Construcción de un pipeline de generación de video y audio MiniMax-H3 de extremo a extremo con las API de ComfyUI

El flujo de trabajo configura ComfyUI programáticamente, ajustando la memoria de la GPU, la capacidad del disco, la precisión del modelo, la resolución, la duración, el muestreo y los modos de generación. Selecciona dinámicamente un perfil de pesos según las capacidades del hardware. Los pesos requeridos de difusión, codificador de texto, VAE de video y VAE de audio se descargan de Hugging Face, y el servidor se comunica a través de las API HTTP y WebSocket. El grafo de ejecución se construye en Python, validando los esquemas de los nodos contra /object_info. Los modos admitidos incluyen texto a video, condicionado por primer y último fotograma, y generación condicionada por imagen de referencia. La tubería integra la configuración automatizada del modelo, la construcción del grafo consciente del esquema, la decodificación conjunta de video y audio, el monitoreo del progreso y la recopilación de resultados.