AI Video & ComfyUIอ่าน ~10 นาที1 วิว

คู่มือทำหนังสั้น AI หลายฉากรวดเดียวด้วย ComfyUI (MiniMax H3 + Pika H3 Flex + RelayVSR) พร้อมลิงก์โหลดโมเดลครบชุด

สรุปและสอนวิธีทำ Step-by-Step จากคลิปช่อง Ton Like IT: รวม Subgraph Workflow แบบ T2V และ REF2V สร้างหนังสั้นหลายซีนต่อเนื่อง 30 วิ พร้อมระบบ Upscale อัตโนมัติ 2x ด้วย RelayVSR และลิงก์ดาวน์โหลดไฟล์โมเดล + Runpod Script ครบทุกตัว

K
อ. Kevin (AI Studio)Founder & Lead AI System Architect · Kevin AI Academy
คู่มือทำหนังสั้น AI หลายฉากรวดเดียวด้วย ComfyUI (MiniMax H3 + Pika H3 Flex + RelayVSR) พร้อมลิงก์โหลดโมเดลครบชุด
SHORT FILM WORKFLOW
COMFYUI + H3
T2V & REF2V • Pika Flex • RelayVSR

ชุด ComfyUI Subgraph Workflow สำหรับผลิตหนังสั้น AI หลายฉากต่อเนื่องในคลิกเดียว ผสานขุมพลัง MiniMax H3 (รองรับทั้ง T2V — Text-to-Video และ REF2V — Reference-to-Video พร้อมเสียง) เร่งสปีดด้วย Pika H3 Flex LoRA (เหลือเพียง 6 Steps) แล้วส่งต่อเข้า RelayVSR (×2 Upscale) เพิ่มความคมชัดให้อัตโนมัติ รันครบ 6 ซีน (30 วินาที) ใช้เวลา ~7 นาทีบนการ์ดจอ RTX 4090 หรือ Runpod

📌 อ้างอิงแหล่งที่มา & เครดิตต้นฉบับ

  • ผู้สร้างและเจ้าของ Workflow ต้นฉบับ: ช่อง Ton Like IT (TonLikeIT) — คลิปเรื่อง “แจกฟรี! ComfyUI Workflow ทำหนังสั้นด้วย AI ครบชุด คลิกเดียวสร้างวิดีโอได้เลย!” (ความยาว 28:00 นาที) — รับชมวิดีโอต้นฉบับบน YouTube →
  • โครงสร้างบทความนี้: เรียบเรียงสรุปวิธีติดตั้ง เลือกไฟล์โมเดล ตั้งค่าโหนด Subgraph, Character Lock ในโหมด REF2V, การขยายเพิ่มซีน และสคริปต์ Runpod พร้อมภาพ Screenshot จริงจากหน้าจอสอนแบบ Step-by-Step

📦 รวมลิงก์ดาวน์โหลด Workflow, ไฟล์โมเดล และสคริปต์ Runpod ครบชุด

ก่อนเริ่มเปิดหน้าต่าง ComfyUI ให้ดาวน์โหลดไฟล์ Workflow (.json) และไฟล์โมเดลหลักตามโหมดที่ต้องการใช้งาน (T2V ใช้สร้างจาก Prompt ล้วน / REF2V ใช้ล็อกหน้าตัวละคร + ฉาก + เสียงอ้างอิง):

รายการ / ไฟล์ที่ต้องใช้ รายละเอียด & โฟลเดอร์ปลายทาง ลิงก์ดาวน์โหลดทางการ / ต้นฉบับ
1. Workflow T2V (.json) สร้างหนังสั้นจาก Text Prompt หลายซีน + RelayVSR อัตโนมัติ Download T2V Workflow (.json) →
2. Workflow REF2V (.json) ล็อกตัวละครจากภาพ Reference (2–3+ รูป) + เสียงอ้างอิง + RelayVSR Download REF2V Workflow (.json) →
3. MiniMax H3 Base Models diffusion_models (fl2va/ref2va 16–21GB), text_encoders (Qwen3VL NVFP4 15.7GB / INT8 27.1GB), vae (Video + Audio ~600MB) HuggingFace: Comfy-Org/MiniMax-H3 →
4. Pika H3 Flex LoRA (6-Step) วางที่ ComfyUI/models/loras/ (เลือก fl2va สำหรับ T2V และ ref2va สำหรับ REF2V) HuggingFace: Pika-Labs/Pika-H3-Flex →
5. RelayVSR Upscale Model โมเดลขยายความละเอียดวิดีโออัตโนมัติ (WAN22_RelayVSR ×2 / ×4) HuggingFace: Comfy-Org/RelayVSR →
6. Runpod Script (สายเช่า GPU) สคริปต์ติดตั้ง Custom Nodes & โมเดลทั้งหมดอัตโนมัติบน Runpod Script T2V • Script REF2V

