（含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！
-
https://live.csdn.net/v/538773
https://live.csdn.net/v/538774
我的配置，你对号入座
先看看咱俩是不是一个赛道的。我的机器是RTX 4070 Laptop（8G显存），内存32GB，系统是Windows。按理说这配置在炼丹圈属于“低保户”，但事实证明完全够用。只要你显卡是8G显存（比如4060、4070笔记本或桌面卡），内存有32G，这篇教程就可以直接抄。先看疗效，再说怎么吃
我知道你们最关心速度，直接上干货（都是我机器上实跑的数据）：裸跑（啥优化没有）：生成一段832x480的5秒视频，每步耗时18秒，总共干了6分钟。这时候确实慢得想砸电脑，别急，这是8G显存被20多G的模型逼着“换层”的正常现象。
优化拉满（抄我作业后）：同样的分辨率，直接干到2分30秒整段出片。你没看错，从6分钟压到2分半。
如果贪心点想跑1080P（1024x576）：时间会涨到大概9分钟，画质确实好，但建议偶尔玩玩，平时还是用480p图个快。
提速三板斧（这才是核心）
网上优化教程一大堆，大部分都是瞎扯。我实测下来，真正有用的就这三板斧，按收益排序，第一招不搞，后面全白搭。第一招（最大杀器）：换torch cu130 + comfy-kitchen
这个你们可能看不懂，直接抄命令就行。原理就是让显卡走硬件反量化，不然就是软件在那瞎算，一步17秒死活下不来。这一条不做，后面的TeaCache和SageAttention都是摆设。第二招（白捡三倍速）：挂上MiniMaxH3 TeaCache
这玩意儿纯Python写的，不修改核心文件，安全又稳。你就把它当成一个插件，一头插在模型加载器上，另一头插在采样器前面就行。作者实测从306秒干到102秒，咱们8G卡收益更大。第三招（锦上添花）：SageAttention 1.0.6
注意！这里有个血泪教训：千万锁死1.0.6版本，千万别手贱升级到2.2.0，否则直接CUDA崩溃给你看。Windows用户还需要装个triton-windows，不然跑不起来。整个加速链路的连接顺序我给你们摆出来了，照着连：
UNETLoader → PatchSageAttentionKJ(auto) → MiniMaxH3 TeaCache → SigmaShift(12/3) → KSampler → DecodeAndSaveVideo
模型怎么选？直接说我的组合
模型选不对，8G显存直接爆。我试了一堆组合，这套是速度和画质的黄金平衡点：主模型：一定要下那个带pruned_int8_convrot后缀的，大小大概19.5GB。别下66G的BF16原版，那不是咱这配置该想的事。
文本编码器：选nvfp4_awq这个版本，14.6GB，专门给40系显卡优化的。
VAE：视频用fp16，音频用fp32，别问为什么，抄就完了。
这套组合拳打下来，模型精度肉眼几乎看不出来损失，但显存从60G+被干到了21G，8G卡就能塞进去跑。
懒人专用：一键便携包（解压即用）
我知道你们看到装环境、敲命令行就头疼。我把整个项目——包括Python运行环境、ComfyUI、上面的模型、所有加速节点——全部打成了一个自包含包。你只需要三步：
下载我扔网盘里的压缩包（密码123）。
解压到任意盘（建议D盘或E盘，路径别带中文）。
双击首次使用-修复路径.bat，等它跑完；然后双击启动ComfyUI.bat。
浏览器打开http://127.0.0.1:8188，把工作流文件夹里的minimax_h3_t2v_8g加速.json拖进去，改改提示词，点击“Queue Prompt”就完了。
啥都不用装，解压就能跑。
直接抄作业的参数表
怕你们调不明白，我直接把能稳定出片的参数贴出来，对着填就行：主模型：minimax_h3_fl2va_pruned_int8_convrot
文本编码器：qwen3vl_32b_minimax_h3_nvfp4_awq
分辨率：想快就填832x480，想画质好点填1024x576（必须是32的倍数）
帧数：124帧（对应24fps，大概5.17秒）
采样步数：固定20步（少于12步音频会爆音，别问怎么知道的）
采样器：euler / 调度器：simple
CFG：1.0 / denoise：1.0
TeaCache参数：rel_l1_thresh设0.15，start设2，end设-2
Sigma Shift：视频填12，音频填3（这俩分开填）
提示词技巧：想要什么画面就写画面描述，想控制声音就在末尾加指令。比如要背景音乐就写“disco music with driving bass”，不要声音就写“No dialogue, no music”。
我踩过的雷，你就别踩了（避坑清单）
最后这点最重要，都是我用时间换来的教训：缓存节点只选一个！ TeaCache、EasyCache、TE-Speed这些，别贪心叠加，选一个用就行，叠多了不仅不加速还容易崩。
SageAttention锁死1.0.6，这事儿我说三遍。
480p起步，768p封顶。8G卡别一上来就怼1080P，容易抽卡失败，先从480p试水，成功了再往上加。
机械硬盘别碰。模型文件几十G，换层频繁，机械盘会卡到你怀疑人生，必须是固态（NVMe SSD）。
