wushu-action-v7-minimax-h3-fl2va-ref2va-lora:如何在ComfyUI生成电影级写实武打视频(新手完整入门)

原创2026-11-11 16:08:161,767 阅读

wushu-action-v7-minimax-h3-fl2va-ref2va-lora:如何在ComfyUI生成电影级写实武打视频(新手完整入门)

wushu-action-v7-minimax-h3-fl2va-ref2va-lora 是一组基于 MiniMax-H3 底模的武术武打视频 LoRA,在 ComfyUI 中即插即用:输入专业武术术语提示词,即可生成拳脚分明、发力连贯、带音效的电影级写实武打短视频。本文面向零基础新手,带你走完"放文件 → 搭工作流 → 填参数 → 写提示词"的完整流程。

一、这个仓库里有什么?

仓库核心内容一目了然,全部文件如下:

文件 说明
wushu_action_v7_fl2va_aitoolkit_adaln_full-int8convrot_bf16te_1000step.safetensors V7 主模型 LoRA(E3,全量 int8-convrot DiT + bf16 文本编码器训练,量化精度最高)
wushu_action_v7_fl2va_aitoolkit_adaln_full-int8convrot_bf16te_2000step.safetensors V7 主模型 LoRA(2000 步版本,可对比选用)
wushu_h3_r2v_v7_2000.safetensors 参考图生视频(Ref2VA)版本 LoRA
wushu_h3_v8_2000step.safetensors、wushu_h3_v8_5000step.safetensors V8 动作 LoRA(3D 人体动作素材训练,适合做动作先验/动画参考)
Minimax h3多参考双采打斗工作流.json 官方 ComfyUI 多参考双采打斗工作流,导入即用
V7版本招式TAGS完整清单.md 训练集全量招式标签清单(写提示词的"武功秘籍")
wushu_h3_v8_招式库.md V8 LoRA 招式词库与两种用法详解
武术打斗提示词skill.md 高级提示词规则(文生/参考生两套骨架 + 硬规则十二条)

📌 关键信息:LoRA 的触发词是 wushu_action,必须放在提示词最前面,模型才会把武术动作"接上"。

如果本地已有仓库副本想更新,可用:

git clone https://gitcode.com/hf_mirrors/Jojocodex/wushu-action-v7-minimax-h3-fl2va-ref2va-lora

二、部署第一步:模型文件放对位置

这套 LoRA 依赖 MiniMax-H3 全家桶,底模和编码器不在本仓库内,需要自行准备好再按下表归档(详见 README.md):

模型文件 放置目录
底模 minimax_h3_fl2va_int8_convrot.safetensors(约 34GB,Comfy-Org 未剪枝 int8 版) ComfyUI/models/diffusion_models/
文本编码器 qwen3vl_32b_minimax_h3_bf16.safetensors(或 nvfp4_awq 版) ComfyUI/models/text_encoders/
视频 VAE minimax_h3_video_vae_fp16.safetensors + 音频 VAE minimax_h3_audio_vae_fp32.safetensors ComfyUI/models/vae/
本仓库的 LoRA(V7 主模型) ComfyUI/models/loras/

💡 显存紧张时,int8-convrot 底模 + bf16 文本编码器的组合正是量化后最省显存的搭配——这也是 V7 E3 版本主打的配置。

三、四步快速上手

第 1 步:导入现成工作流

打开 ComfyUI,直接把 Minimax h3多参考双采打斗工作流.json 拖进画布导入即可,无需手动搭线。想手动搭的话,链路很简单(参考 README.md):

UNet Loader(H3 底模)→ LoRA 加载器(强度 0.8–1.0)→ KSampler → VAE Decode → 保存视频(含音轨)
CLIPLoader(Qwen3-VL)接入提示词,双 VAE(视频 fp16 + 音频 fp32)接 VAE Decode

第 2 步:KSampler 参数照抄即可

参数 推荐值 说明
sampler euler 固定使用
scheduler simple 固定使用
steps 25 低步数容易发糊,别省
cfg 1.0 ⚠️ H3 是 CFG 蒸馏模型,大于 1 必出坏图
denoise 1.0 —
分辨率 832 × 480 宽高须为 32 的倍数;竖屏可 480×832
帧数 124 约 5.2 秒,必须满足 17n+5(22/39/56/73/90/124/175…)
fps 24 —

完整参数表见 README.md。

第 3 步:写提示词(成败核心)

新手最容易翻车的就是提示词。记住 5 条铁律:

