MiniMax H3 的默认 VAE 是为视频设计的,处理单张图像时往往需要凑够时间维度,流程比较繁琐。MiniMax H3 single-image VAE 是一个实验性的专用检查点,它能直接把单个时间步(T=1)的 H3 隐空间解码成一张完整的图片。

它的目的不是追求极致的画质,而是提供一条简单、直接的单图处理路径。你不需要额外的自定义节点或复杂的解码器头,直接用 ComfyUI 标准的 Load VAE 节点就能加载使用。
重要提醒:别用它跑视频
- 仅限单图:这个 VAE 是专门为单帧图像微调的。
- 视频会糊:如果你把它用在视频工作流里,代替原版 H3 VAE,会导致多帧重建质量大幅下降,出现块状网格重影和跨帧混合的问题。
- 各归其位:做视频请继续用原版 MiniMax H3 VAE,只在处理单张图片往返(Encode/Decode)时使用这个版本。
画质预期:够用,但不完美
由于是针对单帧优化的,它在保留细节上有一些妥协:
- 整体柔和:输出画面可能会显得稍微有点“肉”,不够锐利。
- 细节丢失:细小的文字、发丝、树叶边缘或复杂的微纹理可能会变得模糊或消失。
- 参考指标:在测试集上,PSNR 约为 30.4 dB,SSIM 约为 0.94。对于日常预览或不需要像素级精确的场景,它是完全可用的。
它是怎么来的?
开发者冻结了原版 H3 的编码器,只微调解码器和后量化卷积层。训练数据包括 5 万多张 Booru Essence 图片和伪相机照片,采用了渐进式的分辨率课程(从 256 到 384 像素)。最终选定的第 1597 步模型被合并回了标准的 H3 VAE 格式,所以兼容性很好。
如何在 ComfyUI 中使用
- 下载模型:将
minimax_h3_t1_image_vae_step1597.safetensors 放入 ComfyUI/models/vae/ 目录。 - 加载节点:使用 ComfyUI 自带的 Load VAE 节点加载它。
- 正常连接:配合标准的 VAE Encode 和 VAE Decode 节点使用。
- 格式要求:它期望接收的是 MiniMax H3 格式的 24 通道隐空间,且时间维度 T=1。