ComfyUI MiniMax H3-Promptor：MiniMax H3提示词节点，支持四家LLM原生集成与JSON预设扩展

216 0

ComfyUI MiniMax H3-Promptor 是一套专为 MiniMax H3 视频生成系统设计的节点化工作流工具，通过解耦架构将多模态视觉分析与文本提示词结构化分离。其核心由 H3_Vision_Analyzer 和 H3_Promptor 两个节点组成，前者负责基于 JSON 预设的图像/视频内容解析，后者接收纯文本上下文生成符合 H3 格式的影院级提示词。该设计避免重复调用 VLM 分析媒体，显著降低 API 成本，同时支持 OpenAI、Ollama、Gemini、Claude 四家提供商的原生集成，所有配置与扩展均通过本地文件完成，无需修改代码。

GitHub：https://github.com/1038lab/ComfyUI-MiniMax-H3-Promptor

ComfyUI MiniMax H3-Promptor：MiniMax H3提示词节点，支持四家LLM原生集成与JSON预设扩展

双节点协同机制与模式自动识别

工作流的核心优势在于职责分离与智能联动：

H3_Vision_Analyzer（视觉分析引擎）

支持 4 张图像 + 1 批视频关键帧（最多提取 4 帧）并行分析
每个媒体槽绑定独立分析模式，从 vision_prompts.json 动态加载预设（如仅角色、仅光照、全构图）
输出结构化 vision_context 文本，并嵌入隐藏 [MEDIA_SIGNATURE] 标记输入组合
温度默认 0.2，确保事实描述精确性；支持中英双语输出

H3_Promptor（提示词结构引擎）

接收用户创意描述 + Vision Analyzer 的文本报告，不直接处理图像张量
静默解析 [MEDIA_SIGNATURE] 自动选择生成模式：
- 无媒体 → T2V
- 1 图 → I2V
- 2 图 → FL2VA（首尾帧）
- 3–4 图或图+视频 → Ref2VA（Omni 参考）
- 仅视频 → V2V
时长参数（4–15 秒）驱动镜头列表严格对齐 24FPS 时间轴
温度默认 0.7，适配创意写作需求；输出语言可选简体中或英文

两节点间仅传递文本与签名，图像数据在 Analyzer 阶段即被消费完毕，Promptor 可脱离媒体连接独立运行，便于复用分析结果或调试提示词结构。

LLM 提供商集成与配置管理

四家提供商均为原生 API 实现，无中间兼容层，各自独立维护：

提供商	认证方式	默认模型	多模态支持
OpenAI	Bearer Token	gpt-4o	✅
Ollama	无需认证（本地）	llama3.1	✅
Gemini	URL ?key= 参数	gemini-2.5-flash	✅
Claude	x-api-key Header	claude-sonnet-4-20250514	✅

配置优先级：节点 UI 覆盖 > config.json > 默认值。首次加载自动生成 config.json，格式如下：

{
  "providers": {
    "openai":  { "api_key": "sk-..." },
    "gemini":  { "api_key": "AIza..." },
    "claude":  { "api_key": "sk-ant-..." }
  }
}

Ollama 无需密钥，适合离线或隐私敏感场景。所有提供商均支持 Vision Analyzer 的图像输入，但需注意各模型对多图/视频帧的处理能力差异。

自定义扩展路径与模板体系

vision_prompts.json 扩展

首次启动自动生成该文件，结构为键值对形式的分析策略库：

{
  "image_prompts": {
    "Subject / Identity": "Focus exclusively on describing the main subject's appearance...",
    "Color Palette & Texture": "Focus exclusively on the dominating colors..."
  }
}