用本地 MiniMax H3 和 ComfyUI 复刻一支复古动画短片的制作笔记。

成片最后一镜。
看完《非凡之爱》,我想看看,把片里的两个人换成我和女朋友,会是什么样子。
第一版我尽量照着原片来。保留故事顺序、原来的音乐和复古动画气质,换成我们两个人的形象。原片有一段涉及外套,跟已经定下来的服装和后续镜头有冲突,我就先跳过了。这次做完的是一支大约 85 秒的短片,画面在本地用 MiniMax H3 生成。
先做一对看得出是我们的角色
一开始,我手上已经有两张生成过的人物形象图。我用它们做干净的人物参考,把正面、侧面、背面和常用表情分开。同框时按现实里约 175 和 162 厘米的关系来做。这样即便保留原片那种修长的身形,两个人站在一起也还有熟悉的比例。
第一版复古风出来时,我觉得轮廓、色块和阴影已经有想要的 2D 赛璐璐动画感。不过脸画得太概括,我和她那些能被认出来的地方也一起淡了。第二版保留衣服和体态,把脸型、眼形、眼镜和鼻口细节往原始形象拉回来。我最后选了第二版,再用它补齐三视图和表情图。

左边是复古风初版,右边保留了更多脸部特征。

拆镜头的时候,我在看什么
我先从原片抽帧。自动检测给出了 82 个可能的切点,我对着前后帧筛了一遍,最后整理成 32 个镜头。跳过外套段以后,实际制作 31 个。
切点只给镜头划出边界。写分镜的时候,我还得想清楚观众在这几秒里要看到什么。比如男主用伞帮人解围,几次救场都有相似的反差:别人手忙脚乱,他还在喝咖啡,脚步也没乱。我在动作表里给这两件事都留了位置。
第 17 镜是个表情近景。男主刚用鸽群摆出爱心,镜头切到女主。她先侧眼看,接着短暂翻个白眼,嘴抿着,还有点脸红,最后才转头偷笑。早期版本的表情变化不够,我就专门补了中间那一下。这个近景里只有女主,男主和鸽群留在画外。

