MiniMax-H3 Fused Turbo
генерация видео со звуком за 4 шага
3 мин чтения
Единый 21-гигабайтный файл для ComfyUI от автора MATLOWAI, который объединяет видеомодель MiniMax-H3 сразу с двумя вшитыми LoRA (небольшими надстройками над базовой моделью): ускоряющей lightx2v Turbo и сглаживающей движения Mystic v2.0. В основе лежит объединённый трансформер fl2va с влитой разницей весов ref2va, благодаря чему один и тот же файл без подмены моделей генерирует видео по тексту, по первому/последнему кадру и по референсным изображениям сразу со звуковой дорожкой. Вшивание адаптеров до квантования в формат INT8 (ConvRot) избавляет ComfyUI от хранения резервных копий патченных слоёв и экономит около 21 ГБ видеопамяти по сравнению со сборкой из отдельных файлов. Подойдёт тем, кто хочет быстро генерить 10-секундные ролики в 1152x640 даже на видеокартах с 16 ГБ VRAM.
Ключевые особенности
- Генерация за 4 шага: несмотря на вшитую 8-шаговую Turbo LoRA, модель оптимально работает в режиме 4 шагов (или 4+4 в двухпроходном пайплайне de-rope).
- Экономия ~21 ГБ VRAM: предварительное слияние LoRA перед квантованием INT8 убирает необходимость держать в памяти дубликаты 200 изменённых слоёв при запуске в ComfyUI.
- Качественный звук со SLA: при использовании разреженного внимания H3 SLA и сэмплера
res_multistepсохраняются высокие частоты аудиодорожки, а рендер ускоряется примерно на 40%. - Готовые графы под разное железо: в репозитории лежат 5 готовых воркфлоу для ComfyUI, включая варианты для видеокарт AMD (ROCm) и режим Low VRAM с чанкингом FFN для карт на 16 ГБ.
Что можно сделать
- Генерировать 10-секундные видеоролики со звуком в разрешении 1152x640 по текстовому описанию за один проход (воркфлоу
01_reference_4step_sla). - Анимировать статичные изображения и делать плавные переходы между первым и последним кадрами через граф
04_i2v_fl2v_4step_sla. - Сохранять внешность персонажа или объекта в динамике по референсу с помощью узла
MiniMaxH3ReferenceToVideo(воркфлоу05_ref2va_4step_sla). - Сглаживать резкие скачки движения в анимации через двухпроходный пайплайн
02_derope_4plus4_slaили усиливать динамику внешним адаптеромwarm375.
Пример
Для запуска поместите основной файл в папку ComfyUI/models/diffusion_models/, загрузите его через стандартный узел UNETLoader (weight_dtype: default) и перетащите в интерфейс готовый граф из папки workflows/. Рекомендуемые настройки сэмплера для 10-секундного ролика (243 кадра, 1152x640): сэмплер res_multistep, планировщик simple, 4 шага, BasicGuider (без CFG) и сдвиг MiniMaxH3SigmaShift (video 12 / audio 3) в связке с узлом разреженного внимания H3 SLA (sparsity 0.90, block 64).
Подробнее
Скорость (RTX PRO 6000, 1152x640, 243 кадра, SLA): 4 шага — 76 с, 6 шагов — 80 с, 8 шагов — 103 с, 25 шагов — 292 с.Требования к железу: в режиме Low VRAM на карте 16 ГБ (с выгрузкой в 32 ГБ ОЗУ) генерация в 4 шага занимает 59 с при пике 10.9 GiB VRAM (стандартный граф — 11.0 GiB и 65 с).
Дополнительные файлы: потребуются энкодер
qwen3vl_32b_minimax_h3_nvfp4_awq, видео-VAE minimax_h3_video_vae_int8_convrot, аудио-VAE minimax_h3_audio_vae_fp32 и пакеты нод ComfyUI-MAINodes и SLA.Ограничения: вшитые LoRA нельзя отключить или изменить их вес; адаптер
warm375 при сильном движении может сдвигать 2D-анимацию в сторону фотореализма и дублировать объекты.Лицензия: MiniMax H3 Community License Agreement (с территориальными ограничениями); вшитая Turbo LoRA распространяется под Apache-2.0.














Комментарии