这个 ComfyUI 教程工作流使用 MiniMax H3（一种全模态模型）把一条文本提示词直接变成带原生立体声音频的成片视频，一次生成即可同时合成画面、旁白、音效与音乐。无需管理任何文件输入——只要描述你要的内容，节点图会返回约 15 秒、24 fps、最高 2K 分辨率，并且立体声已内嵌在视频里。
在实现上，MiniMax H3 子图（节点 79dd8a95-ce9d-4c14-b264-2162e8bec5ce）负责生成与解码。它使用 MiniMax H3 的视频与音频 VAE（minimax_h3_video_vae_fp16.safetensors 和 minimax_h3_audio_vae_fp32.safetensors）从模型 latent 重建帧与立体声音频。ResolutionSelector 将常用预设映射到满足 32 倍数约束的有效尺寸（如 960×544、1152×640、1216×672），而 SaveVideo 会把帧序列与立体声音频流复用封装为单个 MP4。画布中的 MarkdownNote 提供快速提示与示例提示词。最终得到的是一条紧凑的“纯提示词”流水线，适合快速概念可视化、社媒发布，以及带音频节奏的叙事短片。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 URL。
// Install (beta)
npm i @comfyorg/sdk
// Run this workflow (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
const wf = await client.workflows.fromFile("workflow_api.json");
const job = await client.run(wf);
await job.getOutputs("<output-node-id>")[0].toFile("output.png");SDK 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