第 17 镜的三张分镜参考图。中间那一下翻眼,给后面的笑留了个转折。
每镜定好构图和道具之后,我再写动作表和验收条件。谁先伸手?伞尖碰到哪里?谁从哪边出画,下一镜接什么姿势?然后用 ChatGPT Image 按分镜制作参考图。简单镜头先准备首尾状态,有换手、接触或表情转折的镜头加中间图。图序、剧本、视频提示词和时长放在同一个制作包里。全量第一版用了 99 张参考图。
我先试了第 21 镜。女主在伞下回望,再抬手把笑藏起来。这个动作小,可以先看表演和人物形象能不能跟上。试片看过之后,我才把同样的做法铺到全片。
路人怎么突然穿上了女主的裤子
第一次全量生成,最明显的问题在第 1 镜。参考图里的路人穿米色大衣、戴红围巾。男主盖好井盖以后,画面里却出现了白上衣、深蓝裤子的人。我先怀疑自动化脚本给这一镜配错了图或者提示词。
回查 31 条 ComfyUI 提交记录后,那一批的文字、图片槽位和上传顺序都对得上。翻回提示词,我发现共用模板里塞了男女主的设定。包括第 1 镜在内,一共有 12 个女主没出场的镜头,还是写着她的白上衣和深蓝阔腿裤。模型读到了保持路人身份的要求,也读到了一套具体的女主造型。
后来我按 H3 的 R2V 结构重写了全片。每镜单独定义入画主体,给每张图分配用途,再按播放顺序写动作。六个字段分别放主体定义、任务概述、保留范围、详细镜头、环境声音和配乐。种子、时长和上传说明留在任务清单里。
比如喷泉边的硬币,我写的是它以薄边落在石沿,边转边往前滚,快从外沿跌出时才碰到伞尖。伞尖轻轻向上、向内一拨,硬币短暂升起,再落进水里。早期试片里,它会停在池边等人来救。把接触前后的运动写出来,才有机会做出那一下顺手的感觉。
我用同一批图、同样的种子和生成参数,把重写版直接全量跑了一遍。看片时,大部分镜头比上一版顺了许多。剩下的问题也能指到具体动作上了。
本地 ComfyUI 怎么接这批物料
我用的是 MiniMax H3 的 R2V(Reference-to-Video)工作流。清单为每个镜头记录一个镜头号、一份英文提示词、一组有序图片、一个种子和一个请求时长。脚本展开对应的工作流 JSON,把图片依序接进参考图节点,第一张对应提示词里的 Picture 1,再向本地 ComfyUI 提交。任务执行完,脚本按镜头号收回视频,保存真实提交的工作流和任务 ID。
我在动作表里可以标“约 1.9 秒伞尖碰到硬币”,但这一版普通 R2V 的图片输入没有逐张锁帧的时间参数。动作出现在哪一帧,要看实际生成。请求时长和剪辑占位也分开记。例如喷泉镜头请求 3.367 秒,按这套 24 fps 的工作流预计生成 90 帧,也就是 3.75 秒,剪辑时再选完整的动作区间。
后来的批次每次单开输出目录,留存提交文本、参考图顺序、图片哈希、参数和输出记录。第 7 镜在返修包里是第二条任务,脚本仍按原镜头号找到它的种子。这样只补跑其中几镜,也能回查当时用了哪张图、哪份文字。
在七镜修复项目里,第一行用来核对镜头清单,第二行才提交生成。这里的 all 读取的是修复项目的七条记录。
python run_reviewed_attempt.py --shots all
python run_reviewed_attempt.py --shots all --attempt repair-01 --execute
七个镜头,三种改法
重写完再看全片,第 2 镜的硬币动作有了,男主却像在滑步。回头看几张参考图,他的前伸腿确实太相似。我改了两张中间图,一张给单腿承重、另一腿前摆,下一张给前摆腿落脚。伞尖和硬币的接触位置也得一起检查。

同一个动作节点,左图是旧参考,右图是返修参考。
第 8 镜的问题要往前追到拆解。我最初写成男主从倒立舞者前面走过,舞者自己收腿继续转。回看密集抽帧时,能看到伞往纸板边缘下探,舞者随后收腿、落掌并稳住。我把这次帮忙补进剧本,重做了一张接触图,让伞尖压在纸板上。那一下有了,舞者停下来的原因才看得出来。

另外五镜也是看片时逐一记下来的。
| 镜头 | 看片时看到的问题 | 返修时改了什么 |
|---|---|---|
| 007 店门 | 男主朝着店门往后退,像在倒放 | 改中间图的朝向,补上转身、朝左迈步和出画 |
| 012 服务员 | 伞接住了人,随后还是坐到地上 | 写清楚伞向上托起整个身体,等双脚站稳才撤 |
| 015 花丛 | 两个人像站着演完了献花 | 从开头就向右走,侧向跟拍,递花和拒绝都在行进中发生 |
| 018 扶梯 | 女主经过男主面前时,人物轮廓扭了一下 | 明确近侧通道和遮挡,等她走过再换手、摸头、跟上 |
| 020 窗口泼水 | 水已经落下,伞才挡过去 | 把举伞和倾桶写成并行动作,让主水幕先撞上伞面 |
七镜一共换了四张参考图,七份提示词都做了调整。我单独重跑这七镜,按原镜头号换回时间线。把它们放回前后镜头之间,带上原来的音乐完整检查了一遍,才确认了现在发布的这一版。

成片里的喷泉镜头。走路、喝咖啡和拨硬币发生在同一镜里。

成片里的伞下回望,也是我最早拿来试做的镜头。
花丛里那一大束花,她抬手就拒绝了。走到窗台边,他只递过去一枝,她倒接住了,又把它别回他发间。这两处放在一起,前面的拒绝和后面的回应就都看得见了。最初我只是想看看,换成我们两个人会是什么样。最后成片里,除了脸,也有了这些小动作。
