最近不少做影视、短视频、动画的朋友开始关注 MiniMax H3 在视频生成上的表现。和过去单张图像生成不同影视剧创作对角色一致性、动作连贯性、镜头稳定性的要求高很多单纯的文生视频往往很难满足项目需要。把这套能力和 ComfyUI 工作流结合起来等于把“模型调用”和“流程编排”统一到了一个可视化的画布里从分镜设计到批量出片都能在本地跑通。这篇文章会围绕 MiniMax H3 的 AI 影视剧专业创作流程展开从 ComfyUI 的安装、模型加载、节点连接再到提示词规范、参考模式、常见报错和项目落地建议完整拆解一套可以照着搭的工作流思路。内容定位是 2026 新手入门实用版全程干货适合第一次接触 ComfyUI 的创作者也适合已经在用 AI 工具但还没有系统搭建工作流的开发者。1. 背景与核心概念1.1 MiniMax H3 解决什么问题MiniMax H3 是一个偏影视向的视频生成模型核心能力不只是“把文字变成视频”而是更关注视频的叙事感、人物一致性和镜头语言。通俗地理解以往的文生视频工具更像“单镜头演示”你输入一句话它给你一段还不错的画面而 H3 的目标是往“导演台”方向靠试图在生成过程中处理角色参考、动作参考、画面连续性这些影视制作里绕不开的问题。在影视剧创作场景中真正耗时间的往往不是某一帧画得多好而是以下几个环节角色在不同场景、不同服装、不同情绪下保持同一张脸。同一个动作在多个镜头中保持一致的运动逻辑。同一段剧本内容能拆成多个分镜并按分镜逐个生成素材。生成的几十条视频中能快速筛选出符合预期的几条进入后期。MiniMax H3 这类模型的能力边界就在这些地方。它不等同于剪辑软件也不等同于三维建模工具而是把“剧本变成视频素材”这一环的效率提升了很多。把 H3 放入 ComfyUI 工作流本质上是在模型之上加了一层“流水线管理”让生成过程可控、可复用、可批量执行。1.2 为什么选择 ComfyUI 来搭建工作流ComfyUI 是一个基于节点编辑器风格的 AI 生成工具。和传统一键生成工具相比ComfyUI 的核心优势是“把每一步都拆成了可以连接的节点”例如加载模型是一个节点写提示词是一个节点设置采样参数是一个节点输出视频又是一个节点。节点与节点之间通过连线传递数据整个流程一目了然。对于影视剧创作来说这套逻辑非常友好流程可复现同一个工作流保存下来换提示词、换素材就能得到同风格的新结果。局部可调整不想改变角色形象就只修改场景描述节点其他节点不动。批量可执行配合 ComfyUI 的队列功能可以把多个分镜任务一次性排队生成。组合能力强MiniMax H3 的模型能力和 ControlNet、参考模式、风格 LoRA 等能力可以组合在同一个工作流里。如果只是偶尔生成一条短视频用网页版工具可能更快但如果你在做系列剧、短剧、动画番剧这类需要大量素材和统一风格的项目ComfyUI 工作流是更专业的选择。1.3 需要区分的几个概念在正式搭建之前有几个概念先理清楚后面不绕弯节点ComfyUI 中的最小功能单元比如“加载模型”节点、“文本编码”节点。工作流由多个节点通过连线组成的一套完整生成流程。模型文件MiniMax H3 的权重文件负责实际的视频生成计算。参考模式H3 中通过参考图像/视频来控制生成内容的模式例如角色参考、动作参考。整合包把 ComfyUI 主程序、Python 环境、常用插件、模型管理工具打包好的一键安装包适合新手快速启动。你可以把工作流理解成一条“虚拟流水线”原料是文本、图像、视频参考设备是 H3 模型产品是一段风格统一的视频片段。2. 环境准备与版本说明2.1 硬件配置建议搭建 ComfyUI 工作流对硬件有一定要求尤其是运行视频生成模型时显存和内存都很重要。如果你的项目以 1080p 短片段为主显卡显存建议不低于 12GB如果要做更长的镜头或多个参考模式的组合生成推荐 16GB 以上显存。需要注意的是不同版本的模型运行所需显存差异较大实际项目里最好先跑一个最小工作流观察显存占用后再决定是否提高分辨率。内存方面建议 32GB 起步。视频生成过程中不仅需要读取模型文件还要处理多帧图像数据内存不足会导致生成中断或系统卡顿。硬盘建议预留 80GB 以上空间因为 H3 模型文件本身比较大加上工作流产物和临时缓存消耗比较快。