🌐 Описание на русском и английском. Русский — выше, English — ниже.🎬 Собрано на базе моего предыдущего процесса Neron Video MiniMax H3 v3.0.
Тот же пайплайн — плюс нода-собеседник.
Обычный генератор требует знать, что сказать.
Эта система — наоборот. Она спрашивает.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🔓 ВСЕ НОДЫ ПОЛНОСТЬЮ АВТОНОМНЫ
Каждая нода работает сама по себе и совместима
с ЛЮБЫМ процессом. Не привязана к этому воркфлоу.
Что это значит:
• Директора можно вытащить и поставить
в любой другой граф — с LTX, Flux, чем угодно.
• Сценарист работает как обычный LLM-процессор
в любом пайплайне, где нужен текст.
• Camera Operator управляет камерой независимо.
• Style, Generator, Color-Fix — тоже автономны.
Нода не знает, куда её воткнули. Она знает только
свои входы и выходы. Всё остальное — не её дело.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
❓ ГЛАВНАЯ ФИШКА — ДИРЕКТОР
Новая нода-собеседник. Разговаривает с тобой как
опытный режиссёр и сам собирает промпт.
🟢 ТЕБЕ НЕ НУЖНО ЗНАТЬ, КАК ПИШУТСЯ ПРОМПТЫ.
Забудь про:
✗ сложные термины («кинематографичный»,
«shallow depth of field», «dolly zoom»)
✗ структуру промпта (что и в каком порядке)
✗ синтаксис, теги, скобки, веса
✗ как называются ракурсы камеры
✗ что такое «первый кадр», «референс», «поза»
Просто скажи своими словами, что хочешь:
«девка танцует»
«дракон летит»
«хочу красиво»
Директор сам:
• задаст правильные вопросы
• вытянет из тебя детали
• разложит на понятные части
• соберёт готовый промпт
• и объяснит, если что-то непонятно
Новичок приходит с идеей — уходит с готовым видео.
Никаких курсов, туториалов, чужих гайдов.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📋 ЧТО УМЕЕТ ДИРЕКТОР
• 🖼 Понимает ДО 4 картинок одновременно:
— референс (основная картинка)
— промежуточные кадры (до 2)
— последний кадр
Каждая используется по своему назначению.
• 🌫 Работает БЕЗ картинок вообще.
Режим текст-видео. Без перестройки процесса —
просто не подключай ничего, и директор
нарисует сцену с нуля по твоему описанию.
Создаёт чёрный кадр-заглушку сам.
• 📐 При отсутствии картинок размер задаётся вручную:
— готовые пресеты (кино 16:9, телефон 9:16,
квадрат, классика, широкий, вертикаль)
— ручной режим (своя ширина / высота)
— кратность: 8 / 16 / 32 / 64 / 128
• 👶👨💻 ДВА РЕЖИМА РАБОТЫ:
— Режим новичка: только чат и пресеты. Всё
техническое скрыто. Работает из коробки.
— Режим профи: открываются все виджеты —
модель, системник, n_ctx, n_gpu_layers,
температура, выбор языка, размеры и т.д.
• 💾 СОХРАНЕНИЕ СЕССИИ (в режиме профи)
Диалог сохраняется на диск. Перезапустил
ComfyUI — продолжил с того же места.
• 🌐 ДВА ЯЗЫКА
Русский и английский. Переключается в один
клик через выбор системника.
После смены языка — перезагрузка ComfyUI.
• 🎵 РАЗДЕЛЯЕТ ЗВУК НА ДВЕ ЧАСТИ
Шумы в кадре (шаги, ветер, ткань, дыхание)
и музыка отдельно. Правильно переносит
в технический промпт.
• 🩺 ГОВОРИТ ПО-ЧЕЛОВЕЧЕСКИ, ЕСЛИ ЧТО-ТО СЛОМАЛОСЬ
Если llama-server упал — в чате появится
красное сообщение с причиной и шагами, что
делать. На русском или английском — по языку
системника. Не надо лезть в консоль и гуглить.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🧠 ПАРНАЯ НОДА — СЦЕНАРИСТ
Превращает художественный промпт от директора
в технический формат MiniMax H3.
Тоже поддерживает до 4 картинок.
