---
description: "视频生成的维护记录：AutoDL.Art ComfyUI 工作流列表接口是从前端 JS 里找到的，2026-10-02 共 16 个视频工作流，价格字段除以 1000 是每秒多少元；为什么只收 8 个，其余 8 个的去留理由；实测 minimax_h3_zm_u24（data URI 参考图、3 秒 480p）和首尾帧 minimax_h3_lightx2v（5 秒 768p 竖）各一次；用接口不用看，出问题或想换工作流再看"
---

# 视频生成的维护记录：AutoDL 上的 MiniMax H3 等工作流

这是[生成视频](../skills/agent-io/reference/video/index.md)背后的维护记录。用接口时不用看，接口出问题或者想换工作流时再看。

## 接口从哪来 { #upstream }

- 工作流列表页 autodl.art/large-model/comfyui[^comfyui] 是单页应用，抓不到正文。列表接口是从前端 JS（`assets/comfyui.*.js`）里找到的：`POST /api/v1/comfyui/workflows`，请求体 `{"page_size": 100, "page_index": 1}`，不用鉴权。
- 每个工作流的详情走元数据接口 `GET /api/v1/comfyui/workflows/<id>`，也不用鉴权，[语音合成](tts.md#upstream)那次就用过。里面有参数定义 `input_rules`、带中文说明的 `input_example`、计费 `billing_config` 和一段介绍。
- 官方文档 `/docs/comfyui_api/`[^comfyui-api] 是所有工作流共用的一篇，只讲提交、查询两步，示例就是文生视频的 `minimax_h3_lightx2v_no_pic`。没有讲怎么写 prompt，多张参考图在 prompt 里怎么分别指代也没写。
- 2026-10-02 列表里一共 17 个工作流：15 个 MiniMax H3、1 个 Wan2.2 Animate 动作迁移、1 个 IndexTTS2。MiniMax H3 底层是什么没写，有几个 ID 里带 `lightx2v`，那是一个开源视频推理加速框架的名字。

## 价格怎么算 { #pricing }

- `billing_config` 里的数字除以 1000，就是每秒多少元。这是从详情页前端的格式化函数里看到的：把数字除以 `1e3`，保留三位小数，后面接「/ 秒」。拿用户贴的 `minimax_h3_z0903` 页面价格核对过，四档都对得上。
- MiniMax H3 的计费类型是 `minimax_h3`，按分辨率分档。`price` 是高峰（08:00–24:00）价，`off_peak_price` 是空闲（00:00–08:00）价。页面上只写了「/ 秒」，没写是按输出视频的秒数还是按运行时间算。
- 动作迁移的计费类型是 `video_sec_cost`，页面上写明了「根据生成视频的实际时长进行计费」。
- 顺带查清了语音合成的单位：IndexTTS2 的 `audio_sec_cost` 是每秒 0.001 元，最低收 0.01 元。

## 收了哪几个 { #selection }

原则是一个用途收一个；分辨率上限差得多的，再收一个高清档。没收的那些，大多跟收了的输入一样、价格一样，没有实测数据可以帮 Agent 在它们之间选。下表价格是高峰价（元/秒），「7 天」是列表接口给的近 7 天调用次数。

| 工作流 | 名字 | 输入 | 时长 / 分辨率 | 价格 | 7 天 | 去留 |
|---|---|---|---|---|---|---|
| `minimax_h3_zm_u24` | H3多图多音频生视频(升级画质) | 1–9 图，0–3 段音频 | 1–15 秒，480p、768p | 0.03 / 0.04 | 106264 | **收，默认**，最常用 |
| `minimax_h3_z0902` | H3六图生视频 | 1–6 图 | 1–15 秒，到 1440p | 0.04–0.08 | 3838 | **收，高清档** |
| `minimax_h3_z0903` | H3六图三音频生视频 | 1–6 图，1–3 段音频 | 1–15 秒，到 1440p | 0.04–0.08 | 2369 | **收，高清档** |
| `minimax_h3_lightx2v_no_pic` | H3文生视频 | 只要 prompt | 1–15 秒，480p、768p | 0.03 / 0.04 | 14220 | **收**，文生视频 |
| `minimax_h3_z0901` | H3文生视频（高质量创意直出） | 只要 prompt | 1–15 秒，到 1440p | 0.04–0.08 | 669 | **收**，文生视频的高清档 |
| `minimax_h3_lightx2v` | H3首尾帧生成视频 | 2 图 | 1–15 秒，480p、768p | 0.03 / 0.04 | 9126 | **收**，首尾帧 |
| `minimax_h3_image_audio_to_video` | H3图生视频-音频同步(自动对口型) | 1 图 + 1 段音频，没有 prompt | 1–15 秒，到 1080p | 0.03–0.09 | 6324 | **收**，对口型 |
| `wan2.2animate-v4-motion_retargeting` | 动作迁移 | 1 图 + 1 段视频，没有 prompt | 464×832 或 832×464 | 0.04 | 1427 | **收**，动作迁移 |
| `minimax_h3_image_audio_to_video_v2_15s` | H3多图多音频生视频15秒 | 0–9 图，0–3 段音频 | 1–15 秒，480p、768p | 0.03 / 0.04 | 71827 | 不收，输入、价格同默认，官方写「门槛较高」 |
| `minimax_h3_image_audio_to_video_v2` | H3多图多音频生视频 | 0–9 图，0–3 段音频 | 1–10 秒，到 1080p | 0.03–0.10 | 5800 | 不收，同上 |
| `minimax_h3_zm_u08` | H3多图多音频生视频(高速版) | 同默认 | 同默认 | 同默认 | 9973 | 不收，跟默认只差「高速」两个字，没测过快多少 |
| `minimax_h3_lightx2v_v5_15s` | H3多图生视频15秒 | 1–9 图 | 1–15 秒，480p、768p | 0.03 / 0.04 | 67281 | 不收，默认不给音频就是这个用法 |
| `minimax_h3_lightx2v_v5` | H3多图参考生视频 | 1–9 图 | 1–10 秒，到 1080p | 0.03–0.09 | 39286 | 不收，同上 |
| `minimax_h3_b99_001` | H3文生视频 | 只要 prompt | 1–15 秒，736p | 0.05 | 436 | 不收，比默认贵、用的人少 |
| `minimax_h3_b99_002` | H3首尾帧生成视频 | 2 图 | 1–15 秒，736p | 0.05 | 4181 | 不收，同上 |
| `minimax_h3_b99_003_12s` | H3多图生视频12秒 | 1–9 图 | 1–12 秒，736p | 0.05 | 2114 | 不收，同上 |

