话，对于一次性视频，跳过角色表、直接使用原始素材可能更好。
提示
- 更多步数 = 如果你愿意等待，质量会略好
- B prompt 中写的是 "neutral A pose" —— 如果你想指定某个特定姿势，删掉那部分即可
- 请使用同一角色的多张不同视角照片。 输入的视角越多，最终的 360 效果越好
- 也适用于物体和道具。 你会需要微调 B prompt，主要是把面部特写换成细节特写
- 每次运行的帧时序会有变化。如果某个面板看起来不对劲，打开 "save all frames" 输出，找到一个更合适的帧号并填入子图。重新拼接有缓存，因此几乎即时完成
关于许可证
这些工作流文件归我所有，你可以随意使用。
模型则不同。 MiniMax H3 采用社区许可，但排除了欧盟、英国、韩国和美国，并且该许可不仅适用于模型权重，也适用于输出。如果你打算用于任何商业用途，请亲自阅读 正式许可证，而不是听我的一面之词。我不是律师。
基于 Comfy-Org/MiniMax-H3 构建。如果你把它弄坏了或改进了它，欢迎留言。
作者：C_Nugget