操作系统没有严格限制Windows、Linux、macOS 都能跑但考虑到大多数用户使用 N 卡和 Windows 环境本文以 Windows 环境为例。如果你的项目部署在 Linux 服务器上操作思路一致只是路径和命令行略有差异。2.2 安装 ComfyUI 整合包ComfyUI 的安装方式主要分两种一种是从源码手动安装适合有 Python 环境的开发者另一种是使用社区整合包适合希望快速启动、少折腾环境的新手。对于影视剧创作新手我更推荐先使用整合包。整合包一般已经帮你配好了 Python 环境、PyTorch 版本和常用插件省去了一步步装依赖的时间。社区常见的整合包有秋叶整合包、官方便携版等它们没有本质上的好坏之分关键是保持更新并在安装后确认版本能正常打开界面。下载整合包后解压到纯英文路径下不要放在包含中文或空格的目录里否则后续模型加载或插件安装可能报路径错误。解压完成后双击启动脚本看到浏览器自动打开 ComfyUI 界面就算安装成功。如果你已经掌握基础操作建议后续切换到“官方源码 自定义插件”的方式这样对工作流的控制更精细也更容易排查问题。2.3 安装 MiniMax H3 相关节点ComfyUI 原生自带的基础节点并不包含 MiniMax H3 的接入能力需要安装对应的自定义节点插件。自定义节点的安装方法有两种在线安装在 ComfyUI 界面中找到“Manager”插件管理器搜索关键词 MiniMax找到对应节点后一键安装。手动安装把插件仓库克隆到 ComfyUI 的 custom_nodes 目录下然后重启 ComfyUI。手动安装的目录结构大致如下ComfyUI └── custom_nodes └── ComfyUI-MiniMax-H3 ├── __init__.py ├── nodes.py ├── requirements.txt └── ...安装完节点后如果界面提示“请安装缺失的包以使用此工作流”通常说明插件的 Python 依赖没有安装完整。官方提示会建议你在 Python 环境中执行依赖安装命令例如cd ComfyUI python -m pip install -r custom_nodes/ComfyUI-MiniMax-H3/requirements.txt执行完命令后重启 ComfyUI 即可。有一点需要提醒不同插件的接口名称、节点显示名称可能会随版本更新而变化当前文章中的节点名称以你实际安装的插件版本为准。如果你在导入工作流时看到红色节点说明当前插件版本与工作流文件不匹配需要更新插件或降级插件版本。2.4 模型文件放置位置MiniMax H3 的模型文件需要放置到 ComfyUI 能识别的位置。不同插件读取模型的路径不同最常见的位置是ComfyUI/models/minimax_h3/如果插件作者指定的目录不是这个需要看插件文档。模型文件放在正确位置后在“加载模型”节点的下拉列表中选择对应文件即可。建议在模型目录里按用途分子目录例如minimax_h3 ├── base │ └── minimax_h3_base.safetensors ├── ref2va │ └── minimax_h3_ref2va.safetensors └── lora └── style_lora.safetensors这样在搭建大型项目工作流时不会因为文件太多找不到对应模型。3. 核心工作流原理与节点拆解3.1 工作流的运行逻辑ComfyUI 工作流表面上是一堆节点和连线本质上是一张有向数据流图。数据从输入节点出发经过加载模型、文本编码、采样、解码等步骤最终输出成视频文件。一个最基础的 MiniMax H3 文生视频工作流按数据方向可以分为以下几步通过“加载模型”节点载入 H3 模型。通过“文本编码”节点把提示词转为模型能理解的语义表示。把模型、文本、参数送入“采样器”节点。采样器生成视频帧序列。“视频解码”节点将帧序列转为可预览、可保存的视频文件。把这个逻辑装进工作流后即使节点布局不同核心链路是不变的。3.2 迷你文生视频工作流节点示例下面给出一个最简工作流的节点逻辑描述实际搭建时不需要写代码而是通过连线完成。