ComfyUI 实战：H3 模型以 8 步生成音频驱动的对话表演

制作 AI 剧集的团队分享了在 ComfyUI 中实现音频驱动对话表演的工作流。流程先生成台词音频，再通过声音参考转换，并用完整录音驱动画面；视觉参考使用手机自拍和独立身份图。实际采用 8 步、CFG 1、Euler/simple、576x1024、24fps 等参数，剪辑时在完整语义单元结尾切分，并由制片根据声音检查口型和情绪，单独重拍不合格镜头。