ComfyUI-MiniMaxH3-SingleFrame：实验性单帧编辑与首尾插值节点

ComfyUI-MiniMaxH3-SingleFrame 是一套面向 MiniMax H3 的实验性 ComfyUI 自定义节点，专为类图像编辑工作流和首尾帧插值设计，而非通用视频生成。

• GitHub：https://github.com/tori29umai0123/ComfyUI-MiniMaxH3-SingleFrame

其核心能力包括：将输入图像锚定为第0帧生成短序列后提取单帧（静态编辑），或锚定首尾帧推断中间帧（姿势参考转角色设计等）。提供5个节点：Single Frame Edit、Start End Frame Interpolate、Temporal RoPE Patch、Empty Latent、Select Frame。帧数自动向上取整至满足 frame_count % 17 == 5（最小5帧）。Temporal RoPE Patch 可调节时间位置编码强度（0.0–1.0）以控制运动冻结程度，但属实验性功能，可能引入伪影。示例工作流需用户自行替换本地模型文件。

核心功能与工作流定位

该节点包明确区分于通用视频生成工具，聚焦两类精准场景：

1. 单帧图像编辑

• 机制：输入图像锚定在第0帧 → MiniMax H3生成短序列 → 提取指定帧
• 适用提示词：强调“场景不动、摄影机固定”，仅描述局部变化（如昼夜切换、表情调整）
• 关键参数：keyframe模式将输入作为第0帧锚点；reference模式将其作为<Picture 1>参考条件
• 优势：相比纯图像编辑模型，可利用H3的时序理解实现语义级修改（如“从白天到夜晚”的光照连贯过渡）

2. 首尾帧插值

• 机制：start_frame锚定第0帧，end_frame锚定frame_count-1 → H3推断中间帧 → 提取目标帧
• 适用提示词：分阶段描述转变过程（如“先摆姿势→再细化为角色设计”）
• 典型用途：姿势参考→角色设计、风格迁移中间态、动作分解关键帧生成
• 注意：需足够帧数支撑平滑过渡，建议≥22帧

帧数约束与Temporal RoPE Patch详解

帧数自动对齐规则
MiniMax H3要求帧数满足 frame_count % 17 == 5，节点自动向上取整：

若只需少量输出，生成5帧后用Select Frame提取即可，避免不必要计算。

Temporal RoPE Patch 使用指南
此补丁通过修改时间位置编码控制运动自由度，连接于UNET Loader之后、KSampler之前：

风险与缓解

• 潜在伪影：涂抹、重复纹理、构图错误（因改变训练时的时间布局）
• 调试策略：从1.0开始测试静态编辑；若出现伪影，逐步降至0.75/0.5；无效则设0.0禁用
• 插值专用：首尾帧插值建议0.0–0.25，过高会导致向端点塌缩或僵硬

部署与实操注意事项

安装与工作流配置

1. 克隆仓库至ComfyUI/custom_nodes/
2. 加载示例工作流（example_workflows/下两个JSON）
3. 必须手动替换：UNET、CLIP、VAE路径及输入图像文件名指向本地MiniMax H3文件
4. sample/目录含测试用输入图像，可用于验证流程

关键限制

• 非通用视频工具：不适用于长视频生成、复杂叙事或多镜头序列
• 实验性质：Temporal RoPE Patch未充分验证，生产环境慎用
• 模型依赖：仅兼容MiniMax H3，其他模型无效
• 无核心修补：不修改H3原始代码，所有操作通过外部节点实现
• 帧数下限：无法生成<5帧序列，需接受最小开销

最佳实践建议

• ✅ 静态编辑优先试strength=1.0 + keyframe模式
• ✅ 插值任务从strength=0.0 + 22帧起步，按需调整
• ✅ 使用Select Frame精细控制输出帧，避免盲目增加frame_count
• ❌ 勿在插值中使用高strength值，除非明确需要刚性过渡
• ❌ 勿期望替代专业图像编辑器，H3擅长语义级修改而非像素级精修

该节点包代表了AI视频模型向“可控图像编辑”延伸的探索：利用视频生成的时序理解力解决静态编辑中的语义连贯难题。但其实验性意味着使用者需承担调参成本与失败风险。