วิธีทำทีละขั้นตอน (Step-by-Step Guide พร้อมภาพจากหน้าจอจริง)

Step 1: ทำความเข้าใจโครงสร้าง Workflow แบบ Subgraph (ซีนไม่ล้นจอ ไม่กิน RAM/อืด)

จุดเด่นแรกที่ผู้สอนออกแบบไว้คือ แพ็กโหนดประมวลผลทั้งหมดไว้ใน Subgraph ชื่อ Render + Upscale ทำให้หน้าหลักเหลือเพียงกล่อง Prompt, ตัวเลือกขนาด (Resolution Selector) และ Save Video เรียงต่อกันเป็น Scene 1, Scene 2, Scene 3... (ตั้งชื่อ Prefix ให้อัตโนมัติเป็น scene1, scene2 กันสับสนตอนโหลด) พร้อม Pin ล็อกตำแหน่งโหนด กันมือไปลากทับกันโดยไม่ตั้งใจ

หน้าจอ ComfyUI ภาพรวม Workflow ทำหนังสั้นหลายฉาก Pika H3 Flex เรียง Scene 1-3 พร้อมปุ่ม Render + Upscale

Screenshot จากคลิป: โครงสร้างหลักเรียงเป็นชุดซีน (Input Prompt + Render + Upscale + Resolution Selector + Save Video) กด Run ครั้งเดียวออกครบทุกซีน

Step 2: ดาวน์โหลด MiniMax-H3 Base Diffusion Models

เข้าไปที่ Comfy-Org/MiniMax-H3 โฟลเดอร์ diffusion_models แล้วเลือกโหลดโมเดลตามสเปก VRAM:

  • สำหรับโหมด T2V ใช้ไฟล์ minimax_h3_fl2va_pruned_int8_convrot.safetensors (~21 GB) หรือรุ่นประหยัดกว่าคือ w6a8 (~16 GB)
  • สำหรับโหมด REF2V ให้โหลดตระกูล ref2va (เช่น minimax_h3_ref2va_pruned_int8_convrot.safetensors 21 GB หรือ w6a8 16 GB) แล้วเลือกชื่อโมเดลใน Dropdown ของ Workflow ให้ตรงกัน
หน้าดาวน์โหลด HuggingFace Comfy-Org/MiniMax-H3 diffusion_models แสดงไฟล์ fl2va และ ref2va

Screenshot จากคลิป: หน้า HuggingFace แสดงไฟล์ Diffusion Models ของ MiniMax H3 ทั้งสาย FL2VA (T2V) และ REF2VA (21 GB / 16 GB)

Step 3: ดาวน์โหลด Text Encoder (Qwen3VL 32B) และ VAE วิดีโอ + เสียง

ใน Repo เดียวกันของ MiniMax-H3 ให้โหลดส่วนประกอบเพิ่ม 2 จุดสำคัญ:

  • Text Encoders: แนะนำ qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors (~15.7 GB กำลังดี ไม่หนักเท่า INT8 ที่ 27.1 GB หรือ BF16 ที่ 51.5 GB)
  • VAE (ต้องโหลดทั้ง 2 ตัว): ตัว Video VAE (เช่น minimax_h3_video_vae_int8_convrot.safetensors) และ Audio VAE เพียงตัวเดียว (minimax_h3_audio_vae_fp32.safetensors ~600+ MB) เพื่อรองรับเสียงประกอบในคลิป
หน้า HuggingFace text_encoders แสดงไฟล์ qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors ขนาด 15.7 GB

Screenshot จากคลิป: เลือก Text Encoder รุ่น nvfp4_awq (15.7 GB) เพื่อประหยัดพื้นที่และ VRAM

Step 4: โหลด Pika H3 Flex LoRA (ตัวเร่งความเร็ว 6 Steps) ลงใน /models/loras

เข้า Pika-Labs/Pika-H3-Flex/comfy/loras ดาวน์โหลดไฟล์ LoRA ทั้ง 2 ตัว (~1.96 GB/ไฟล์) ไปวางไว้ในโฟลเดอร์ ComfyUI/models/loras/:

  • pika_h3_flex_fl2va_comfy_bf16.safetensors → ใช้กับ Workflow T2V
  • pika_h3_flex_ref2va_comfy_bf16.safetensors → ใช้กับ Workflow REF2V
หน้า HuggingFace Pika-Labs/Pika-H3-Flex แสดงไฟล์ LoRA ทั้งสองตัว fl2va และ ref2va ขนาด 1.96 GB

Screenshot จากคลิป: ไฟล์ Pika H3 Flex LoRA ที่ช่วยลดจำนวน Step การเจนวิดีโอเหลือเพียง 6 Steps โดยยังคง Movement ลื่นไหล

Step 5: เช็กพารามิเตอร์ใน Subgraph Render + Upscale และ RelayVSR

เมื่อดับเบิลคลิกเข้าไปข้างในกล่อง Render + Upscale จะพบการตั้งค่ามาตรฐานที่ปรับไว้ให้แล้ว ได้แก่ duration: 5.0 วินาที/ซีน, ความละเอียดเริ่มต้นใน Resolution Selector = 0.50 Megapixels (เลือก 16:9 / 9:16 / 1:1 ได้) และต่อเข้า RelayVSR (×2) อัตโนมัติ (สามารถสลับเป็น ×4 ได้แต่ต้องระวัง VRAM เต็ม)

หน้าจอตั้งค่าภายใน Render + Upscale แสดง unet_name, clip_name, vae_name, audio_vae, lora_name และ lora_strength

Screenshot จากคลิป: ตรวจสอบชื่อโมเดลให้ครบทั้ง unet_name, clip_name, vae_name, audio_vae และ lora_name ก่อนกด Run

Step 6: การใช้งานโหมด REF2V ล็อกตัวละคร + ฉาก + เสียงอ้างอิงหลายช็อต

สำหรับทำละครสั้นที่ต้องการให้หน้าตาและชุดตัวละครเหมือนเดิมข้ามฉาก ให้ใช้ Workflow ตัว REF2V ซึ่งเปิดช่อง Input รองรับหลายรูปแบบพร้อมกัน:

  • Picture 1 (ref_image_0) & Picture 2 (ref_image_1): ใส่ภาพตัวละครที่ 1, ตัวละครที่ 2 หรือภาพฉาก/เสื้อผ้า แล้วกด Ctrl + B เปิดใช้งาน (ค่าเริ่มต้นเปิด 1 ภาพ ปิดช่องที่ 2–3 ไว้)
  • Audio Character 1 / 2: ใส่ไฟล์เสียงพูดอ้างอิงเพื่อคุมโทนเสียงตัวละครแต่ละคน
  • กรณีต้องการเพิ่มภาพตัวละครที่ 3 (ref_image_2): กดขยายช่องเชื่อมต่อบน Subgraph แล้วลาก Load Image มาเสียบ จากนั้นคลิกขวาเลือก Rename Slot ตั้งชื่อให้เรียงตามลำดับ Index (0, 1, 2)
หน้าจอ ComfyUI โหมด REF2V แสดง Picture 1, Picture 2, Audio Character และ Load Image เสริมตัวละครที่ 3

Screenshot จากคลิป: วิธีต่อภาพอ้างอิงมากกว่า 2 รูปและ Audio Reference เข้าโหนด Subgraph ในโหมด REF2V

Step 7: กด Run รวดเดียว & ตรวจ Log การประมวลผล + Upscale ด้วย RelayVSR

เมื่อใส่ Prompt ครบทุกซีน (หรือกด Ctrl + B ปิดซีนที่ยังไม่ใช้เพื่อประหยัดเวลา เช่น เจน 3 หรือ 4 ซีนก่อน) แล้วกดปุ่ม Run ระบบจะเรนเดอร์วิดีโอพร้อมส่งเข้า WAN22_RelayVSR + RelayFlash เพื่อเพิ่มความคมชัดให้ครบทุกช่อง ตัวอย่างในคลิปเจนแนวตั้ง 6 ซีน (~30 วินาที) ใช้เวลารวม 435.47 วินาที (~7 นาทีบน RTX 4090) หรือเฉลี่ยช็อตละ ~2 นาทีเศษบน RTX 4070 Super

หน้าจอ ComfyUI หลัง Run สำเร็จ แสดงคลิปหนังสั้น 6 ซีนพร้อม Console Log ของ RelayVSR และ Prompt executed in 435.47 seconds

Screenshot จากคลิป: ผลลัพธ์ Multi-Scene 6 ช็อตต่อเนื่องพร้อม Log การทำงานของ RelayVSR ที่เร่งความละเอียดอัตโนมัติในรอบเดียว