这里用文字把节点意图列出来方便对照节点类型节点用途关键参数Load MiniMax H3 Model加载模型model_name 选择 base 模型CLIP Text Encode编码正向提示词prompt 输入剧本镜头描述CLIP Text Encode编码负向提示词prompt 输入不希望出现的内容MiniMax Sampler执行视频生成width、height、frames、seedVideo Decode解码视频设置输出格式与帧率连接顺序Load MiniMax H3 Model ↓ CLIP Text Encode正向 → MiniMax Sampler → Video Decode CLIP Text Encode负向 → MiniMax Sampler在这里正向提示词描述“画面里有什么”负向提示词描述“画面里不要出现什么”。例如正向提示词电影质感夜晚的城市街道一个身穿深色风衣的男主角站在路灯下镜头缓慢推近面部特写光影柔和背景有淡淡霓虹光35mm镜头景深浅负向提示词画面模糊肢体扭曲脸部变形过分曝光色彩失真水印文字实际生成时采样器的参数会直接影响视频效果。常见的参数包括seed控制随机性。同一个 seed 生成的视频更接近不同 seed 会带来风格偏移。frames控制视频帧数影响视频时长。width / height视频分辨率越高越吃显存。steps采样步数过高会降低效率过低可能画面不完整。3.3 ref2va 参考模式与角色一致性影视剧创作中最让人头疼的问题不是“生成不出来”而是“每次生成的长得不一样”。想解决角色一致性问题可以重点研究 ref2va 全能参考模式。通俗地解释ref2va 是一种让模型在生成视频时参考额外输入的模式。额外输入可以是角色图、场景图、动作视频等。模型在生成时不仅看提示词还会尽量保持参考内容中的身份特征、空间布局和动作逻辑。比如你在做一部短剧男主角在第三集和第八集都要出现。如果只靠提示词描述“男主”两次生成的脸很难保持同一张。正确的做法是先确定一张男主角的概念设定图然后在每次生成时把这张图接入 ref2va 参考节点让模型围绕这张图去生成视频画面。参考模式还有更细的用法角色参考只参考人物面部特征适合需要多镜头保持同一角色的场景。场景参考参考环境空间结构适合连续场景生成。动作参考参考一段动作视频适合动作戏分镜生成。同一个参考图不一定适合所有镜头。比如角色参考图是正面站姿但你希望生成一个奔跑中的背面镜头参考图能提供的帮助就有限。制作成熟的影视剧工作流需要为每个主要角色准备多张不同角度、不同表情、不同服装的参考图形成“角色参考库”。3.4 提示词编写规范很多新手把提示词当成一个“玄学”其实提示词是可以公式化的。尤其是影视剧向的提示词如果写出统一的规范后续批量生成分镜时会非常高效。我的建议是采用分层结构把提示词拆成四个部分中间用逗号分隔。第一层是“镜头景别与运动”。明确画面是特写、近景、中景、全景还是推、拉、摇、移。比如镜头缓慢推进面部特写第二层是“主体描述”。这一层是画面核心包括人物身份、外貌特征、服装、状态。影视剧项目中这一部分通常与角色参考库联动。比如男主角黑色短发右眉上一道浅疤灰色大衣神情冷峻第三层是“场景与氛围”。包括环境、光线、天气、时间。比如雨夜老旧街道路灯昏黄蒸汽从下水道升起潮湿的路面反射灯光第四层是“风格与画质”。包括镜头焦段、胶片风格、色彩倾向。比如35mm 定焦浅景深冷色调电影颗粒高动态范围组合起来就是一条完整的正向提示词镜头缓慢推进面部特写男主角黑色短发右眉上一道浅疤灰色大衣神情冷峻雨夜老旧街道路灯昏黄蒸汽从下水道升起潮湿的路面反射灯光35mm 定焦浅景深冷色调电影颗粒高动态范围这种写法有两个好处一是可复用性强同一个项目中只需要替换“主体”和“场景”部分镜头运动和风格描述可以直接复用二是更容易定位问题如果生成结果画面构图有问题检查景别部分如果人物不像检查主体描述和参考图。3.5 负向提示词与拍摄事故预防负向提示词在文生图里很常见但在视频生成中更要注意。视频模型一旦生成过程中出现脸部变形、肢体扭曲问题会比单张图片严重得多因为它们会贯穿整个视频片段。常见的负向提示词案例脸部变形五官扭曲肢体不自然地弯曲手指数量异常画面闪烁镜头抖动主体闪烁文字和水印过强的运动模糊色彩断层这里需要注意的是不同模型对负向提示词的敏感度不一样。过度堆砌负向词反而可能干扰正常生成建议先保留最关键的三到五条生成一两段测试视频后再逐步调整。4. 完整实战案例搭建 AI 影视剧项目工作流4.1 创建项目结构在实际项目中我建议不要只维护一个巨大的工作流文件而是按“项目”来管理。