# MiniMax H3 Prompt Studio para ComfyUI Un paquete de nodos visuales para **completar, seleccionar y compilar prompts técnicos de MiniMax H3** dentro de ComfyUI. No llama ninguna API y no genera el video: su única tarea es darte un prompt detallado, validado y listo para conectar a los workflows oficiales de H3. Incluye los tres casos oficiales: - **T2V**: texto a video con audio. - **I2V / FL2VA**: first frame, first + last frame o last frame. - **R2V / Ref2VA**: generación con referencias multimodales. ## Instalación 1. Descomprimí la carpeta `ComfyUI-H3-Prompt-Studio` dentro de: ```text ComfyUI/custom_nodes/ ``` 2. Reiniciá ComfyUI. 3. Arrastrá `example_workflows/H3_Prompt_Studio_Master.json` al lienzo. 4. Ejecutá el workflow. El último nodo muestra el prompt, el control de coherencia y un botón **Copiar prompt**. No hay dependencias adicionales que instalar. ## Instalación y actualizaciones desde ComfyUI Manager El nodo está preparado para publicarse en Comfy Registry con el identificador `h3-prompt-studio` y el Publisher `ivanrodriguez`. Una vez publicada la versión inicial, ComfyUI Manager podrá instalarla y detectar versiones nuevas automáticamente. Las versiones usan el formato semántico `X.Y.Z`: - `PATCH`, por ejemplo `1.0.0 → 1.0.1`, para correcciones. - `MINOR`, por ejemplo `1.0.0 → 1.1.0`, para funciones compatibles nuevas. - `MAJOR`, por ejemplo `1.0.0 → 2.0.0`, para cambios incompatibles. Al modificar la versión de `pyproject.toml` en la rama `main`, GitHub Actions publica automáticamente el nuevo paquete. La credencial se guarda únicamente como el secreto `REGISTRY_ACCESS_TOKEN` del repositorio y nunca debe incluirse en archivos o commits. ## Cómo se usa La cadena se completa de izquierda a derecha: 1. **Inicio de escena**: elegí T2V, una variante I2V o R2V; seleccioná una duración entera de 4–15 segundos y definí acontecimiento, entorno, luz, paleta, estilo y reglas globales. El selector muestra también los frames y la duración real resultante. 2. **Referencias R2V**: activalas solo en R2V. El índice debe coincidir exactamente con el orden en que conectaste cada imagen, video o audio al workflow oficial. 3. **Sujetos**: asigná un ID corto y estable, por ejemplo `maria`, y repetilo en planos y diálogos. 4. **Planos**: describí composición, acción, estado final, cámara, sonido, texto y uso de referencias. El orden de los nodos es el orden de montaje. 5. **Diálogos**: escribí la frase exacta, idioma, hablante, interpretación y tiempo. El compilador genera las etiquetas `[Spanish] ...` y asigna hablantes estables `(S1)`, `(S2)`. 6. **Sonido y música**: separá ambiente, sonidos físicos, vocalizaciones y música extradiegética. 7. **Compilar, validar y copiar**: corregí los errores del informe y copiá el resultado. Para agregar contenido, duplicá un nodo de referencia, sujeto, plano o diálogo y volvé a insertarlo en la cadena. Los nodos traen un interruptor `enabled`, así podés conservar variantes apagadas sin borrarlas. ## Conexión con los tres workflows oficiales La salida `prompt` del último nodo es un `STRING` estándar de ComfyUI. - En el workflow oficial **T2V**, seleccioná `T2V — texto` y conectá `prompt` al campo de texto que alimenta el conditioning de H3. - En **I2V**, elegí la variante correcta. El compilador agrega automáticamente el preámbulo de first frame, first + last o last frame. Conservá las imágenes en los slots del workflow oficial. - En **R2V**, seleccioná `R2V — referencias`, activá los nodos de referencia y conectá su salida al campo de texto del workflow Ref2VA. Las imágenes, videos y audios siguen conectándose físicamente al nodo oficial de referencias; este paquete solo genera sus etiquetas y reglas de retención. Si el campo de prompt del workflow oficial aparece solo como widget, hacé clic derecho sobre ese widget y elegí **Convert widget to input**, luego conectá la salida `prompt`. ## Qué valida El compilador no se limita a concatenar texto. Controla: - duración oficial de 4–15 s; - duración total limitada a opciones enteras preestablecidas, sin entrada libre como `5.4`; - duración efectiva de ComfyUI a 24 fps y grilla de frames `17k+5`; - extensión automática del último plano cuando la grilla H3 agrega una fracción de segundo a la duración solicitada; - planos con tiempos válidos, sin superposición y dentro del clip real; - IDs de sujetos únicos y referencias a sujetos existentes; - diálogo ligado a un plano y hablante válidos; - velocidad aproximada del diálogo para que sea pronunciable; - contradicciones entre silencio, diálogo, efectos y música; - referencias R2V numeradas desde 1, consecutivas y en orden; - compatibilidad entre medio visual/audio y marcador de retención; - cobertura temporal incompleta; - rango orientativo oficial de 350–500 palabras para la descripción R2V. Un error marca **CORREGIR**. Una advertencia permite generar, pero señala una decisión que H3 tendría que improvisar. Si el último plano termina exactamente en la duración que elegiste —por ejemplo `5.000 s`— pero la grilla oficial produce `124 frames = 5.167 s`, el compilador extiende automáticamente el estado final hasta `5.167 s`. El informe lo muestra como **Ajuste automático**, no como advertencia. Los huecos intencionales mayores siguen siendo detectados. ## Estructura que compila T2V e I2V usan los tres bloques oficiales: ```text integrated_multimodal_description: ... overall_soundscape: ... non_diegetic_music: ... ``` R2V usa los seis bloques oficiales y en su orden correcto: ```text subject_definitions: ... summary: ... retention_analysis: ... detailed_description: ... overall_soundscape: ... non_diegetic_music: ... ``` ## Reglas prácticas que mejoran H3 - Describí **cambios observables**, no conceptos vagos. Mejor “gira la cabeza 30 grados hacia la ventana” que “parece intrigada”. - En cada plano, especificá estado inicial, acción, reacción y estado final. Eso reduce saltos de pose. - Usá un movimiento principal de cámara por plano. Tipo + amplitud + velocidad + objetivo suele ser suficiente. - Mantené la identidad en el nodo Sujeto y el movimiento en el nodo Plano. Evitá volver a describir el rostro de forma distinta en cada corte. - Para diálogo, preservá el texto exacto en su idioma. La descripción técnica puede estar en inglés o español; para máxima cercanía con los ejemplos oficiales, completala en inglés. - Separá sonido diegético de música. Sin música debe decirse explícitamente. - En R2V, declarale a cada referencia una sola función clara. Si una imagen aporta identidad, indicá también qué **no** debe copiarse. - `fully_preserved` es para retención visual estricta; `attribute_transfer` para copiar un atributo aislado; `fully_copy` y `partially_copy` son para audio. - En first + last frame, preferí una transformación continua y pocos o ningún corte. - No agregues negaciones genéricas interminables. Convertí cada restricción importante en una instrucción positiva y comprobable. ## Referencias oficiales usadas como fuente de verdad - [Guía oficial MiniMax H3 de ComfyUI](https://docs.comfy.org/tutorials/video/minimax/minimax-h3) - [Repositorio oficial MiniMax H3](https://github.com/MiniMax-AI/MiniMax-H3) - [H3 Prompt Writing Skill oficial](https://github.com/MiniMax-AI/MiniMax-H3/tree/main/skills/h3-prompt-writing) - [Manual base oficial de prompting](https://github.com/MiniMax-AI/MiniMax-H3/blob/main/skills/h3-prompt-writing/references/base-en.txt) - [Manual oficial de prompting con referencias](https://github.com/MiniMax-AI/MiniMax-H3/blob/main/skills/h3-prompt-writing/references/ref-en.txt) ## Archivos ```text ComfyUI-H3-Prompt-Studio/ ├── __init__.py ├── core.py ├── nodes.py ├── web/h3_prompt_studio.js ├── example_workflows/H3_Prompt_Studio_Master.json └── tests/test_core.py ```