ComfyUI-Dials：MiniMax H3 免训练引导向量滑块，一对提示词生成 Dial，可堆叠调节运动、情绪风格

ComfyUI-Dials 是一款专为 MiniMax H3 及 Pika H3 Flex 模型设计的免训练引导工具。其核心机制是通过分析仅在一个品质上存在差异的提示对（例如“完全静止”与“奔跑穿过场景”），将这种差异转化为约 14 KB 的轻量级向量文件。在推理阶段，该文件如同强度滑块：负强度将生成结果导向第一个提示的特征，正强度则导向第二个提示的特征。

GitHub：https://github.com/matlowai/ComfyUI-Dials

该工具的研发背景源于对图像 LoRA 影响视频生成的观察：研究发现，仅针对图像“细节”训练的 LoKr 会消耗约 20% 的主题运动特征，且事后的权重调整无法将外观与静止状态有效分离。Dials 正是通过提取提示空间中的共享差异向量，在不引入新概念的前提下，精准调节视频中特定品质（如运动幅度、情绪氛围）的强度。

ComfyUI-Dials：MiniMax H3 免训练引导向量滑块，一对提示词生成 Dial，可堆叠调节运动、情绪风格

核心机制与工作原理

Dials 的本质是“模型已理解概念的增量或减量”，它作用于用户编写的每一个提示。与传统的微调或提示词加权技术相比，其工程特性如下：

轻量与免训练：每个 Dial 文件仅约 14 KB，构建过程仅需约一分钟（每个提示执行一次文本编码器传递），无需训练数据、无需参考图像、无需渲染。相比之下，典型的视频 LoRA 大小为 80–160 MB。
向量计算与平均化：Make Dial 节点对提示对 (A, B) 进行编码并在 Token 级别取平均，计算 B – A 的差异。跨对变化的主题和具体措辞会相互抵消，仅保留共享的 A→B 概念差异。
双模式注入机制：
1. post_refiner (Hook，默认模式)：向量在 token refiner 之后添加，即 DiT (Diffusion Transformer) 读取提示的确切位置。这是最干净、最忠实的模式。Apply Dial 会将其作为 ModelPatcher 对象补丁安装，模块树和权重路径保持不变，因此可与 LoRA 及其他 Dials 正常堆叠。
2. pre_refiner (LoRA 文件模式)：向量作为标准的 diff_b LoRA 键进入 condition_proj 的偏置项。这使得原生的“Load LoRA (model only)”节点也能应用它。由于 refiner 会重塑该向量，其每单位强度的效果更温和。
内置校正机制：
- Debias (去偏)：在 refiner 之前，Token 平均值易受提示模板主导。Make Dial 会投影出内置滋扰对（无关措辞变化）的顶部方向并将其移除。在 pre_refiner 模式下，这能消除原始 Dials 中 76–99% 的通用偏移；在 refiner 之后，也能移除 2–5% 的残留偏移。
- Calibrate (校准，仅限 pre_refiner)：Make Dial 会运行 refiner 并重新缩放向量，确保强度 1 精确对应 DiT 读取提示处的一个平均对差异。

环境配置与安装部署（核心重点）

正确的环境配置是工作流正常运行的前提。Dials 节点设计轻量，无额外的 Python 依赖包。

1. 节点安装

打开终端或命令行工具，导航至 ComfyUI 的 custom_nodes 目录，执行以下 Git 克隆命令：

cd ComfyUI/custom_nodes
git clone https://github.com/matlowai/ComfyUI-Dials

验证安装：安装完成后重启 ComfyUI。控制台应无额外依赖报错，节点将自动注册至“Dials”分类下。

2. 预设文件部署

将仓库中 dials/ 目录下的 .safetensors 文件复制到 ComfyUI 的以下路径中：
ComfyUI/models/loras/dials/

注意：如果该目录不存在，请手动创建。

3. 工作流加载

安装完成后，可加载仓库提供的示例工作流进行验证：

workflows/dials_studio_h3.json：H3 文本到视频的运动滑块及一个反派槽位（含音频支持）。
workflows/dial_maker_h3.json：用于制作和预览自定义 Dial 的工作流。
workflows/dials_pika_h3_flex*.json：针对 Pika H3 Flex (6步) 的运动 Dial 工作流，包含带与不带 de-rope（去拖影）的版本。
注：仓库同时提供了 API 格式的孪生文件（*_api.json）。

4. 编写高质量提示对的工程建议

保持提示 A 和 B 完全相同，仅改变你想要调节的那一个品质。
使用 {subject} 模板，并提供 4–8 个多样化的主题进行计算。
描述你实际期望的视觉效果。例如，若希望控制整个场景的运动，需明确描述相机和环境也在移动；若写“runs past the camera”（跑过镜头），模型会字面理解为主体退出画面。
Make Dial 节点生成的报告会提供两个关键指标：对一致性（高于 0.6 表示方向干净）和 Debias 移除率（显示原始差异中有多少是通用措辞偏移）。