比如你要做一部 10 集的短剧可以先建立一个项目目录。my_short_drama ├── workflows │ ├── text_to_video.json │ ├── character_ref.json │ └── background_scene.json ├── prompts │ ├── characters │ │ ├── 男主.md │ │ └── 女主.md │ ├── scenes │ │ ├── 第01集_scene01.md │ │ └── 第01集_scene02.md │ └── negative_prompt.md ├── references │ ├── characters │ │ ├── 男主_v1.png │ │ └── 女主_v1.png │ └── scenes │ └── 老城区街道.png └── outputs ├── raw └── selected这套结构的好处是工作流文件、提示词、参考图、生成结果互不混淆。生成素材多了以后你能快速找到某个分镜对应的原始视频。很多项目做着做着就乱了大概率都是因为开始的时候没有规划目录。4.2 添加依赖与模型配置新建完目录后接下来要把 H3 模型放进 ComfyUI 模型目录。以 Windows 整合包为例你可以在 ComfyUI 的models/minimax_h3/路径下创建子目录然后把模型文件复制进去。如果使用“角色参考”功能还需要把角色设定图放到项目 references 目录。ComfyUI 的输入节点一般会提供“上传图片”或“选择本地文件”的接口指向你的参考图即可。这一步不需要写额外代码但有一点很重要确认模型文件的来源和完整性。如果模型文件下载不完整加载时可能报错生成结果也可能异常。4.3 构建文生视频核心工作流下面我们来搭一个最核心的文生视频工作流。这个工作流在 ComfyUI 界面里操作步骤如下。第一步新建一个空白工作流。删除默认的 Workflow 节点保留空白画布。第二步添加“加载 MiniMax H3 模型”节点。在节点搜索框输入 MiniMax选择对应节点然后在节点参数中选择你的模型文件。第三步添加“CLIP 文本编码”节点。这个节点通常需要两个一个接正向提示词一个接负向提示词。把 3.4 节中写的正向提示词和负向提示词分别填入对应输入框。第四步添加“MiniMax 采样器”节点。将模型输出、正向文本输出、负向文本输出连接到采样器的对应输入端口然后设置采样参数。第五步添加“视频解码”节点。将采样器的输出连接到视频解码器设置输出格式例如 mp4最后连接一个“保存视频”节点或直接使用预览节点。第六步点击“运行队列”等待生成。这个过程中最常用的几个参数是{ seed: 123456, width: 1280, height: 720, frames: 96, steps: 20, cfg: 3.5 }需要提醒的是不同版本的节点可能对参数命名有所差异例如有的把 frames 命名为 frame_count。首次使用节点时先确认参数名称不要盲填。4.4 搭建角色参考模式工作流角色参考工作流和文生视频工作流的差异在于采样器之前多了一个“参考图像加载”环节。工作流连接顺序加载 H3 模型 → 加载角色参考图 → 参考图编码 → 采样器 文本编码正向 → 采样器 文本编码负向 → 采样器参考图编码后的输出会作为采样器的另一个条件输入告诉模型“这个人长这样”。为了提升角色一致性实际操作中建议准备同一角色多张参考图。比如正面表情参考侧面轮廓参考身体姿态参考服装局部参考如果项目使用“ref2va 全能参考模式”可以一次接入多张参考图通过节点选择参考类型比如角色、动作、场景。具体接入方式依赖插件接口通常节点上会标明 ref image 和 ref type。生成视频后需要重点检查的是人物五官是否与参考图一致。如果角色看起来像参考图但不是完全一致不一定需要修改模型可以先修改提示词中对角色外貌的描述细节让它和参考图特征对齐。例如参考图里的角色有卷发提示词里就要加入“卷发”关键词如果参考图角色穿黑色大衣提示词里也要提到。4.5 长视频与多分镜批量生成AI 视频生成目前很难一次性生成一个长镜头更现实的思路是“分段生成后期拼接”。在 ComfyUI 中批量生成分镜有两种常用做法。