官方明明说不支持参考生成？我却把 FastH3 接入 Ref2V 参考生成的工作流，效果杠杠的

外来客 • 2026-11-03 18:40:01

声明：本文为对公开内容的摘要整理，未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议；观点与版权归原作者及原平台所有。如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

版本差异：VR 版模型结构完整；Trim 版少 8 层结构，云端旧版 ComfyUI 下存在清晰度 Bug，本地最新版或 V3 版表现更优且速度更快。
参数配置：注意力机制选用 Kitchen backend 与 VSA；画幅比 16:9；像素总数约 0.7 百万级；时长 10 秒；Euler 采样器配合 8 步采样，未使用 LoRA。
工作流逻辑：两段式放大将生成拆分为基础视频与细化环节，第一阶段低分辨率（0.2 百万像素）生成后拆分音视频，仅对视频 Latent 放大合并后再经三步优化采样，速度优于传统一阶段放大。
参考测试：双人场景中金色短发旗袍角色与蓝发眼镜角色特征未混淆；五张参考图分别指定人物、橙色裙子、手提包、饮料罐及另一角色，成功实现身份、服饰与道具的独立控制与组合。