官方预设 Dials 库说明

仓库提供了经过验证的预设 Dial 文件，主要分为运动控制与氛围调整两类：

1. 运动控制 (Motion)

文件：h3_motion.safetensors (Hook 模式) / h3_motion_lora.safetensors (LoRA 模式)
提示对：静止/摆姿势/冻结 ↔ 奔跑/跳跃/充满活力地移动
数据表现：基于 24 对（8 个主题 × 3 种变体）计算，一致性达 0.78。
强度效果：
- -2：近乎冻结、电影照片般的场景（0.05× 基础运动）。
- 0：模型按默认行为生成。
- +2：人物冲刺而非行走、交通奔涌、相机摆动（约 2.5–3× 基础运动）。
- 注：LoRA 文件模式每单位强度约为 Hook 模式的 0.6 倍，因此使用时需将强度乘以约 1.6 倍以达到同等效果。

2. 反派氛围包 (Evil Flavors)

包含 8 种独特的氛围引导方向（均采用 Hook 模式并开启 Debias）。运动特征与这些氛围方向正交（余弦相似度 ≈ 0）。建议强度范围为 +1 到 +2；+4 为极端效果。

h3_evil_sinister (阴险)：昏暗房间、逼近的前景剪影。⚠️ 注意：在 +2 强度下倾向于破坏音频，语音会被压碎（两行对话测试中，Whisper 词错误率从基础的 0.00 升至 0.84）。适合纯氛围场景，清晰对话场景需保持低强度。
h3_evil_creepy (诡异)：无菌、过度照明的空间、人物僵硬凝视。
h3_evil_cold (冷酷)：平淡、算计、无感情的企业反派解读。
h3_evil_unhinged (疯狂)：⚠️ 注意：效果极端，即使在 +2 强度下也可能出现尖叫或猛扑恐吓动作，需谨慎使用。
h3_evil_seductive (诱惑)：隐藏黑暗意图的魅力微笑。测试表明其在 +2 强度下仍能保持语音清晰（词错误率 0.00）。
h3_evil_corrupted (腐化)：黑暗奇幻风格的衰败与腐烂蔓延。
h3_evil_dread (恐惧)：无角色参与的纯粹不祥氛围。
h3_evil_impish (顽皮)：较轻的诡计者一端，调皮、策划恶作剧。

高级应用：Pika H3 Flex 与 De-rope 工作流

Pika H3 Flex 是 MiniMax H3 的 6 步、无 CFG 的 LoRA 加速方案。Dials 可无缝接入该工作流，位于 Pika LoRA 和采样器之间。

1. De-rope (去拖影/运动平滑) 机制

在高强度运动下，6 步采样容易产生运动模糊或拖影。De-rope 工作流通过以下逻辑修复：

第一遍：正常渲染 6 步。
第二遍：系统检测对当前帧率而言移动过快的段落，保留这些关键帧，从 inject 0.48 的步数重新进入，渲染减慢的片段并映射回实时时间轴。
结果：保留第一遍的原始音频，输出普通片段与 de-roped 片段。

2. 工作流选择与性能开销

在 1280×704 分辨率、141 帧的测试条件下（基于 RTX PRO 6000 Max-Q）：

Pika 6 步基础渲染：约 1.5 分钟。
Pika 6 步 + De-rope：约 5.5–6 分钟。
MiniMax H3 25 步 (无 de-rope)：约 5.5 分钟。
结论：一个经过 de-rope 处理的 Pika 片段，其时间成本约等于基础模型进行一次常规的 25 步渲染，但能产出更多运动细节和更清晰的帧。

3. De-rope 强度与画质权衡 (PSNR 对比)

De-rope 传递会改变片段，PSNR（峰值信噪比）越高表示越接近原始普通片段：

Pika 最后 3 步（在约 inject 0.25 重新进入）：22.5 dB
inject 0.48，遵循 Pika 的步骤（工作流默认）：18.2 dB
实验性 6+6 低于 0.48：17.3 dB

4. Pika 环境下的强度建议

运动 Dial：在 Pika 上，+0.5 到 +1.0 是有用范围（相对运动增加 20%-23%）。达到 +1.5 或以上时，场景可能重新布置或角色变形；+3.0 会导致提示词失效。
邪恶 Dial (如 Dread)：在 motion +0.5 的基础上，+0.5 会使大厅变暗、出现黑色盔甲；+1.0 会呈现哥特式大厅、厚重深色板甲及腐朽的王冠，同时保持提示、角色和故事节拍不变。
音频提示：若不需要背景音乐，请在提示词中明确写入 non_diegetic_music: N/A。