MiniMax H3 Image Studio ：将MiniMax H3应用于图像生成与参考编辑

MiniMax H3 Image Studio 是一个专为 ComfyUI 设计的社区开源项目，将 MiniMax H3 这一原生音视频模型适配为高效的文本生成图像 (T2I)、图像生成图像 (I2I) 及 REF2VA 参考编辑工具。该版本通过提供真实的 UI 工作流、优化的采样配方以及详细的文档卡片，解决了此前用户面临的“空白画布”和配置模糊问题。

• GitHub：https://github.com/astropuzzo/ComfyUI-MiniMax-H3-Image-Studio

核心更新

• 真实 UI 工作流：不再仅依赖 API JSON，而是提供可直接拖入 ComfyUI 的 PNG 工作流文件（嵌入元数据），确保开箱即用。
• LightX v0.1 采样配方：弃用模糊的通用 Turbo 选项，引入针对适配器优化的 ER-SDE 和 SA-Solver 配方，支持 4 步快速生成。
• 智能帧解码：Exact Frame Decode 节点默认推荐第 0 帧作为静态输出，同时保留完整的时间包上下文，避免盲目跳过关键帧。
• AV 兼容性垫片：为旧版 ComfyUI 核心提供 ModelSamplingDiscreteFlow 兼容层，确保音频-视频潜空间契约在纯图像生成中依然稳定。
• 文档化体验：每个工作流均附带可编辑的 Workflow Note 卡片，涵盖快速开始、模型选择、设置原理及实验路径。

安装与依赖

• 系统要求：ComfyUI 0.30.0 或更新版本（推荐最新稳定版以支持 H3 及新采样器）。
• 安装方式：
  • ComfyUI Manager：搜索 MiniMax H3 Image Studio 或运行 comfy node install minimax-h3-image-studio。
  • Git：克隆至 ComfyUI/custom_nodes 目录并重启。
• 模型准备：需自行下载 FL2VA/REF2VA 扩散模型、Qwen 文本编码器、H3 视频 VAE 及可选的 LightX LoRA。

工作流概览

关键配置建议

1. 帧配置与静态选择：
   • H3 即使生成单张图像也需要处理时间包。推荐使用 5 帧（默认）或 9 帧（扩展质量）。
   • Single Image Output 节点默认使用 recommended_index（通常为第 0 帧），也可根据清晰度或源相似性指标手动选择最佳帧。
2. 采样配方：
   • 基础质量：res_multistep + simple 调度器，20 步。
   • 高速生成：加载 LightX v0.1 LoRA，使用 er_sde 或 sa_solver 采样器，仅需 4 步。
3. 参考编辑 (REF2VA)：
   • 提示词应明确区分角色，例如：“保留 <图1> 的人物与背景，仅使用 <图2> 替换服装”。
   • source_fidelity 参数有助于加强保留语言，但不能替代清晰的提示词逻辑。
4. 分辨率与内存：
   • 分辨率按 32 像素网格对齐。直接生成 8MP 图像会显著增加显存与时间成本。
   • 建议在 2MP 左右进行生成，必要时再通过后期放大。

注意事项

• 实验性性质：H3 的图像能力是从视频模型改编而来，上游实现仍在快速迭代。更新 ComfyUI 或相关节点前请备份工作流。
• GPU 验证：v15 发布时维护者无法进行完整 CUDA 生成测试，欢迎用户在 GitHub Issue #13 中反馈成功或失败案例。
• Larry Turbo 区别：Larryvrh 的 Turbo 实现与 LightX 不兼容，需使用其专用的加载器和采样器。