一个文件搞定图生视频与参考生视频：MiniMax-H3 Fused Turbo融合分区的妙处-北京尧图网络

【免费下载链接】minimax-h3-fused-turbo-int8-convrot项目地址https://ai.gitcode.com/hf_mirrors/MATLOWAI/minimax-h3-fused-turbo-int8-convrot点击查看免费下载想体验 4 步出视频却不想折腾一堆 LoRAminimax-h3-fused-turbo-int8-convrot 项目把MiniMax-H3 图生视频与参考生视频能力压缩进了一个 21 GB 的 ComfyUI 模型文件剪枝的fl2va主干、rank-1024 的ref2va权重差值、lightx2v 8 步 Turbo 蒸馏 LoRA权重 1.0、Mystic v2.0 运动平滑 LoRA权重 0.7全部离线融合再做一次 INT8 ConvRot 量化。一个文件、一套图图生视频i2v/首尾帧与参考生视频ref2v通吃96 GB 显卡上 10 秒 1152x640 视频约76 秒出片。为什么是一个文件融合分区的设计巧思这个仓库最大的卖点不是模型本身而是单分区双模态的结构设计基座对 MiniMax-H3 做了剪枝的fl2va首尾帧图生视频transformer并把ref2va参考生视频与fl2va的权重差值做 rank-1024 SVD 融合进去。于是同一个模型分区既能处理首/尾帧条件也能处理参考图条件——切换任务不需要换 transformer。合入的 LoRAlightx2v FL2VA Turbo 8 步蒸馏1.0 Mystic v2.0 运动平滑0.7直接烘进权重。量化50 个 block 中四个重型 Linearqkv_proj、out_proj、fc1、fc2统一 INT8 ConvRotgroup 256、per-channelComfyUI 原生comfy_quant格式其余保持 BF16/F32。无需自定义加载节点UNETLoader 默认 weight_dtype 即可。融合合并 vs 实时挂 LoRA差在哪同样的效果也可以在 ComfyUI 里实时堆两个 LoRA 加载器作者实测 8 步同 seed 下画质、耗时一致但实时方案会多占约 21 GB 显存——ComfyUI 会给每个被 LoRA 修补的权重保留一份原始备份200 个核心层全被修补备份量等于整个模型。而融合是离线一次性加法写出来就是普通权重没有备份、没有逐层修补、量化也只发生一次。代价是不能随时调低 LoRA 强度需要灵活调节时走实时 LoRA 路线即可。一句话总结妙处用 21 GB 的显存节省和零加载器的简洁换来 4 步即达的视频质量。快速上手文件结构与安装仓库结构非常清爽minimax-h3-fused-turbo-int8-convrot/ ├── diffusion_models/ # 主角21 GB 融合模型INT8 ConvRot ├── previews/ # 6 个效果预览视频4/6/8/25 步对比 ├── workflows/ # 5 套 ComfyUI 工作流 ROCm / 低显存变体 └── LICENSE / LICENSE-APACHE / NOTICE / README.md三步部署把模型文件 minimax_h3_fused_refdelta_r1024_turbo8_mystic07_int8_convrot.safetensors 放入ComfyUI/models/diffusion_models/按 README.md 的说明准备好配套文件视频/音频 VAE、Qwen3-VL 32B 文本编码器放入各 models 根目录安装ComfyUI-MAINodesde-rope、DyRoPE 与音频节点和SLA 稀疏注意力节点包把 workflows/ 里的.json拖进 ComfyUI 即可运行。⚠️ AMD/ROCm 用户请配合 patientx 的 ComfyUI ROCm 分支并改用 workflows/rocm/ 下的工作流SLA 节点换成了H3SLAAttentionROCM的 ROCm 版本。五套开箱即用的工作流全解析每套工作流都提供 ComfyUI 图.json拖进 UI 直接画布编辑和 API 格式.api.json两种。图顶部的一个PROMPT框统一喂给所有阶段pass 1 与 pass 2 共用同一段文本替换占位符即可开跑。01 参考生成单趟 4 步出片01_reference_4step_sla.json —— 上文配方的标准跑法单趟 4 步。核心节点链UNETLoader→H3SLAAttention稀疏 0.90、block 64→MiniMaxH3SigmaShift视频 12 / 音频 3→BasicGuider无 CFG→SamplerCustomAdvancedres_multistepsimpledenoise 1。