文档 /
节点说明 /
MiniMax H3 上下文 IR(提示词增强器)
MiniMax H3 上下文 IR(提示词增强器)
此节点使用 MiniMax H3 Context IR 分析你的文本描述和任何附加媒体,然后生成更强大、结构化的视频提示词。
节点说明
MinimaxHailuo03ContextIRNode 更新于 2026-11-12
MiniMax H3 上下文 IR(提示词增强器) - ComfyUI Built-in Node Documentation
此节点使用 MiniMax H3 Context IR 分析你的文本描述和任何附加媒体,然后生成更强大、结构化的视频提示词。
概述
此节点使用 MiniMax H3 Context IR 分析你的文本描述和任何附加媒体,然后生成更强大、结构化的视频提示词。返回的提示词设计用于连接到 MiniMax H3 视频节点的 prompt 输入;如果你在那里附加媒体,请以相同顺序附加相同的媒体,因为增强后的提示词会按位置引用媒体。
输入
通用输入
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
model | 用于提示词增强的模型。 | DYNAMIC\_COMBO | 是 | "MiniMax H3" |
first_frame | 你打算生成的视频的首帧。不能与参考媒体组合使用。 | IMAGE | 否 | 单张图像 |
last_frame | 你打算生成的视频的尾帧。不能与参考媒体组合使用。 | IMAGE | 否 | 单张图像 |
MiniMax H3 输入
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
prompt | 你打算生成的视频的描述。不能为空。(默认值:"") | STRING | 是 | 任意文本(不能为空) |
duration | 你打算生成的视频的时长,以秒为单位(4-15)。(默认值:5) | INT | 是 | 4 到 15 |
ratio | 你打算生成的视频的宽高比。"adaptive" 需要至少一个图像、视频或音频输入。(默认值:"adaptive") | COMBO | 是 | "adaptive" "16:9" "4:3" "1:1" "3:4" "9:16" "21:9" |
参考输入
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
reference_images | 主体或风格参考图像,在提示词中按连接顺序称为 "Image 1".."Image 9"。最多 9 张图像。可扩展槽位:连接 image_1...image_9。 | IMAGE | 否 | 0 到 9 张图像 |
reference_videos | 运动或场景参考视频,在提示词中按连接顺序称为 "Video 1".."Video 3"。最多 3 个视频,每个 2-15 秒,总计 15 秒。可扩展槽位:连接 video_1...video_3。 | VIDEO | 否 | 0 到 3 个视频 |
reference_audios | 音频参考,在提示词中按连接顺序称为 "Audio 1".."Audio 3"。最多 3 个音频片段,每个 2-15 秒,总计 15 秒。没有参考图像或视频时不能使用。可扩展槽位:连接 audio_1...audio_3。 | AUDIO | 否 | 0 到 3 个音频片段 |
参数约束
prompt、duration、ratio、reference_images、reference_videos和reference_audios输入是model选项组的一部分,并在选择 "MiniMax H3" 时出现。first_frame和last_frame不能与任何参考媒体组合使用。- 除非至少一个
reference_image或reference_video也连接,否则不能使用reference_audios。 - 当没有连接帧和参考媒体时,
ratio不能设置为"adaptive"。 - 参考视频必须每个大约 2-15 秒,总时长不超过 15 秒。其帧率必须在 23.9 到 60.5 FPS 之间。
- 参考音频必须每个大约 2-15 秒,总时长不超过 15 秒。
first_frame、last_frame和每个参考图像必须至少为 256x256 像素,并且宽高比在 0.4 到 2.5 之间。
输出
| 输出名称 | 描述 | 数据类型 |
|---|---|---|
STRING | 由 MiniMax H3 Context IR 生成的增强、结构化视频提示词。它可以连接到 MiniMax H3 视频生成节点的 prompt 输入。 | STRING |
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑
Source fingerprint (SHA-256): 73015517f9c0f55f0aceeef935508a372e0d95668e4733d1c8100b53e4afa7e2