ComfyUI-MiniMax-H3-Turbo 工作流详解:t2v 文生视频与 i2v 图生视频全解析
ComfyUI-MiniMax-H3-Turbo 工作流详解:t2v 文生视频与 i2v 图生视频全解析
ComfyUI-MiniMax-H3-Turbo 是一个 ComfyUI 自定义节点插件,能将 MiniMax-H3 视频生成模型的采样步数从约 20 步压缩到 4 步,在 4–8 步内同时产出视频与原生同步音频。本文完整解析它的安装方法、t2v 文生视频与 i2v 图生视频两条工作流的接线方式,以及步数、强度、显存等关键参数的调法。
一、4 步出片:这个插件能做什么 ⚡
MiniMax-H3 是 MiniMax 的全模态生成模型,一次前向即可联合生成视频 + 原生立体声音频(人声、音效、音乐同步生成,而非后期叠加)。但它默认需要约 20 个采样步,等待时间较长。
ComfyUI-MiniMax-H3-Turbo 通过「Turbo LoRA + 专用 4 步采样器」把生成速度拉满:同样质量下,最少 4 步即可出片。插件只注册了两个节点:
| 节点 | 输入 → 输出 | 作用 |
|---|---|---|
| MiniMax-H3 Turbo LoRA | MODEL → MODEL | 把 Turbo LoRA 应用到扩散模型上 |
| MiniMax-H3 Turbo Sampler | → SAMPLER | 专用 4 步采样器,喂给 SamplerCustomAdvanced |
两个节点的实现都在节点源码 init.py 中,插件元信息见 pyproject.toml。
二、两种安装方式(3 分钟装完)📦
方式 1:通过 ComfyUI-Manager 一键安装(推荐)
打开 ComfyUI-Manager → 搜索 "MiniMax-H3 Turbo" → 安装,然后重启 ComfyUI。
方式 2:手动 clone 安装
cd ComfyUI/custom_nodes
git clone https://gitcode.com/gh_mirrors/co/ComfyUI-MiniMax-H3-Turbo
安装后重启 ComfyUI。建议保持插件更新(Manager 更新或 git pull),它会与模型权重同步演进。
三、模型文件准备清单:一次备齐
除插件外,还需要以下模型文件:
| 文件 | 存放位置 | 说明 |
|---|---|---|
| Turbo LoRA(推荐 v4) | ComfyUI/models/loras/ |
加速核心,.safetensors 文件 |
| MiniMax-H3 基础模型 | ComfyUI/models/diffusion_models/ |
全精度(bf16 / int8_convrot)与剪枝版均可 |
| 视频 VAE + 音频 VAE | ComfyUI/models/vae/ |
分别用于视频解码与音频解码 |
| 文本编码器 | ComfyUI/models/text_encoders/ |
文本理解 |
LoRA 检查点怎么选? 多数场景推荐 v4(step600 EMA 版):静态 / 小运动镜头明显更好,人脸、手指、纹理等微细节更清晰,早期 v1(850)的"过度锐化 / 塑料感"已完全解决。仅当"4 步 + 大幅快速运动"这一窄场景,v1(850)可能更友好。完整选择决策树见 README.md。
四、工作流接线:只需插入 2 个节点 🔌
无需重画节点图——从官方 MiniMax-H3 工作流(t2v 或 i2v)出发,只做两处修改:
- 插入 Turbo LoRA 节点:接在模型加载器与采样器之间(
加载扩散模型 → MiniMax-H3 Turbo LoRA → SamplerCustomAdvanced),并在下拉框选中 turbo 的.safetensors; - 替换采样器:用 MiniMax-H3 Turbo Sampler 的输出喂给
SamplerCustomAdvanced的 sampler 输入,并把调度器节点(BasicScheduler)设为simple、步数 ≥ 4。
其余部分——条件输入、VAE 解码、音频输出——与官方图完全一致,因此 t2v 和 i2v 两种模式都能无缝使用。
项目自带一份开箱即用的 t2v 工作流 example_workflows/minimax_h3_t2v_turbo.json,拖进 ComfyUI 即可看到完整接线。
五、t2v 文生视频工作流全解析 🎬
示例 t2v 工作流的数据管线可以分为 5 段:
1. 模型加载
UNETLoader:加载 MiniMax-H3 基础模型(如 int8_convrot 量化版)CLIPLoader:加载文本编码器
2. 提示词写法:把"画面 + 时间轴 + 音频"写在一个 prompt 块里 与普通图生不同,t2v 提示词需要同时描述三类信息:
- 画面内容:镜头构图、运镜方式、主体细节
- 时间轴:每一秒发生什么(示例 prompt 就是一份 5 秒逐秒分镜脚本)
- 音频描述:配乐风格、音效、人声出现的时机
工作流内置的示例 prompt 是一段 Vaporwave 风开场标题序列,是"画面 + 时间轴 + 音频"三位一体写法的范例,可直接参考。
3. 分辨率与时长
- 宽、高需为 32 的倍数,短边通常为 768,上限约 768×1344
