MinimaxHailuo03ReferenceNode - ComfyUI Built-in Node Documentation

此节点使用 MiniMax H3 模型生成视频，并以参考图像、视频和音频作为条件。

此节点使用 MiniMax H3 模型生成视频，并以参考图像、视频和音频作为条件。在提示词中，可通过连接的顺序引用这些参考素材，例如“Image 1”、“Image 2”、“Video 1”、“Audio 1”等。共有两个可用模型：“MiniMax H3”和“MiniMax H3 Max”。

​

输入

​

通用输入

参数	描述	数据类型	必填	范围
模型	用于视频生成的模型（默认：“MiniMax H3”）。选择 “MiniMax H3” 时将提供下方的 MiniMax H3 生成与参考输入；选择 “MiniMax H3 Max” 时将提供下方的 MiniMax H3 Max 生成与参考输入。	DYNAMIC_COMBO	是	”MiniMax H3" "MiniMax H3 Max”
随机种子	随机种子。使用相同种子的相同请求会得到相似但不保证完全相同的结果（默认：42）。	INT	是	0 到 4294967295
水印	是否为视频添加 AIGC 水印（默认：false）。仅 MiniMax H3 模型支持。	BOOLEAN	否	true false

​

MiniMax H3 输入

当选择 “MiniMax H3” 作为模型时，可使用这些输入。

参数	描述	数据类型	必填	范围
prompt	用于视频生成的文本提示词。可通过顺序引用参考媒体，例如 “Image 1”、“Image 2”、“Video 1” 或 “Audio 1”。	STRING	是	最少 1 个字符
resolution	输出视频的分辨率（默认：“768P”）。	COMBO	是	”768P" "2K”
ratio	输出视频的宽高比（默认：“adaptive”）。	COMBO	是	”adaptive" "16:9" "4:3" "1:1" "3:4" "9:16" "21:9”
duration	输出视频的时长（秒）（默认：5）。	INT	是	4 到 15

​

MiniMax H3 Max 输入

当选择 “MiniMax H3 Max” 作为模型时，可使用这些输入。

参数	描述	数据类型	必填	范围
prompt	用于视频生成的文本提示词。可通过顺序引用参考媒体，例如 “Image 1”、“Image 2”、“Video 1” 或 “Audio 1”。	STRING	是	1 到 50000 个字符
resolution	输出视频的分辨率（默认：“768P”）。	COMBO	是	”480P" "768P”
ratio	输出视频的宽高比（默认：“adaptive”）。	COMBO	是	”adaptive" "16:9" "4:3" "1:1" "3:4" "9:16" "21:9”
duration	输出视频的时长（秒）（默认：5）。	INT	是	5 到 15
prompt_expansion_mode	在生成之前对提示词进行重写时所投入的力度（默认：“balanced”）。	COMBO	是	”balanced" "quality”
reference_detail	发送参考图像时使用的细节级别。“high” 会以模型所使用的最大尺寸发送（短边最高 2048 像素）；“standard” 会将其缩小至最大 2048x1024，以降低参考成本（默认：“standard”）。	COMBO	是	”high" "standard”

​

参考输入

这些参考输入由两个模型共享。每一项都是可扩展插槽（growable slot）。

参数	描述	数据类型	必填	范围
reference_images	可扩展插槽：最多可连接 9 项（image_1…image_9）。主体或风格参考图像，在提示词中按连接顺序以 “Image 1”..”Image 9” 引用。最多 9 张图像。	IMAGE	否	0 到 9 张图像
reference_videos	可扩展插槽：最多可连接 3 项（video_1…video_3）。动作或场景参考视频，在提示词中按连接顺序以 “Video 1”..”Video 3” 引用。最多 3 个视频，每个 2-15 秒，总时长 15 秒。	VIDEO	否	0 到 3 个视频
reference_audios	可扩展插槽：最多可连接 3 项（audio_1…audio_3）。音频参考，在提示词中按连接顺序以 “Audio 1”..”Audio 3” 引用。最多 3 段音频，每段 2-15 秒，总时长 15 秒。不能在没有参考图像或视频的情况下使用。	AUDIO	否	0 到 3 段音频

​

参数约束

• 至少需要一张参考图像或一个参考视频。不接受仅有参考音频。
• 每张参考图像的宽高比必须介于约 0.4 到 2.5 之间（2:5 到 5:2），且最小宽度和高度为 256 像素。
• 每个参考视频的时长必须介于 2 到 15 秒之间，帧率介于 23.976 到 60 FPS 之间。所有参考视频的总时长不能超过 15 秒。
• 每段参考音频的时长必须介于 2 到 15 秒之间。所有参考音频的总时长不能超过 15 秒。
• 当选择 “MiniMax H3 Max” 时，watermark 设置必须处于禁用状态。
• 当选择 “MiniMax H3 Max” 时，参考文件（图像、视频和音频合计）的总数不能超过 12 个。

​

输出

输出名称	描述	数据类型
video	生成的视频。	VIDEO

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): b77eedb1f7757e60518c04484f1cc24c27cf6886b3ae31c15207ea49fd436a73