Self-lift Avatar适配数字人：Minimax H3全身小脸口型不崩

作者：@AIwood爱屋研究室

Self-lift Avatar适配数字人：Minimax H3全身小脸口型不崩

一句话导读：针对 Self-lift 与既有数字人工作流不兼容、接入 Latent 报错的问题，作者在开源节点基础上做了 Avatar 适配改造，使 Minimax H3 全身/小脸场景也能稳定对上口型且不易崩脸，并给出可复用的双采样（音视频 Latent 合并）流程。

核心内容：
1. 痛点与改造动机：原版 Self-lift 发布后关注度高，但与作者既有数字人工作流不兼容，接入 Latent 会报错；作者在「饼老」节点基础上做了小幅魔改，使其可接入数字人链路。
2. 效果验证：演示工作流在脸占比很小的全身镜头下，口型仍能对齐，且不易出现常见崩脸；作者将其归因于 Self-lift 的像素/采样增强能力。
3. Self-lift Avatar 节点差异：工作流主体与普通 Self-lift 接近，关键是把节点换成 Self-lift Avatar。原节点难接入数字人，主要因为潜空间侧对 Mask 的约束——不吃 Mask，或只接受特定格式 Mask；经代码修改后可接入数字人音频 Mask。
4. 驱动方案选型：未继续使用安装成本高、体积偏大的「女武神」类节点，改用受「相速幻想 / Lap」启发的 LTX 思路——把音频编码后的 Latent 与空视频 Latent 合并，再一并送入采样器，相当于在潜空间内完成音画联合驱动。
5. 音频时长与帧数计算：前端用 SoundFall（原作者已停更，作者放到网盘供安装）读取音频长度（浮点秒），再转整数参与帧数计算；相对常规工作流额外 +24 帧（约 1 秒），一是避免浮点取整抹掉零点几秒，二是给后期裁剪留出血余量。预览区显示计算后的最终帧数。
6. 提示词与收尾：可用普通加载提示词节点；本片演示使用葫芦娃大佬的 Qwen3.8 本地 LLM 提示词强化节点，输入参考图与时长即可生成，并内置 Minimax 相关 Skill。音频经拆解处理后与视频 Latent 合并为 AV Latent，再进入带音频驱动的潜空间，输出数字人视频；链路尽量基于官方节点，降低维护成本。

适合人群：已在用 Minimax H3 / ComfyUI 做数字人口型驱动，希望把 Self-lift 接入全身或小脸场景，并需要轻量、可复现工作流与网盘节点包的读者。

补充说明：本文根据授权视频口播转写整理，节点名与参数以原视频演示为准；建议观看原片核对连线细节。项目与网盘资源见简介及下方链接。

相关夸克网盘链接：
【工作流和SoundFall节点网盘：https://pan.quark.cn/s/4c36ecb6626a】