第一种是“队列队列”。把同一工作流放入队列多次每次修改提示词相当于手动批量。ComfyUI 自带的 Queue 功能可以自动按顺序执行适合数量不大的分镜任务。第二种是“外部脚本驱动”。把 ComfyUI 作为后端通过 API 提交不同参数。这种方式适合需要程序化生成大量分镜的团队。例如使用 Python 脚本读取提示词清单逐个调用 ComfyUI API自动收集生成结果。简单示意用脚本请求 ComfyUI API 的思路import requests workflow load_workflow(text_to_video.json) prompt_list read_prompt_file(第01集_scene01.md) for idx, prompt in enumerate(prompt_list): workflow[6][inputs][text] prompt workflow[9][inputs][seed] 1000 idx response requests.post(http://127.0.0.1:8188/prompt, json{prompt: workflow}) print(fScene {idx} submitted: {response.status_code})这种方式的好处是可控性强还能对接自己的项目管理工具。需要你提前安装 requests 库pip install requests但要注意调用 API 前需要把 ComfyUI 的启动参数调整为“允许外部访问”一般是在启动命令中加入--listen 0.0.0.0。生产环境里不要随意暴露端口除非你有完整的网络访问控制。4.6 结果筛选与素材归档批量生成之后最忌讳的是所有素材堆在一起最后找不到哪个视频对应哪个分镜。建议每次生成后在输出目录里按“项目-集数-分镜号-版本号”的格式命名。例如drama01_ep03_scene02_v1.mp4 drama01_ep03_scene02_v2.mp4筛选时可以把候选视频复制到outputs/selected目录并附带一个简单的筛选说明文档。例如ep03_scene02_v1.mp4动作自然但脸部光线偏暗 ep03_scene02_v2.mp4角色一致性强镜头运动符合预期推荐使用这套流程看起来简单但在几十条素材混在一起时能极大节省后期选择成本。5. 常见问题与排查思路5.1 导入工作流时提示“请安装缺失的包”这是新手最常遇到的提示。出现这个提示说明当前 ComfyUI 环境缺少工作流所需的某个自定义节点或 Python 依赖。排查步骤观察工作流中哪些节点显示为红色这些红色节点就是缺失节点。使用 ComfyUI Manager 中的“Install Missing Custom Nodes”功能自动查找并安装缺失插件。如果插件已安装但提示缺少 Python 包需要进入插件的 requirements.txt 目录手动安装依赖。安装命令格式python -m pip install -r custom_nodes/插件目录名/requirements.txt安装完成后重启 ComfyUI不要只刷新网页有些依赖需要重新加载进程才能生效。5.2 生成视频中人物动作不一致模型生成了视频但人物动作前后不连贯或者同一个角色在不同分镜中动作逻辑对不上。这个问题很多人会遇到。可能原因有以下几种。第一参考模式没有合理使用。如果是动作参考模式参考视频本身要足够清晰动作范围不要太大。参考视频建议截取一个连贯、简单的动作片段。第二提示词冲突。如果你在正向提示词里同时写了“缓慢行走”和“奔跑”模型很难判断到底要做什么容易生成折中的怪异动作。第三采样参数设置不合理。特别是 frames 和 steps 的搭配。帧数过多但采样步数太少会导致动作中间帧不稳定。解决方案一个分镜只描述一个核心动作去掉多余动作词。使用动作参考时把参考视频的时长控制在 2 到 4 秒。固定 seed多生成几次对比哪些参数影响动作连贯性。5.3 显存不足与生成中断生成时提示CUDA out of memory这是显卡显存不足。解决思路降低分辨率从 1280x720 降到 960x540。降低 frames减少一次生成的总帧数。使用 ComfyUI 设置中的“低显存模式”如果有该选项。