动画圈的"动作捕捉"过去是专业棚里的贵价设备。现在 MiniMax H3 的 Fun ControlNet 把它变成了三件套：一段真人动作视频 + 一张角色图 + 一个控制模型------真人怎么动，角色就怎么动 。本篇实测：汉服美人转身微笑的视频，驱动一位粉发动漫魔法少女做出同样的动作，动漫风格和角色形象分毫不变，动作逐帧复刻。
一、效果先看
四联图从左到右：角色参考图（粉发动漫少女）→ 动作源视频帧（汉服真人转身）→ 生成首帧 → 生成 2.2 秒帧。两个承诺都兑现了：
- 风格锁死：生成的两帧保持 cel-shading 动漫渲染、粉发双马尾、魔法少女服饰，与参考图完全一致；
- 动作复刻：躯干朝向、转身幅度、手臂位置跟随动作源视频逐帧对应，无肢体错位。
出片 1024×576、24fps、107 帧（4.5 秒）、自带音轨。整条链在 4070 Ti 12G 上约 6 分钟（含姿势提取）。
二、模型准备（7 件，全部双链）
| 模型文件 | 大小 | 放置目录 | 官方下载 | 网盘备份 |
|---|---|---|---|---|
| minimax_h3_ref2va_pruned_int8_convrot.safetensors | 21.0 GB | diffusion_models | 官方下载页 | 网盘下载 |
| minimax_h3_fun_controlnet_union_2.0_pruned_int8_convrot.safetensors | 4.53 GB | model_patches | 官方下载页 | 网盘下载 |
| qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors | 15.7 GB | text_encoders | 官方下载页 | 网盘下载 |
| minimax_h3_video_vae_int8_convrot.safetensors | 2.81 GB | vae | 官方下载页 | 网盘下载 |
| minimax_h3_audio_vae_fp32.safetensors | 0.61 GB | vae | 官方下载页 | 网盘下载 |
| minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors | 1.96 GB | loras | 官方下载页 | 网盘下载 |
| sdpose_wholebody_fp16.safetensors | 1.92 GB | checkpoints | 官方下载页 | 网盘下载 |
| rt_detr_v4-x-hgnet_fp16.safetensors | 0.30 GB | diffusion_models | 官方下载页 | 网盘下载 |
看过 H3 前几篇的话，新面孔只有三件：Fun ControlNet 补丁 （动作注入的核心，放 model_patches 目录）、SDPose （全身关键点提取）和 RT-DETR（先框出人再提骨架）。官方 HuggingFace 国内可换 hf-mirror.com 直连；网盘是同文件备份，点开自动带提取码。
环境：ComfyUI v0.39 内核原生支持（SDPose/RT-DETR/FunControlNetApply 全是内置节点），零自定义节点。
三、工作流拆解：两段式流水线
这条流是 H3 全家最复杂的（原模板 46 节点），但逻辑就两段：
第一段·姿势提取：LoadVideo（动作源视频）→ RTDETR_detect（检测画面里的人）→ SDPoseKeypointExtractor（提全身关键点）→ SDPoseDrawKeypoints（画成骨架视频）。
第二段·受控生成 ：角色参考图 + 提示词 → MiniMaxH3ReferenceToVideo；ref2va 主模型挂 MiniMaxH3FunControlNetApply（把骨架视频作为 control_video 注入，strength 1.0）→ +4 步 turbo LoRA → 采样出片。
关键参数：control_video 接骨架 IMAGE；end_percent 0.9（动作控制作用区间）；4 步 turbo；分辨率对齐动作源视频画幅。
动作源视频哪来 ：任何有人物动作的短视频都行------自己拍一段、动漫截一段、或者用 H3 自己生成（本篇的动作源就是上一篇 i2v 生成的汉服转身视频，自产自销闭环）。
四、实测踩坑
1. 检测器放对目录。 rt_detr 走 UNETLoader（diffusion_models 目录）、sdpose 走 CheckpointLoader（checkpoints 目录），两个都放 checkpoints 或都放 unet 会找不到。
2. SDPose 的 vae 输入来自 CheckpointLoader 的第三输出，不是单独的 VAELoader------接错了报缺输入。
3. 动作源视频人物越清晰复刻越稳。 多人同框会被 RT-DETR 全框出来互相干扰（max_detections 限 1）；截取单人、全身入镜的片段效果最好。
4. model_patches 是独立类目。 Fun ControlNet 补丁既不在 checkpoints 也不在 diffusion_models，放 models/model_patches/，老版本 ComfyUI 目录里没有就自己建。
五、下载汇总
（城通网盘，点击自动带提取码）
模型见第二节双链表格（8 件）。模型许可按 MiniMax/SDPose 官方仓库条款；用真人视频驱动请获得当事人同意。
把爱豆的打歌视频换成动漫角色、把武侠片的招式搬到自己的原创角色身上------动作控制的玩法你自己开发。评论区说说你最想让"谁"复刻"谁"的动作，明天放出 H3 五连玩法总览（武侠/机甲/末世全套）收个尾。