这是验证一个文件搞定的最小入口。02 de-rope 双遍 44质量与速度的平衡点02_derope_4plus4_sla.json —— ComfyUI-MAINodes 的 Motion Lab de-rope 流程pass 1 当参考跑 → 抖动预言机jerk oracle标记问题帧 → 时间涂抹time smear→ 用 pass 1 的音频播种 V2V → pass 2 只花步数在被标记的帧上 → 精确恢复exact recover。两遍合计约 374 秒与单趟 25 步292 秒更差的保持区表现成本相当但保持区域更干净。44 就是跑 4 步的理由总步数只翻倍质量却接近 25 步。03 de-rope DyRoPE warm375 运动适配器03_derope_dyrope_pb3049_warm375.json 同级的 03_derope_dyrope_pb3049_warm375.json —— 在 02 基础上对 block 30-49 开启DyRoPEphysical_blocks时间保真预设pass 2 叠加step375 运动适配器temporal_expansion_step375_r16即 warm375权重 1.0。作者提醒这类运动适配器对 2D 动画风内容会有轻微向写实偏移且 warm375 在保持区可能复制出镜像主体——稳妥默认选 02。04 图生视频 i2v / 首尾帧 fl2v04_i2v_fl2v_4step_sla.json ——LoadImage接first_frame想要首尾帧插值再挂一个LoadImage到last_frame即可。实测 1152x640、107 帧约 25 秒。这正是融合分区的第一个受益场景同一文件不用换模型。05 参考生视频 ref2v身份保持的参考驱动生成05_ref2va_4step_sla.json —— 通过MiniMaxH3ReferenceToVideo节点接入参考图节点会随你连线自动扩展更多图/视频/音频槽位PROMPT 框内置参考契约模板Subject 1来自Picture 1。实测吉祥物参考图、107 帧、34 秒角色身份保持良好。这正是基座选择融合单分区的意义ref2v 与 i2v 共用同一个 transformer 文件切换任务零成本。参数速查与调优要点参数推荐值采样器 / 调度器res_multistep/simpledenoise 1BasicGuider无 CFG步数4注意Turbo 虽叫 8 步实际是 4-or-8 NFE按 4 步跑shift视频 12 / 音频 3MiniMaxH3SigmaShift也是核心默认值画布16:9、0.7 MP1152x640时长10 s → 243 帧注意力H3 SLA 块稀疏sparsity 0.90block 64两个看似不起眼但影响很大的设置作者同 seed 单变量验证过res_multistep在 4 步下音频优于eulerlightx2v 示例图里写的是 euler但这里别照抄SLA 稀疏注意力对音质可闻稠密注意力会让声轨发闷发平SLA 恢复高频细节且快约 40%。没有稀疏包也能用稠密跑只是声音会更软。步数阶梯96 GB 卡、SLA、同 prompt 同 seed 424 步 76 s → 6 步 80 s → 8 步 103 s → 25 步 292 s。步数越多画质略锐利但对声音几乎无影响——想要更精细优先上 02 的 de-rope 双遍而非堆步数。显存不够16 GB 也能跑workflows/lowvram/ 提供同样五套图一个 KJNodesMiniMaxChunkFeedForward节点chunks 4、seq 阈值 4096把 H3 的前馈层按打包序列切块避免 ~40k token 的 FFN 中间张量与 INT8 SwiGLU 暂存同时驻留显存。切块是精确的同 seed 输出与标准图 bit 级一致。作者在诚实的 16 GB环境96 GB 卡上人为占掉 79 GiB、32 GB 内存、无--gpu-only实测图峰值显存耗时标准参考图4 步 SLA11.0 GiB65 s低显存版 FFN 切块10.9 GiB59 s也就是说当前 ComfyUI 下标准图本身就能塞进 16 GB。若仍在SamplerCustomAdvanced处 OOM说明卡上有别的占用依次尝试低显存组图 → 0.5 MP960x544→ 减少帧数 → de-rope 的H3TimeSmear膨胀 4 改 2。效果预览与许可说明previews/目录收录了 6 段同 prompt、同 seed 42 的对比视频01_reference_4step_sla.mp4、02_derope_4plus4_sla.mp4、03_derope_dyrope_pb3049_warm375.mp4以及 6/8/25 步阶梯的 04、05、06——建议 01 与 06 对比着看感受 4 步方案的质量底线。