MiniMax-H3 Fused Turbo (INT8 ConvRot)

354 00

MiniMax-H3 Fused Turbo 是一个经过深度优化的 21 GB ComfyUI 扩散模型文件,专为 MiniMax H3 视频生成设计。它通过融合蒸馏的 Turbo LoRA 和运动平滑风格 LoRA,并采用 INT8 ConvRot 量化技术,实现了在 4 步内完成高质量的文本/图像到视频(T2V/I2V)及参考到视频...

作者
MATLOWAI
基础模型
MiniMax H3
MiniMax-H3 Fused Turbo (INT8 ConvRot)

MiniMax-H3 Fused Turbo 是一个经过深度优化的 21 GB ComfyUI 扩散模型文件,专为 MiniMax H3 视频生成设计。它通过融合蒸馏的 Turbo LoRA 和运动平滑风格 LoRA,并采用 INT8 ConvRot 量化技术,实现了在 4 步内完成高质量的文本/图像到视频(T2V/I2V)及参考到视频(Ref2V)生成。该方案不仅大幅降低了推理步数,还显著减少了显存占用,是目前追求极致速度与效率用户的理想选择。

核心亮点

  • 4 步极速生成:
    • 基于 lightx2v FL2VA Turbo 8 步 LoRA 融合,实际仅需 4 步即可产出高质量视频。
    • 配合 de-rope(去位置编码干扰)技术,可在两次 4 步传递中实现更干净的运动修复,总成本远低于传统 25 步生成。
  • 高效融合与量化:
    • 单文件融合:将基础模型、Turbo LoRA 和 Mystic v2.0 运动平滑 LoRA 离线融合为一个 .safetensors 文件,避免了 ComfyUI 实时加载 LoRA 时产生的巨大显存备份开销(峰值显存从 ~69 GB 降至 ~48 GB)。
    • INT8 ConvRot 量化:对模型中 50 个块的重型线性层进行 INT8 量化(组大小 256,逐通道),其余保持 BF16/F32。无需自定义加载器,直接使用原生 UNETLoader 即可。
  • 全功能支持:
    • 支持 Ref2VA(参考到视频)和 FL2VA(首/末帧到视频),单个分区即可处理多种条件输入。
    • 兼容 SLA (Sparse Latent Attention) 稀疏注意力,进一步提升速度约 40% 并改善音频高频细节。

性能对比 (RTX PRO 6000, 96GB VRAM)

管道配置步数耗时 (10s, 1152×640)备注
Fused Turbo (本模型)476 秒推荐默认设置
Fused Turbo + de-rope4 + 4~374 秒 (冷启动)第2次传递仅处理突变帧,画质更稳
标准单次传递680 秒略慢于 4 步融合版
标准单次传递25292 秒传统高质量模式

注:在 16GB 显存显卡上,通过 KJNodes 的 MiniMaxChunkFeedForward 分块技术,峰值显存可控制在 11 GB 左右,使得该模型在消费级显卡上也可流畅运行。

安装与使用指南

1. 模型下载与放置

  • 文件名:diffusion_models/minimax_h3_fused_refdelta_r1024_turbo8_mystic07_int8_convrot.safetensors
  • 路径:放入 ComfyUI/models/diffusion_models/ 目录。
  • 依赖组件:
    • VAE: minimax_h3_video_vae_int8_convrot.safetensors & minimax_h3_audio_vae_fp32.safetensors (放入 models/vae/)
    • Text Encoder: qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors (放入 models/text_encoders/)
    • 节点包: 需安装 ComfyUI-MAINodes (用于 de-rope/DyRoPE) 和 ComfyUI-PlagueKind-Nodes-only-sparse (用于 SLA)。

2. 推荐工作流参数

  • 采样器/调度器: res_multistep / simple (音频表现优于 Euler)
  • 步数: 4
  • Guidance: BasicGuider (无 CFG)
  • 偏移 (Sigma Shift): Video 12 / Audio 3
  • 分辨率: 1152×640 (16:9, ~0.7 MP)
  • 注意力: H3 SLA Block Sparse (稀疏度 0.90, 块大小 64)

3. 进阶技巧:De-rope 与运动适配器

  • De-rope (4+4):适用于需要极高运动稳定性的场景。第一次传递生成参考,第二次传递仅针对“突变预言机”标记的帧进行修复。
  • 运动适配器 (Motion Adapter):在 de-rope 的第二遍中可选加载 warm375 或 warm100 适配器以增强运动幅度,但需注意 warm375 可能会引入轻微的风格偏差(如镜像伪影)。

为什么选择融合版而非实时 LoRA?

虽然实时堆叠 LoRA 也能达到相同效果,但 ComfyUI 在处理 INT8 模型的 LoRA 补丁时,会为每个被修改的权重保留一份原始副本作为备份。对于 21 GB 的 INT8 模型,这会导致额外的 ~21 GB 显存开销。融合版通过离线一次性完成加法并量化,彻底消除了这一备份需求,使得在有限显存下运行更大分辨率或更长视频成为可能。

相关图书

H3-Latent-Upscaler-2x

H3-Latent-Upscaler-2x

在处理 MiniMax H3 视频时,传统的放大流程是“VAE 解码 → 像素缩放 → VAE 重编码”,这不仅耗时,还会引入额外的画质损失。H3-Latent-Upscaler-2x 提供了一种纯隐空间的解决方案,它能直接将干净的视频隐空间映射到 2 倍大的空间网格上,全程不触碰像素域。
H3 Ripple

H3 Ripple

H3 Ripple 是面向 MiniMax H3 FL2VA 的专用LoRA,核心能力是涟漪式视频编辑:只修改一到两个锚定关键帧,再由这个LoRA把画面改动平滑扩散、贯穿整条视频片段,不用逐帧处理。
Viggle-Animate

Viggle-Animate

Viggle‑Animate 主打一套特殊的视频角色替换方案:只需要把源视频里某一帧画面,在图像编辑器中修改重绘目标角色,就可以把这个新角色完整扩散到整条视频片段。源视频原本的运动轨迹、相机运镜、时间线全部保留不变。