- 帧数按 24fps 的 17k+5 网格取整:124 帧 ≈ 5 秒;已验证区间约 124–362 帧
- 工作流内置
ResolutionSelector,直接给出 16:9 常用分辨率对照表(736×416 到 1920×1088 共 14 档),改一个数值即可
4. 加速节点(本插件核心)
MiniMaxH3TurboLoRA:选择 turbo LoRA,默认强度 1.0MiniMaxH3TurboSampler:提供 4 步采样器BasicScheduler:simple+ 6 步(示例采用 6 步,比 4 步观感更好,耗时增幅很小)
5. 解码与输出
VAEDecode解码视频 latent → 图像序列VAEDecodeAudio解码音频 latent → 同步音频CreateVideo合流,SaveVideo输出最终视频文件
六、i2v 图生视频工作流说明 🖼️
i2v(图生视频)的接法与 t2v 完全同构:
- 使用
MiniMaxH3ImageToVideo节点,由首帧图片 + 文本提示生成"视频+音频"latent(示例工作流中也包含该节点,支持 1344×768 等分辨率); - 在相同位置插入 Turbo LoRA 节点与 Turbo Sampler 节点;
- 文本编码器、双 VAE、音频解码、视频保存等其余节点与 t2v 共享。
也就是说,Turbo 插件与基础工作流是正交的:无论 latent 来自空 latent(t2v)还是首帧图(i2v),两个加速节点都能直接套用,i2v 同样享受 4–8 步加速。
七、关键参数怎么调:步数、强度、调度器 🎯
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 步数 steps | 4–8 | 4 步是最小推荐值,6–8 步观感明显更好;超过 8 步无益,反而可能出现过度锐化伪影 |
| 强度 strength | 1.0 | 专为 1.0 调校,在 4–8 步区间内稳定 |
| 调度器 scheduler | simple | 保持即可 |
微调口诀:
- 画面出现模糊拖影 / 重影 → strength 略微调高(约 1.05–1.2)
- 画面过锐、颗粒感强 → strength 略微调低(约 0.8–0.95)
- 4 步 + 大幅快速运动时 v4 可能出现运动拖尾,加到 6–8 步基本消除
八、显存不够?用 low_vram 开关省显存 🧠
LoRA 节点上的 low_vram 开关用于在锐度与峰值显存之间做取舍:
| 状态 | 原理 | 效果 |
|---|---|---|
| off(默认) | 运行时动态应用 LoRA(bypass) | 最锐利,推荐;峰值显存略高 |
| on | 把 LoRA 合并进权重 | 峰值显存最低,小显存显卡可跑、更高分辨率 / 更长视频可容纳,但在量化底模(int8/fp8)上结果会偏软 |
节点会对基础模型做流式加载,实际显存需求远低于 33B 参数量给人的印象——只有 bypass 模式下最大分辨率才需要 80GB 显卡。遇到 OOM 时,优先打开 low_vram,或降低分辨率 / 帧数。
另一个容易忽略的设计:Turbo LoRA 会自动识别基础模型是否为剪枝 / curve 版本,并在运行时重新注入 LoRA 的时间条件(节点自带一份小 silu(t_emb) 网格用于此目的),因此一份 LoRA 文件覆盖所有底模——full(bf16 / int8_convrot)与剪枝版(pruned_int8 / pruned_fp8)都能直接用。
九、为什么必须用专用采样器?🔊
MiniMax-H3 的视频流和音频流在两条不同的 flow schedule 上去噪(视频 shift 12、音频 shift 3):
- 在新版 ComfyUI 上,
ModelSamplingAV已原生处理双调度,Turbo Sampler 会自动检测并以普通单调度方式步进(结果与官方采样器逐位一致); - 在旧版 ComfyUI 上,普通采样器会让音频在 4 步时被"过度步进"而失真,Turbo Sampler 则切换为双时钟模式,让两条流各自按独立节奏步进,保证 4 步下音频依然干净。
把这个节点保留在工作流里即可自动适配任意 ComfyUI 版本——升级后无需做任何改动。
十、常见问题 FAQ ❓
Q:插件需要多频繁地更新?
建议通过 Manager 或 git pull 定期更新。插件与权重同步演进,早期阶段迭代较快。
Q:分辨率怎么选? 短边通常 768,宽高为 32 的倍数,上限约 768×1344。示例工作流内置 0.2–2.0 百万像素(16:9)分辨率对照表,按需选取即可。
Q:视频能做多长? 帧数需落在 24fps 的 17k+5 网格上,已验证区间约 124–362 帧(约 5–15 秒)。
Q:音频和视频是分开生成的吗?
不是。MiniMax-H3 在单次前向中联合建模视频与音频,Turbo 工作流通过 VAEDecode + VAEDecodeAudio 分别解码后由 CreateVideo 合成,天然同步。
Q:许可证是什么? Apache-2.0,见 LICENSE。
📌 小结:ComfyUI-MiniMax-H3-Turbo 的用法极简——装插件、放 LoRA、插入 2 个节点、步数设 4–8,即可在 t2v / i2v 官方工作流上获得 4 步出片 + 同步音频。更多参数细节与检查点选择决策树,请直接查阅 README.md。