使用ComfyUI API构建端到端的MiniMax-H3视频与音频生成流水线

该工作流以编程方式设置ComfyUI，配置GPU内存、磁盘容量、模型精度、分辨率、时长、采样和生成模式。它根据硬件能力动态选择权重配置文件。所需的扩散、文本编码器、视频VAE和音频VAE权重从Hugging Face下载，服务器通过HTTP和WebSocket API进行通信。执行图用Python构建，根据/object_info验证节点模式。支持的模式包括文本到视频、首帧和末帧条件生成，以及参考图像条件生成。该流程整合了自动化模型设置、感知模式的图构建、联合视频音频解码、进度监控和输出收集。