跳转至

视频生成的维护记录：AutoDL 上的 MiniMax H3 等工作流

这是生成视频背后的维护记录。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

  • 工作流列表页 autodl.art/large-model/comfyui1 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/2 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

  • 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

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

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

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

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：

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

  • 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。

  1. autodl.art/large-model/comfyui，2026-10-02 读。 ↩

  2. /docs/comfyui_api/，2026-10-02 读。 ↩