5 режимов генерации:
A — продолжение видео
B — одна картинка (первый кадр)
C — композиция из нескольких
D — первый кадр + последний кадр
E — мульти-референс + последний кадр
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📦 ЧТО ЕЩЁ ВНУТРИ
• Camera Operator — управление камерой (Auto / Manual)
• Style — до 5 LoRA, каждая отдельно
• Generator — MiniMax H3 с превью в реальном времени
• Постобработка — цветокоррекция, апскейл, RIFE,
видео-сборка со звуком
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚙️ ТРЕБОВАНИЯ
• ComfyUI свежей версии
• Vision-модель GGUF: Qwen 2.5-VL, Qwen 3.5, LLaVA,
MiniCPM-V и т.п. → ComfyUI/models/LLM/
• mmproj-файл к этой же модели → туда же
• 8+ ГБ VRAM для 7B, 16+ ГБ для 9B
Интернет — только для первого запуска:
нода один раз скачает llama-server.exe (~200 МБ),
дальше работает из кэша.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ ПРО LLAMA-SERVER — ПРОЧТИ, ЕСЛИ НОВИЧОК
Директор работает через языковую модель. Для этого
ему нужен llama-server.exe — отдельная программа,
которая НЕ идёт с ComfyUI и НЕ скачивается с нодой.
Нода ищет его в трёх местах:
1. В своей папке custom_nodes/neron_dialog_autoprompter/vendor/
2. У соседа ComfyUI-LLM-text-processor/vendor/
3. Если нигде нет — СКАЧАЕТ САМА (~200 МБ, один раз)
Что от тебя нужно:
• Если стоит ComfyUI-LLM-text-processor — ничего,
всё найдётся само.
• Если не стоит — просто подключи интернет при
первом запуске. Скачивание займёт 1–3 минуты.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🚨 ГЛАВНАЯ ЛОВУШКА — MMPROJ
У vision-модели ДВА файла:
• сама модель — Qwen3.5-9B-...gguf
• mmproj — «глаза» модели — mmproj-F16.gguf
Они должны быть ИЗ ОДНОЙ РЕПЫ. Иначе модель
не увидит картинки.
Проблема: имя mmproj-F16.gguf встречается у разных
моделей — у Qwen2.5-VL, у Qwen3.5, у десятка других.
Они валятся в одну папку models/LLM/ и затирают
друг друга. Если подставится «чужой» — сервер упадёт
с ошибкой:
mismatch between text model (n_embd = 4096)
and mmproj (n_embd = 3584)
Что делать:
1. Иди на страницу, откуда качал модель.
2. Скачай mmproj ИЗ ТОЙ ЖЕ РЕПЫ.
3. ПЕРЕИМЕНУЙ его, чтобы не путать, например:
mmproj-F16.gguf → mmproj-Qwen3.5-9B-F16.gguf
4. Положи в models/LLM/ и выбери в ноде.
5. Если получишь ошибку mismatch — нода напишет
об этом прямо в чате и подскажет, что делать.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ ЕЩЁ ВАЖНО
• После смены языка — перезагрузи ComfyUI
• Одна модель в Директоре и Сценаристе = экономия RAM
• Свежая версия ComfyUI обязательна
• Длина видео указывается в секундах
• Для 8 ГБ VRAM — модель Q4_K_M (6.83 ГБ),
для 12 ГБ — Q5/Q6, Q8 (10.5 ГБ) — только 16+ ГБ
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📥 СКАЧАТЬ
Workflow и все ноды:
github.com/neron5480-cell/neron-video-minimax-h3-i2v
....................................................................................................................................
🎬 Built on top of my previous workflow Neron Video MiniMax H3 v3.0.
Same pipeline — plus a conversational node.
A normal generator requires you to know what to say.
This system is the opposite. It asks.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🔓 ALL NODES ARE FULLY AUTONOMOUS
Each node works on its own and is compatible
with ANY workflow. Not tied to this one.
What that means:
• The Director can be pulled out and dropped into
any other graph — LTX, Flux, whatever.
• The Screenwriter works as a regular LLM processor
in any pipeline that needs text.
• Camera Operator controls the camera independently.
• Style, Generator, Color-Fix — also autonomous.
A node doesn't know where it was plugged in. It only
knows its inputs and outputs. Everything else isn't
its business.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
❓ THE MAIN FEATURE — THE DIRECTOR
A brand new conversational node. Talks to you like
an experienced film director and assembles the prompt
itself.
🟢 YOU DON'T NEED TO KNOW HOW PROMPTS ARE WRITTEN.
Forget about:
✗ complex terms ("cinematic", "shallow depth of
field", "dolly zoom")
✗ prompt structure (what goes in what order)
✗ syntax, tags, brackets, weights
✗ what camera angles are called
✗ what "first frame", "reference", "pose" mean
Just say in your own words what you want:
"girl dancing"
"dragon flying"
"I want it to look beautiful"
The Director will:
• ask the right questions
• pull the details out of you
• break it into understandable parts
• assemble a finished prompt
• and explain anything that's unclear
A beginner arrives with an idea — leaves with a
finished video. No courses, no tutorials, no guides.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📋 WHAT THE DIRECTOR CAN DO
• 🖼 Understands UP TO 4 images at once:
— reference (main image)
— intermediate frames (up to 2)
— last frame
Each used for its own purpose.