## 实测 { #tests }

用户要求不要逐个测，都是用到哪个测哪个，全部经中转。

### 默认工作流 `minimax_h3_zm_u24` { #test-default }

2026-10-02 10:10：

| 请求 | 排队 | 运行 | 结果 |
|---|---|---|---|
| `minimax_h3_zm_u24`，参考图是 512 px 的马克笔草图（猫坐在书堆上），JPEG 48 KB，用 data URI 传；`duration: 3`、`resolution: "480p(1:1)"`；prompt 要猫跳下书堆、抬头看镜头、保持草图风格、镜头固定 | 0 秒 | 81 秒 | `SUCCESS`，mp4 966 KB |

- 输出：480×480，24 fps，73 帧，3.04 秒，H.264；带 AAC 音轨（32 kHz 立体声），平均响度 -26 dB，不是静音，虽然请求里没给音频。
- 画面：猫跳下书堆、落地、抬头看镜头，跟 prompt 一致，草图风格保持住了。原图里手写的「wiki」和箭头从第二帧起就没了；书堆的位置在后面几帧变了，镜头没有完全固定。
- 返回：`results[0]` 除了 `url`、`file_type: "mp4"`，还有 `alias: "final_video"` 和 `description: "最终生成的视频"`；`msg` 是「任务处理完成。」；`data.duration` 是运行秒数。
- 结果链接跟语音合成一样在火山引擎 TOS 上，签名 `X-Tos-Expires=86400`，24 小时有效。
- 图片用 data URI 传可以，跟语音合成那次传音频一样。

### 首尾帧 `minimax_h3_lightx2v` { #test-first-last }

2026-10-17 12:47，照抖音「小洁AI实战」那条 46 秒教程做的，成品和做法收在 [Gallery · 花卉动态生长海报](../gallery/video/flower-growth-poster.md)：

| 请求 | 耗时 | 结果 |
|---|---|---|
| `first_frame` 是只有米白颗粒纸纹的空白图，`last_frame` 是成品花卉海报，都是 768×1344 的 PNG，各约 1.7 MB，用 data URI 传；`duration: 5`、`resolution: "768p竖"`；prompt 要固定镜头、花茎从下往上长出侧枝和花苞、花苞逐层绽放、文字最后浮现 | 提交到下载完 170 秒，排队和运行没分开记 | `SUCCESS`，mp4 3.9 MB |

- 两帧怎么来的：海报是 3:4，跟 768×1344（4:7）对不上。从海报右上角的空白处截一块纸纹，镜像铺满 4:7 的画布当首帧，再把海报贴在画布中间当尾帧，两帧用的是同一张纸。没试直接传 3:4 的图工作流会怎么处理。
- 输出：768×1344，24 fps，124 帧，5.17 秒，H.264；也带 AAC 音轨（32 kHz 立体声），平均响度 -14 dB。
- 画面：逐帧跟两张输入比对，0–1 秒是空白纸，1–2 秒长茎、分枝、冒花苞，2–3 秒开花，约 4 秒跟尾帧一致，后面停住。镜头固定，纸纹没变；视频压缩把纸纹颗粒抹平了一些。尾帧的中文标题、竖排小字和英文学名都完整还原，没有变形；文字是跟开花同时浮现的，没按 prompt 等到最后。

## 没做的 { #not-done }

- 没对账单。默认工作流那次按输出秒数算是 0.09 元，按运行时间算是 2.43 元，看一眼 AutoDL 的账单就能确定是哪种。
- 除默认和首尾帧以外的六个都没测，包括高清档 `z0902`、`z0903`。
- 多张参考图在 prompt 里怎么分别指代（比如「图 1 的人走进图 2 的场景」），官方没写，也没测。
- 参考音频怎么影响视频（当背景音、配音还是对口型）没测。
- 冷门工作流的冷启动要多久没测。

[^comfyui]: [autodl.art/large-model/comfyui](https://www.autodl.art/large-model/comfyui)，2026-10-02 读。
[^comfyui-api]: [`/docs/comfyui_api/`](https://autodl.art/docs/comfyui_api/)，2026-10-02 读。