企业官网建设流程全解析

想体验 4 步出视频却不想折腾一堆 LoRA？minimax-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 LoRA：lightx2v 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 Linear（qkv_proj、out_proj、fc1、fc2）统一 INT8 + ConvRot（group 256、per-channel，ComfyUI 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：

1. 把模型文件 minimax_h3_fused_refdelta_r1024_turbo8_mystic07_int8_convrot.safetensors 放入ComfyUI/models/diffusion_models/；
2. 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；
3. 安装ComfyUI-MAINodes（de-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）→SamplerCustomAdvanced（res_multistep+simple，denoise 1）。这是验证"一个文件搞定"的最小入口。

02 de-rope 双遍 4+4：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。4+4 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DyRoPE（physical_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 fl2v

04_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

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）：

1. res_multistep在 4 步下音频优于euler（lightx2v 示例图里写的是 euler，但这里别照抄）；
2. 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 42）：4 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：

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 MP（960x544）→ 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-2.0（LICENSE-APACHE）。使用前请自行确认适用范围。

常见问题 FAQ

Q：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 4+4）。

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 04（i2v/fl2v）与 05（ref2v）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。