  1. 首词必须是触发词 wushu_action,;
  2. 角色外貌单独定义在"角色设定"块(发色+服装+体型+兵器一次说清),镜头里只称"角色A/角色B"——这是人物不串脸的关键;
  3. 招式写具体术语:写"扫堂腿" ✔,写"踢腿" ✘;
  4. 三段式分镜:一个 Shot 只放 1–2 个招式,别堆砌;
  5. 结尾带音效描述(overall_soundscape),并保留 non_diegetic_music: None.。

第 4 步:跑图验收

首次生成建议 LoRA 强度 0.8–1.0;人物/兵器崩坏就降到 0.6–0.8,动作不够"武"就升到 1.1(详见下文避坑清单)。

四、提示词模板:复制改写就能出片

仓库内置了 5 套成品模板(README.md),入门首选 T1 扫堂腿+腾空侧踹:

wushu_action,

integrated_multimodal_description:
[Shot 1] Medium shot, side angle, outdoor courtyard with traditional architecture.
A martial artist in a dark training uniform sinks into a low crouch, palms open at his ribs.
[Shot 2] He drives off the ground, sweeping low with a 扫堂腿 that scrapes dust off the floor,
then springs airborne into a full-extension 腾空侧踹, heel leading.
[Shot 3] He lands rolling to dissipate force, rises into a front stance, holding the final guard.

overall_soundscape:
The whoosh of the sweeping leg, cloth friction, footwork scraping the floor,
a dull impact on landing, controlled breathing.

non_diegetic_music:
None.

把招式词替换掉,就能生成剑术、枪术、双人对打等不同内容(模板 T2–T5 都藏在 README 里)。

招式怎么选?看训练集高频词

提示词里用训练集里真实出现过的招式词,命中率远高于自造词。完整带频次的清单在 V7版本招式TAGS完整清单.md,速查版如下:

类别 高频术语(频次越高响应越强)
腿法 扫堂腿(47)|腾空侧踹(17)|后旋踢(16)|鞭腿|旋风脚
拳掌肘靠 直拳(12)|贴山靠(12)|肘击|崩拳
摔拿 过肩摔(17)|擒拿(12)|接腿摔
剑术 缠头裹脑(54)|劈剑(9)|撩剑(8)
枪棍 扎枪(12)|横扫(12)|中平枪(6)
步法 弓步(38)|马步(29)|点步(13)
攻防衔接 格挡卸力(74+,全场第一词)|闪身(14)|借力打力
身法 腾空(32)|纵跃(18)|旋身横扫(17)

组合公式:[Shot 2] = 蹬地/拧腰(发力)+ 招式术语(主体)+ 格挡卸力/顺势(衔接)。

五、进阶玩法:V8 动作 LoRA 与组合搭配

  • V8 LoRA(wushu_h3_v8_招式库.md):用大量 3D 人体模型动画训练,学习"发力逻辑"而非画面质感。注意它的默认输出是白模+黑底三视图(这是设计特性),做正常画面时把场景和角色写全、强度降到 0.6–0.8,并保留 实时爆发力, 全身发力传导, 无慢动作, 无停顿 这几个物理词。
  • 叠加思路:动作准 + 成片好看 = V8(0.6–0.7)+ V7(0.7–0.9)双卡叠加;作者还推荐搭配 Combat-Base-V2 与 Motion Continuity Repair LoRA 进一步提升连贯性(见 README.md)。
  • 高级提示词:想写"长镜头、双人对打、锁定参考图"等复杂需求,可参考 武术打斗提示词skill.md 的文生/REF 两套骨架和硬规则十二条。

六、新手避坑清单(6 条)

  1. 招式宁专勿泛:"扫堂腿" ✔ "踢腿" ✘
  2. 一个 Shot 只放 1–2 个招式,堆砌必崩
  3. 不要写"静止站立/呆立"——模型学的是连续动作
  4. 保留 non_diegetic_music: None.,画质/分辨率交给节点参数,别写进提示词
  5. 人物/兵器崩坏 → LoRA 强度降到 0.6–0.8;动作不够武 → 升到 1.1(超过 1.1 易崩)
  6. 低步数采样偏模糊 → 把 steps 提到 25,或配合修复类插件

已知限制:训练片段仅 1.3–3 秒,长视频建议分段生成后剪辑拼接;双人对打属于外推效果,稳定性弱于单人。

写在最后

按"放文件 → 导工作流 → 抄参数 → 抄模板"四步走,新手第一次运行大概率就能产出 5 秒左右的写实武打小片段。之后围绕 V7版本招式TAGS完整清单.md 换招式、换场景、换兵器,你的专属武打短剧库就慢慢建起来了。🥋

登录后查看全文
wushu-action-v7-minimax-h3-fl2va-ref2va-lora