许可主模型遵循 MiniMax H3 社区许可协议LICENSE NOTICE 随附注意地域范围条款融合进去的 Turbo LoRA 部分为 Apache-2.0LICENSE-APACHE。使用前请自行确认适用范围。常见问题 FAQQ为什么文件名里有 8 却按 4 步跑合入的是 lightx2v 的 8 步 Turbo LoRA但它是 4-or-8 NFE 蒸馏模型作者明确建议按 4 步运行de-rope 场景是 44。Q必须用 SLA 稀疏注意力吗不是硬性要求但音质和速度都会受益约快 40%。没有稀疏节点包时可用稠密注意力替代声音会更柔和。Q想要 AMD 显卡支持怎么办用 patientx 的 ComfyUI ROCm 分支 workflows/rocm/ 工作流低显存 AMD 版本在 workflows/lowvram/rocm/。Q能单独调低 Mystic 或 Turbo 的强度吗融合文件不行合并即固化。需要灵活调权时改用实时 LoRA路线公开基础 INT8 文件两个LoraLoaderModelOnly作者实测同 8 步同 seed 下画面与声音一致代价是约 21 GB 额外显存。Q一个文件真的能同时做 i2v 和 ref2v 吗可以。基座把ref2va与fl2va的权重差以 rank-1024 SVD 融合进同一分区工作流 04i2v/fl2v与 05ref2v加载的是同一个模型文件。写在最后minimax-h3-fused-turbo-int8-convrot展示了模型工程的一门手艺与其让 ComfyUI 在运行时层层打补丁不如把剪枝、差值融合、蒸馏合并、量化四步离线做完交付一个21 GB、零自定义加载器、4 步出片的单文件方案。对新手而言你只需三个动作——放模型、装节点、拖工作流——就能在 ComfyUI 里体验带同步音轨的 4 步图生视频与参考生视频。赞分享【免费下载链接】minimax-h3-fused-turbo-int8-convrot项目地址https://ai.gitcode.com/hf_mirrors/MATLOWAI/minimax-h3-fused-turbo-int8-convrot点击查看免费下载相关推荐MiniMax-H3-Pruned-GGUF创意实战文生视频、图生视频与视频重写的7个灵感玩法MiniMax H3 Pruned GGUF创意实战文生视频、图生视频与视频重写的7个灵感玩法 MiniMax H3 Pruned GGUF 是 MiniMaok-ww 完整上手指南鸣潮后台自动战斗与一键日常 10 分钟跑通ok ww 完整上手指南鸣潮后台自动战斗与一键日常 10 分钟跑通晚上 9 点离睡觉只剩 40 分钟鸣潮的日常还没清。ok ww 是一个基于图像识别的鸣RPA计算机视觉DsHidMiniInteropUnavailableException 详解DsHidMini IPC 不可用时的异常处理与排查指南DsHidMiniInteropUnavailableException 详解DsHidMini IPC 不可用时的异常处理与排查指南导读 DsHidMin上一篇QQ截图独立版深度解析专业级OCR与录屏工具的实现与应用下一篇Devtron 安装入门指南前置条件、安装模式选择与快速上手指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

一个文件搞定图生视频与参考生视频：MiniMax-H3 Fused Turbo融合分区的妙处

相关推荐

springboot高校教务管理系统10731-计算机课程设计/毕业设计

Go interface底层原理与实战：动态分派、类型断言与抽象解耦

Escrcpy 安卓镜像完整教程：10 分钟投屏上手，鼠标键盘接管手机

更多资讯

大数据面试真题拆解：从原理到排障的工程化应答

情感识别与理解的断层：多模态融合与模糊推理工程实践

情感人机交互系统：多模态融合与可解释意图推断实战

Flink CDC 3.0实战：MySQL到Doris实时同步全流程拆解

Flink CDC 3.0实战：MySQL到Doris实时同步全攻略

ai去ai味技巧红黑榜：6种降AI率方法同文实测，论文AIGC检测只有1种从100%降到0%

今日更新

悟空开源无代码平台实战：从实体建模到应用设计避坑指南

基于.NET9的多租户权限系统：数据权限与动态API落地实践

场地预约小程序毕设实战：SSM+微信小程序+MySQL数据库设计到避坑

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？