• 🌫 Works with NO images at all.
Text-to-video mode. No rewiring needed — just
don't connect anything, and the Director will
draw the scene from scratch by your description.
Creates a black placeholder frame by itself.
• 📐 Without images, size is set manually:
— ready presets (cinema 16:9, phone 9:16,
square, classic, wide, vertical)
— manual mode (your own width / height)
— divisibility: 8 / 16 / 32 / 64 / 128
• 👶👨💻 TWO MODES:
— Beginner mode: only chat and presets. All tech
stuff hidden. Works out of the box.
— Pro mode: all widgets open — model, system
prompt, n_ctx, n_gpu_layers, temperature,
language switch, sizes, etc.
• 💾 SESSION SAVE (in pro mode)
The dialogue is saved to disk. Restart ComfyUI —
continue from where you left off.
• 🌐 TWO LANGUAGES
Russian and English. One-click switch via the
system prompt file.
After switching language — restart ComfyUI.
• 🎵 SPLITS SOUND INTO TWO PARTS
Diegetic noise (footsteps, wind, fabric, breathing)
and music — separately. Writes them into the
technical prompt correctly.
• 🩺 EXPLAINS IN PLAIN WORDS IF SOMETHING BREAKS
If llama-server crashes — the chat shows a red
message with the reason and the steps to fix it.
In Russian or English — matching the system
prompt. No need to dig into the console and
search the web.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🧠 THE PAIRED NODE — SCREENWRITER
Turns the artistic prompt from the Director into
the technical format of MiniMax H3.
Also supports up to 4 images.
5 generation modes:
A — video continuation
B — one image (first frame)
C — composition from several
D — first frame + last frame
E — multi-reference + last frame
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📦 WHAT ELSE IS INSIDE
• Camera Operator — camera control (Auto / Manual)
• Style — up to 5 LoRAs, each independent
• Generator — MiniMax H3 with real-time preview
• Post-processing — color correction, upscale,
RIFE, video assembly with audio
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚙️ REQUIREMENTS
• Recent ComfyUI version
• Vision model GGUF: Qwen 2.5-VL, Qwen 3.5, LLaVA,
MiniCPM-V, etc. → ComfyUI/models/LLM/
• mmproj file for that same model → same folder
• 8+ GB VRAM for 7B, 16+ GB for 9B
Internet — only for the first launch:
the node downloads llama-server.exe once (~200 MB),
then it works from cache.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ ABOUT LLAMA-SERVER — READ THIS IF YOU'RE NEW
The Director works through a language model. For that
it needs llama-server.exe — a separate program that
does NOT ship with ComfyUI and is NOT downloaded
with the node.
The node looks for it in three places:
1. In its own folder custom_nodes/neron_dialog_autoprompter/vendor/
2. In the neighbour ComfyUI-LLM-text-processor/vendor/
3. If nowhere — DOWNLOADS IT ITSELF (~200 MB, once)
What you need to do:
• If you have ComfyUI-LLM-text-processor — nothing,
it will be found automatically.
• If not — just connect to the internet on the first
launch. The download takes 1–3 minutes.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🚨 THE MAIN TRAP — MMPROJ
A vision model has TWO files:
• the model itself — Qwen3.5-9B-...gguf
• mmproj — the model's "eyes" — mmproj-F16.gguf
They MUST be from the SAME repo. Otherwise the model
won't see images.
The problem: the name mmproj-F16.gguf is used by many
models — Qwen2.5-VL, Qwen3.5, and a dozen others.
They all land in the same folder models/LLM/ and
overwrite each other. If the wrong one gets picked —
the server crashes with:
mismatch between text model (n_embd = 4096)
and mmproj (n_embd = 3584)
What to do:
1. Go to the page where you downloaded the model.
2. Download the mmproj FROM THE SAME REPO.
3. RENAME it so you don't mix it up, e.g.:
mmproj-F16.gguf → mmproj-Qwen3.5-9B-F16.gguf
4. Put it into models/LLM/ and select it in the node.
5. If you get a mismatch error — the node will say
so right in the chat and tell you what to do.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ ALSO IMPORTANT
• After switching language — restart ComfyUI
• Same model in Director and Screenwriter = saves RAM
• Recent ComfyUI version required
• Video length is set in seconds
• For 8 GB VRAM — use Q4_K_M (6.83 GB),
for 12 GB — Q5/Q6, Q8 (10.5 GB) — only for 16+ GB
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📥 DOWNLOAD
Workflow and all nodes:
github.com/neron5480-cell/neron-video-minimax-h3-i2v