Minimax H3 + RefMod：用 20 张照片拼成一张参考图，锁定生成场景一致性
2026.10.04 · 观点 · 技巧 · 社区热议
把 20 张互相衔接的房间照片拼成单张 2048×2048 网格图当参考，场景就能保持一致。
一位用户为保持生成画面中“办公室”场景一致，拍了 20 张互相衔接的照片，拼成一张 2048×2048 像素的网格图作为参考（RefMod）。再叠加苍蝇、猫以及首尾帧参考后，生成结果与真实房间布局吻合。他强调：房间照片必须合并成一张参考图，分开多张会导致场景不一致。
- 拍 20 张互相衔接的办公室照片，保证画面彼此连接
- 把 20 张照片拼成单张 2048×2048 网格图当参考
- 另加苍蝇、猫和首尾帧参考，生成结果与真实房间吻合
- 作者称分开用多张图无效，合并成一张才保持场景一致
为什么值得看
低成本复用真实场景，解决 AI 生成中场景漂移的老问题。
适合谁关注
做 AI 图像/视频生成、需要固定场景的创作者。