MiniMax-H3-Image-VAE

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

1. 下载模型：将 minimax_h3_t1_image_vae_step1597.safetensors 放入 ComfyUI/models/vae/ 目录。
2. 加载节点：使用 ComfyUI 自带的 Load VAE 节点加载它。
3. 正常连接：配合标准的 VAE Encode 和 VAE Decode 节点使用。
4. 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。