Hyperflow-Comfyui 显存优化教程:sparse attention 参数调优,低配显卡也能跑 8 步视频
Hyperflow-Comfyui 显存优化教程:sparse attention 参数调优,低配显卡也能跑 8 步视频
Hyperflow-Comfyui 是一个面向 ComfyUI 的 8 步视频+音频生成模型(HyperFlow),本文是一份低配显卡也能跑的显存优化教程:通过调整 sparse attention(稀疏注意力)参数,把 MiniMax-H3 的推理显存压力降下来,让 8 步出片在消费级显卡上稳定运行。
一、Hyperflow-Comfyui 是什么?
Hyperflow-Comfyui 提供的是 HyperFlow 官方 8 步 LoRA 的 ComfyUI 定制节点转换版(video + audio 联合生成,基于 MiniMax-H3)。它的核心卖点:
- ⚡ 8 步出片:flow-matching 蒸馏后的少步采样,生成速度远快于常规几十步的扩散模型
- 🎥 视频+音频同步生成:文生视频/图生视频的同时产出配套音频
- 📦 ComfyUI 开箱即用:配合 ComfyUI-Hyperflow 自定义节点使用,节点包自带 hyperflow.json 与 hyperflow_pruned.json 清单文件
⚠️ 注意:这里的权重不是可独立加载的普通 LoRA,必须搭配定制节点使用(内含 time-embedder / endpoint LoRA + 固定 8 步网格)。
二、模型文件怎么选?
仓库提供两个权重,都放入 ComfyUI/models/hyperflow/ 目录即可:
| 文件 | 大小 | 说明 |
|---|---|---|
| custom_node_hyperflow_8step_v1.0_comfyui.safetensors | 3.67 GiB | 完整版(full),官方发布的 8 步模型,双时间条件 |
| custom_node_hyperflow_8step_v1.0_comfyui_pruned.safet | 3.64 GiB | pruned/curve 精简版,仅 backbone、单时间条件 |
📂 ComfyUI/
└── 📂 models/
└── 📂 hyperflow/
└── custom_node_hyperflow_8step_v1.0_comfyui.safetensors
- 追求效果上限 → 选完整版
full(对应 hyperflow.json 清单) - 追求更省显存 / 更稳 → 选
pruned精简版(对应 hyperflow_pruned.json 清单)
💡 也可以不手动下载:启用节点的 download_if_missing 开关后,节点会自动拉取权重。
三、基础工作流:8 步视频生成的节点连线
按照 README.md 的推荐流程连线:
Load Diffusion Model (MiniMax-H3)
↓
ApplyHyperFlow ← 挂上 HyperFlow 8 步 LoRA
↓
SamplerCustomAdvanced + euler ← 采样器接节点的 SIGMAS 输出
要点:
- 用
euler采样器,采样网格必须接ApplyHyperFlow节点输出的 SIGMAS(固定 8 步网格) - 低配显卡建议:先选 pruned 权重 + 适当降低分辨率,确认能跑通后再逐步上调
四、显存优化核心:sparse attention 参数调优 🎯
显存吃紧时,最有效的旋钮是 ComfyUI 核心的 Model Sparse Attention 节点(sol-attn 后端)。官方给出的推荐参数如下:
| 参数 | 推荐值 | 作用 |
|---|---|---|
start_percent |
0.25 |
从生成进度 25% 后开始启用稀疏注意力,前期保持稠密保证构图稳定 |
dense_blocks |
"0,1" |
第 0、1 号 block 始终走稠密注意力,保护关键层精度 |
tau |
1.0 |
稀疏度阈值,越大跳过的注意力计算越多,显存与速度收益越高 |
低配显卡调优思路(从保守到激进)
- 🥉 第一步(安全档):
start_percent 0.25 / dense_blocks "0,1" / tau 1.0,即官方默认推荐值,画质损失很小 - 🥈 第二步(更省档):
tau提到1.2 ~ 1.5,进一步跳过多头注意力计算,显存占用下降更明显 - 🥇 第三步(极限档):
start_percent降到0.2、dense_blocks改为"0",仅在显存告急时使用,注意观察画面是否有细节劣化
调优口诀:先动
tau,再动start_percent,最后才减少dense_blocks。每改一项跑一次小分辨率测试,避免一次改太多难以定位问题。
配合 sparse attention,低配显卡(8~12 GB 级别)跑 8 步短视频通常可以稳定出片;参考仓库中的示例输出 hyperflow_1.mp4、hyperflow_2.mp4、hyperflow_3.mp4 即可了解该模型的成片质量水准。
五、常见问题排查
- ❓ 节点报错权重无法加载:确认下载的是本仓库的 ComfyUI 转换版,原始 diffusers 布局的
minimax_h3_hyperflow_8step_v1.0.safetensors会被节点拒绝 - ❓ OOM(显存溢出):依次尝试 → 换 pruned 权重 → 开 sparse attention → 降分辨率 / 降帧数
- ❓ 画面异常偏色或漂移:把
start_percent调回0.25,并把dense_blocks恢复为"0,1"
六、总结
✅ Hyperflow-Comfyui 用 8 步即可产出带音频的视频;✅ 权重二选一(full 保画质 / pruned 保稳定);✅ 显存优化靠 Model Sparse Attention 三个参数:start_percent 0.25、dense_blocks "0,1"、tau 1.0,再按需逐步加码即可。掌握这套 sparse attention 参数调优方法,低配显卡跑 8 步视频生成也不再是难题。