在嘗試過單圖重繪與雙圖換裝後，本次進一步挑戰 P-H3-Image 極限的多圖合成編輯能力。以 ComfyUI 官方工作流為基底，額外擴展四個圖片載入節點，分別載入四位看板娘（萌芽娘、萌樂、方塊鴨娘、優曇華）的 1920 × 1920 px 立繪，並串接至 Generate Text 和 p-h3-image Conditioning 的 image_2 至 image_5 輸入點。背景圖（Picture 1）則指定櫻花林下的野餐墊場景，讓模型根據自然語言指令，一口氣將四位角色同時合成進場景中和諧互動。
輸出圖像尺寸直接由圖 1 背景大小決定。本次先後測試了 2048 × 1536 px 與接近 8 MP 的 3360 × 2496 px 兩種規格，都是單次直出；後者在角色髮絲、服飾配件與落櫻細節上皆更加銳利細膩，但生成時間也從近 3 分鐘拉長至約 5 分鐘。儘管運算時間拉長，模型依然維持了極高的人物辨識度，並完美演繹端菜、倒茶、吃三明治等複雜肢體動作。
▲ 在工作流中擴充四個圖片節點，將四位看板娘立繪依序接入 Generate Text 和 p-h3-image Conditioning 的 image_2～5 輸入端，圖 1 則載入櫻花野餐墊背景，完成多圖合成的輸入配置。提示詞則是輸入：
Aspect ratio: 4:3
Request: Edit Picture 1 by adding the four characters from Picture 2, Picture 3, Picture 4, and Picture 5 sitting harmoniously on the picnic blanket. Place the character from Picture 2 sitting cross-legged on the left offering food, the character from Picture 3 sitting in the back pouring tea with a gentle smile, the character from Picture 4 on the right relaxing and eating a sandwich, and the character from Picture 5 in the front right sitting comfortably and smiling warmly. Maintain the Japanese anime art style, lighting, and cherry blossom background from Picture 1.
▲ 第一回以 2048 × 1536 px 進行實測，生成耗時近 3 分鐘。四位角色成功融入草地與櫻花樹下，端盤、倒茶與野餐互動表現自然。但仍然可以看到一些明顯瑕疵。
▲ 第二回改為 3360 × 2496 px 輸出，生成時間約 5 分鐘。高解析度下角色五官、髮絲與光影層次顯著提升，展現較高的細節度，瑕疵稍微減少。
《上一篇》ComfyUI x MiniMax H3 x P-H3-Image：維持圖１角色特徵、參考圖２服裝換裝生成實測 
《下一篇》P-H3-Image：P-H3-Image Prompter 技能快速生成專用提示詞 
留言區 / Comments
萌芽論壇