Step 8: เคล็ดลับระดับโปร — ใช้ Character Sheet 4 มุม + วิธีแก้ Error ตอนก๊อปเพิ่มซีน + Runpod

  • เมื่อไหร่ควรใช้ Character Sheet 4 มุม: หากในฉากตัวละครต้องหันข้าง เดินหมุน 360 องศา หรือเดินแบบโชว์ชุด ควรใช้ภาพ Character Sheet ที่เห็นหน้า-ข้าง-หลังใน Picture 1 คู่กับภาพฉากใน Picture 2 เพื่อป้องกัน AI สุ่มเปลี่ยนชุดด้านหลัง (แต่ถ้ารูปฉากไม่มีพื้นหลัง อย่าลืมใส่รูปพื้นหลังเป็นรูปที่ 2 เสมอ)
  • วิธีเขียน Prompt ให้ต่อกันลื่น: ระบุตำแหน่งอ้างอิงในข้อความ เช่น <Picture 1>, <Picture 2> ตามด้วย มุมกล้อง, แอ็กชัน 5 วินาที, overall_soundscape และระบุ non_diegetic_music / no music ให้ชัดเจน และตรวจสอบว่าปลายช็อตเก่าเชื่อมกับต้นช็อตใหม่ไม่ซ้ำกันจนตัวละครทำท่าซ้ำ
  • แก้จุด Error เวลาลากก๊อปซีนที่ 7–8: หากก๊อปซีนแล้วโหนด Load Video (Upload) (สีม่วงใน Video Helper Suite) ขึ้นกรอบแดง ให้ดับเบิลคลิกเรียกโหนด Load Video (Upload) ตัวใหม่มาเสียบสาย ref_video_1 แทน หรือลบทิ้งเลยหากไม่ได้ใช้วิดีโออ้างอิง และอย่าลืมเปลี่ยน filename_prefix เป็น scene7, scene8
ตัวอย่างการใช้งาน Character Sheet หลายมุมมองใน Picture 1 ของโหมด REF2V เพื่อกันชุดและหน้าตาเพี้ยนเวลาหมุนตัว

Screenshot จากคลิป: ตัวอย่างการใช้ Character Sheet 4 มุมมองในช่อง Picture 1 ให้ตัวละครหมุนตัว 360 องศาโดยชุดและหน้าตาไม่หลุด

⚡ สำหรับสาย Cloud GPU (Runpod) รันสคริปต์คำสั่งเดียวพร้อมใช้งาน

หากคอมพิวเตอร์ที่บ้าน VRAM ไม่พอ แนะนำเช่าการ์ดจอบน Runpod แล้วดาวน์โหลดสคริปต์ติดตั้งจากตารางด้านบน จากนั้นรันคำสั่งใน Terminal เพื่อโหลด Custom Node และไฟล์โมเดลอัตโนมัติ:

# สำหรับโหมด Text-to-Video (T2V)
chmod +x require-install-cinematic-studiot2v.sh && ./require-install-cinematic-studiot2v.sh

# สำหรับโหมด Reference-to-Video (REF2V)
chmod +x require-install-cinematic-studio-ref2v.sh && ./require-install-cinematic-studio-ref2v.sh

สร้าง Prompt หนังสั้น & เรียนใช้ MiniMax H3 / ComfyUI บน Kevin AI Academy

เข้าไปเขียนบท + โครงสร้าง Prompt 6 ซีนแบบพร้อมวางลง ComfyUI ฟรี หรือดูชุด MiniMax H3 LoRAs & Workflows เพิ่มเติมได้ทันที

แท็กที่เกี่ยวข้อง:#ComfyUI Workflow ทำหนังสั้น#MiniMax H3 ComfyUI#Pika H3 Flex LoRA#RelayVSR Video Upscale#T2V vs REF2V#Runpod AI Video#Ton Like IT#แจกโมเดล AI Video
SHARE THIS ARTICLE

แชร์บทความนี้ต่อให้เพื่อนหรือทีมของคุณ

เลือกส่งต่อผ่าน Facebook, LINE, X (Twitter), WhatsApp, Email หรือคัดลอกลิงก์ได้ทันที

สนใจเรียนรู้เทคนิค AI เจาะลึกกับ อ. Kevin แบบจับมือทำ?

เลือกลงทะเบียนคลาสเรียน AI Content, Agentic AI Foundation หรือ Private 1-on-1 เพื่อนำไปใช้กับงานจริงของคุณทันที

ดูรอบและจองคลาสเรียน ↗