Tutorial para generar vídeo con sonido desde una imagen con MiniMax H3 en ComfyUI
Stable Diffusion Art publica una guía para usar el modelo MiniMax H3 (también llamado Hailuo 3.0) en ComfyUI, que convierte una imagen fija en un clip de 5 segundos a 24 fps con audio estéreo sincronizado, diálogo con labial y música. El flujo de trabajo usa el nodo MiniMaxH3ImageToVideo y el modelo minimax_h3_fl2va, y admite image-to-video, interpolación entre primer y último fotograma, y text-to-video. La guía detalla requisitos (ComfyUI 0.30.0 o superior, unos 37 GB de pesos), resolución máxima de 1344x768 y consejos para evitar el fallo de congelación de un segundo.
Fuentes
- Stable Diffusion ArtGenerate Video from Image with Sound in ComfyUI (Workflow Included) – MiniMax H3 Image-to-Video