H3 Motion Context Chain Demo ✅ SUCCESS
MiniMax H3 链式续接 · 突破单段 5.2s 限制 · 2-clip chain → 9.42s
▶ 最终拼接视频
h3_chain_demo.mp4 · H.264 + AAC 32kHz stereo
9.42s · 226帧 · 1216×672
5.17s
Clip 1 (T2VA · 124帧)
📐 时间轴
Clip 1 · 124f · 5.17s
Clip 2 · 102f · 4.25s
0s
▼ 接缝 @ 5.17s
9.42s
🔍 接缝帧对比 (运动+音频连续性)
Clip 1 末帧 (#123)
BEFORE
→
Clip 2 首帧 (#0 修剪后)
AFTER
↑ 22帧运动+音频被钉入 Clip 2 的 latent 空间,模型从 Clip 1 真实运动轨迹续接生成
🎬 各段中间帧
Clip 1 中间帧 (#60)
T2VA
Clip 2 中间帧 (#50)
CONTINUED
⚙️ 技术参数
| 参数 |
Clip 1 |
Clip 2 (链式续接) |
| 条件节点 |
MiniMaxH3ImageToVideo |
+ MotionContext |
| 采样器 |
res_multistep · 15 steps · CFG 1.0 · simple |
| Model |
MiniMaxH3SigmaShift (shift_v=12, shift_a=3) |
| 分辨率 |
1216×672 (÷32) |
| context_length |
— |
22 frames (0.92s) |
| audio_context_length |
— |
24 (1.0s · 40Hz整步) |
| Latent 传递 |
SaveLatent → clip_00001 |
LoadLatent → context_latent |
| 音频 |
32kHz stereo AAC (H3 原生) |
📋 关键发现
- 单段突破:H3 原生最大 124帧(5.2s) → 链式后 226帧(9.42s),理论可无限续接
- Latent 直传:context 通过
context_latent 从 safetensors 直读,跳过 decode→encode 损失
- 音频连续:锚定音频时间坐标重写到当前片段时间线(非参考机制),交叉相关性 0.95+
- 链式质量递减:损失累积如"复印件的复印件",音频高频先退化
- Turbo 不兼容:用原生 KSampler(15步) 而非 T8(4步),Turbo 会劣化链式音频
- 分辨率锁定:链式中途不可改分辨率,全程必须 1216×672
- 渲染耗时:Clip 1 ~6min, Clip 2 ~6.2min (RTX 3090, 15步, int8)