文生图 → 图生视频两段式管线：minimax-h3-int8 进阶工作流设计指南

【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8

文生图（T2I）→ 图片审核 → 图生视频（I2V）的两段式管线，是 minimax-h3-int8（基于 MiniMax H3 INT8 权重的 AI 视频生成仓库）的核心进阶工作流设计。本文带你完整理解这条管线：为什么拆成两段、图片如何把关、格式怎么定、一键编排怎么跑——从新手视角讲清楚整个设计思路。

🎯 为什么用两段式管线：3 个核心价值

直接「文生视频」一步出片虽然省事，但画面内容由模型随机发挥，难以精确控制。两段式管线的思路是：先用文生图定画面，审核通过后再让 MiniMax H3 图生视频定动态。

这就是它与「文生视频直接出片」的本质区别：图片从一次性消耗品变成了可重复使用的资产。

🔄 完整管线：从一句提示词到成片

整条管线分为四个阶段，每一段都可独立触发、独立重试：

┌─────────────┐ ┌──────────────┐ ┌─────────────┐ ┌──────────────┐ │ T2I 文生图 │ ──> │ 图片审核关卡 │ ──> │ I2V 图生视频 │ ──> │ 视频交付 │ │ FLUX.2-klein │ │ 内容/质量/尺寸 │ │ H3 turbo │ │ output/video │ └─────────────┘ └──────────────┘ └─────────────┘ └──────────────┘

对应脚本编排为：t2i.sh（生成）→review.sh（审核）→create.sh（出视频）→archive.sh（归档），也可用pipeline.sh一键串起前三步。详细设计见 docs/t2i-i2v-pipeline.md 和 docs/t2i-i2v-pipeline-design.md。

📝 阶段一：文生图生成候选首帧

选型结论：FLUX.2-klein-4B

两段式管线为文生图选定的模型是FLUX.2-klein-4B，选型依据见 docs/t2i-model-selection.md：

• 环境零迁移：与 minimax-h3-int8 同为昇腾 910B + CANN 8.5.1 环境，已有同环境适配验证
• 体量合适：4B 参数、约 23GB 权重，单卡约 13GB 显存即可运行
• 出图快：蒸馏模型 4 步出图，实测约 1.2 秒/张（1024×1024）

生成规范速查

⚠️ 注意：FLUX 出的是方图，而视频要横屏 1344×768——中间的「裁剪决策」正是审核关卡存在的核心价值：人决定裁哪里、留什么。

🛡️ 图片审核关卡：自动 + 人工双保险

审核是整条管线唯一的把关点。设计上分为三层防护，状态机定义见 docs/t2i-i2v-pipeline-design.md：

第一层：自动硬性校验（秒级，无交互）

第二层：人工决策——自动校验通过后，候选图进入人工审核：approve（通过入资产库）/reject（否决）/crop（手动指定裁剪区域后通过）。

第三层：资产库归档——审核通过的图存入curated/资产库，命名规则为场景_风格_日期.png（如coastline_cinematic_20260920.png），并更新机读清单MANIFEST.json，保证每张图可追溯：由哪个 prompt、哪个 seed 生成、谁在何时审核通过。

每张图的生命周期状态为：generated → auto_pass → pending_manual → approved → used（被否决则进入rejected，格式不合格直接auto_fail丢弃）。

🎬 阶段二：图生视频（I2V）与全链路格式规范

格式是两段式管线能否落地的关键。以下是实测验证的全链路格式基线（来自 docs/t2i-i2v-pipeline.md）：

首帧图输入规范（进 I2V 前必须满足）

视频输出规范（MiniMax H3 实测）

图生视频环节零改动复用现有链路：审核通过的资产图作为MiniMaxH3ImageToVideo节点的首帧，走 workflows/api_t2v_int8_turbo.json（双卡 NPU + Turbo LoRA，8 步采样，实测最快 76 秒出片）。

⚙️ 关键参数怎么配：分辨率、时长、步数

分辨率不是任意值：5 层限制

很多人以为分辨率可以随便填，实际上受 5 层约束（节点参数 step=32、VAE 16 对齐、时空 patch、训练分布、显存），完整解析见 docs/video-resolution-guide.md。结论速查：

💡 真实案例：早期工作流用 736×416（仅为模型上限面积的 30%）导致画面模糊，升级到 1344×768 后清晰度质的飞跃——短边低于 768 是视频糊的根因。

三个工作流怎么选

分辨率、时长等参数在工作流 JSON 的MiniMaxH3ImageToVideo节点中修改（width/height/length），配置方法与报错排查见 docs/video-resolution-guide.md。

🚀 落地实施：脚本接口与验收标准

两段式管线的三个核心脚本接口定义（详见 docs/t2i-i2v-pipeline-design.md）：

全链路验收标准（Definition of Done）：

• ✅ 一条 prompt → 出图 → 审核 → 出视频，热启动全程< 5 分钟
• ✅ 视频格式 MP4 / H.264+AAC / 1344×768 / 24fps 实测验证
• ✅断点可恢复：任意阶段中断，凭prompt_id重跑续接
• ✅ 同一资产图可生成多条不同运镜的视频

实施排期建议

❓ 新手常见问题

Q：为什么不直接文生视频，还要绕两道弯？直接 T2V 时画面完全由模型即兴发挥；两段式让你先「看见并确认」首帧，视频只是首帧的动态延伸，内容精度和系列作品的一致性大幅提升，且资产图可复用。

Q：图片尺寸不是 16 的倍数会怎样？VAE 下采样按像素/16整除，不对齐会导致报错或画面错位。自动校验环节会自动补边修正，手动传图时建议提前对齐。

Q：人工审核成本太高怎么办？批量场景可用pipeline.sh --auto-approve-all跳过人工；也可先加规则预筛（像素统计检测过暗/过曝/纯色图）降低人工量，设计文档已预留审核 API 接入位。

Q：生成的视频存在哪里？视频落output/video/（可通过COMFY_OUTPUT_DIR环境变量改路径），资产图存curated/资产库，命名规范见 docs/t2i-i2v-pipeline-design.md。

小结

两段式管线的设计哲学可以概括为一句话：把「不可控的生成」拆成「可控的资产」。文生图定画面 → 审核把关定质量 → 图生视频定动态 → 归档复定效率。配合 minimax-h3-int8 已验证的双卡 NPU 全链路（INT8 量化 + Turbo 8 步采样），热启动 5 分钟内即可从一句提示词拿到 1344×768 高清成片。

相关文档索引：

• 方案总览：docs/t2i-i2v-pipeline.md
• 可落地详细设计：docs/t2i-i2v-pipeline-design.md
• 文生图模型选型：docs/t2i-model-selection.md
• 分辨率边界与配置：docs/video-resolution-guide.md
• 创作速查（提示词模板/参数表）：CREATIVE-GUIDE.md

【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8