关闭其他占用显存的程序包括浏览器中的其他视频页面。如果你使用 Windows 整合包还可以尝试在启动参数中调整 GPU 相关配置。不同显卡的优化参数有差异建议以实际测试为准。5.4 模型加载失败模型加载失败一般有几种表现下拉框里没有模型文件。加载时报错提示文件路径错误。界面直接崩溃。对应排查确认模型文件放在正确的模型目录。确认模型文件没有损坏重新下载一次。确认插件版本支持当前模型文件格式。特别提醒不要把 safetensors 文件和 ckpt 文件混用不同插件的兼容边界不同模型加载时要看插件说明。5.5 视频画质糊或闪烁如果生成的视频像是蒙了一层雾或者相邻帧之间闪烁明显通常与采样参数和解码设置有关。遇到这种情况可以按顺序尝试steps 适当增加 2 到 4 步。检查解码节点的输出格式优先使用高质量编码参数。检查参考图分辨率是否过低参考图模糊会直接影响生成质量。在后期软件中做轻度降噪和锐化。如果是批量生成的分镜风格不统一可能需要统一提示词风格描述部分让所有分镜共用同一条风格前缀。例如所有分镜的结尾都加上“35mm 定焦浅景深冷色调电影颗粒”。6. 最佳实践与工程建议6.1 工作流版本管理和写代码一样工作流文件也需要版本管理。ComfyUI 工作流本质上是 JSON 格式理论上可以直接用 Git 管理。建议工作流文件中保存稳定的参数默认值但不要把所有项目都固化在一个工作流里。基础工作流可以版本化例如base_text_to_video_v1.json每个重大改动后另存为新版本不要覆盖旧版本。这样在尝试新参数后效果不佳时可以快速回滚到稳定版本。6.2 提示词模板库维护影视剧项目通常不是一条提示词走到底而是要维护一个提示词库。建议分门别类建立文档角色外貌库。服装库。场景库。镜头运动库。光线氛围库。负面提示词库。实际项目里写提示词更常见的模式是“拼积木”而不是“从零开始”。一个分镜可能来自角色库中的“男主外貌” 场景库中的“雨夜街道” 镜头库中的“缓慢推进”。这样每次生成时提示词的质量下限会高很多。6.3 批量生成与筛选流程影视剧创作过程中批量生成很容易让硬盘瞬间堆满素材。建议每一轮批量生成控制在 20 到 50 条以内生成完毕后先看缩略图和预览视频挑选出不超过 10 条候选进入精筛。精筛阶段再做详细对比。不要边生成边筛选生成完一轮后再统一筛选效率更高。6.4 关注项目合规与素材安全使用 AI 生成影视素材时需要注意几个边界问题。第一要注意训练数据中的版权风险。生成内容如果用于商业发布你仍需要审查最终成片的素材确保不存在明显的版权风险。第二如果项目使用了真实人物的参考图在生成和发布前要确认是否获得了相关授权。不要拿未经授权的人物照片作为参考。第三如果生成内容涉及品牌商标、特定地标或受保护的形象建议咨询专业法务意见。AI 工具本身只是生产力工具工具使用者需要对内容负责。6.5 生产环境的稳定性建议如果你的团队准备把 ComfyUI 工作流接入生产环境而不是个人电脑上随手跑跑以下几点建议值得参考。硬件资源预留建议采用 GPU 服务器或独立工作站显存和电源都要有余量。任务队列管理避免多人同时提交大任务导致显存竞争。输出自动归档配合脚本自动把素材移动到按分镜组织的目录中。日志记录每次生成记录模型版本、参数、seed、提示词方便复现和排错。定期清理缓存视频生成会产生大量临时文件建议每天或每周清理一次。7. 总结与下一步实践方向这篇内容从 MiniMax H3 的定位讲起完整介绍了 ComfyUI 工作流的搭建思路包括环境准备、核心节点拆解、ref2va 参考模式、提示词规范、实战搭建步骤以及常见问题排查。整套流程的目标只有一个让 AI 视频生成从“随机抽卡”变成“可控生产”。真正开始实践时建议你不要一上来就追求复杂工作流而是先用最简单的文生视频工作流跑通第一段视频确认模型加载、采样参数、视频解码都没问题然后再加入角色参考、场景参考、批量生成这些进阶能力。MiniMax H3 的工作流搭建并不复杂复杂的是你想用它表达什么样的故事以及如何在生成和筛选之间找到稳定的节奏。如果你正在做短剧、动画或影视前期设计接下来可以把精力放在角色参考库建设和分镜提示词规范上这两块是拉开项目质量差距的关键。想深入了解 H3 的 ref2va 模式也可以结合具体角色图多测几组提示词积累自己项目的专属参数。