Turbo LoRA先别碰。那玩意儿还是早期实验版，画质偏软，而且需要非剪枝的主模型（+34GB），咱们8G卡带不动。
模型+工作流+一键包下载：https://pan.baidu.com/s/1BWmwQpjkWLeVQ_8DXy91GA?pwd=xidf 密码 xidf
-
https://live.csdn.net/v/538773
https://live.csdn.net/v/538774
我的配置，你对号入座
先看看咱俩是不是一个赛道的。我的机器是RTX 4070 Laptop（8G显存），内存32GB，系统是Windows。按理说这配置在炼丹圈属于“低保户”，但事实证明完全够用。只要你显卡是8G显存（比如4060、4070笔记本或桌面卡），内存有32G，这篇教程就可以直接抄。先看疗效，再说怎么吃
我知道你们最关心速度，直接上干货（都是我机器上实跑的数据）：裸跑（啥优化没有）：生成一段832x480的5秒视频，每步耗时18秒，总共干了6分钟。这时候确实慢得想砸电脑，别急，这是8G显存被20多G的模型逼着“换层”的正常现象。
优化拉满（抄我作业后）：同样的分辨率，直接干到2分30秒整段出片。你没看错，从6分钟压到2分半。
如果贪心点想跑1080P（1024x576）：时间会涨到大概9分钟，画质确实好，但建议偶尔玩玩，平时还是用480p图个快。
提速三板斧（这才是核心）
网上优化教程一大堆，大部分都是瞎扯。我实测下来，真正有用的就这三板斧，按收益排序，第一招不搞，后面全白搭。第一招（最大杀器）：换torch cu130 + comfy-kitchen
这个你们可能看不懂，直接抄命令就行。原理就是让显卡走硬件反量化，不然就是软件在那瞎算，一步17秒死活下不来。这一条不做，后面的TeaCache和SageAttention都是摆设。第二招（白捡三倍速）：挂上MiniMaxH3 TeaCache
这玩意儿纯Python写的，不修改核心文件，安全又稳。你就把它当成一个插件，一头插在模型加载器上，另一头插在采样器前面就行。作者实测从306秒干到102秒，咱们8G卡收益更大。第三招（锦上添花）：SageAttention 1.0.6
注意！这里有个血泪教训：千万锁死1.0.6版本，千万别手贱升级到2.2.0，否则直接CUDA崩溃给你看。Windows用户还需要装个triton-windows，不然跑不起来。整个加速链路的连接顺序我给你们摆出来了，照着连：
UNETLoader → PatchSageAttentionKJ(auto) → MiniMaxH3 TeaCache → SigmaShift(12/3) → KSampler → DecodeAndSaveVideo
模型怎么选？直接说我的组合
模型选不对，8G显存直接爆。我试了一堆组合，这套是速度和画质的黄金平衡点：主模型：一定要下那个带pruned_int8_convrot后缀的，大小大概19.5GB。别下66G的BF16原版，那不是咱这配置该想的事。
文本编码器：选nvfp4_awq这个版本，14.6GB，专门给40系显卡优化的。
VAE：视频用fp16，音频用fp32，别问为什么，抄就完了。
这套组合拳打下来，模型精度肉眼几乎看不出来损失，但显存从60G+被干到了21G，8G卡就能塞进去跑。
懒人专用：一键便携包（解压即用）
我知道你们看到装环境、敲命令行就头疼。我把整个项目——包括Python运行环境、ComfyUI、上面的模型、所有加速节点——全部打成了一个自包含包。你只需要三步：
下载我扔网盘里的压缩包（密码123）。
解压到任意盘（建议D盘或E盘，路径别带中文）。
双击首次使用-修复路径.bat，等它跑完；然后双击启动ComfyUI.bat。
浏览器打开http://127.0.0.1:8188，把工作流文件夹里的minimax_h3_t2v_8g加速.json拖进去，改改提示词，点击“Queue Prompt”就完了。
啥都不用装，解压就能跑。
直接抄作业的参数表
怕你们调不明白，我直接把能稳定出片的参数贴出来，对着填就行：主模型：minimax_h3_fl2va_pruned_int8_convrot
文本编码器：qwen3vl_32b_minimax_h3_nvfp4_awq
分辨率：想快就填832x480，想画质好点填1024x576（必须是32的倍数）
帧数：124帧（对应24fps，大概5.17秒）
采样步数：固定20步（少于12步音频会爆音，别问怎么知道的）
采样器：euler / 调度器：simple
CFG：1.0 / denoise：1.0
TeaCache参数：rel_l1_thresh设0.15，start设2，end设-2
Sigma Shift：视频填12，音频填3（这俩分开填）
提示词技巧：想要什么画面就写画面描述，想控制声音就在末尾加指令。比如要背景音乐就写“disco music with driving bass”，不要声音就写“No dialogue, no music”。
我踩过的雷，你就别踩了（避坑清单）
最后这点最重要，都是我用时间换来的教训：缓存节点只选一个！ TeaCache、EasyCache、TE-Speed这些，别贪心叠加，选一个用就行，叠多了不仅不加速还容易崩。
SageAttention锁死1.0.6，这事儿我说三遍。
480p起步，768p封顶。8G卡别一上来就怼1080P，容易抽卡失败，先从480p试水，成功了再往上加。
机械硬盘别碰。模型文件几十G，换层频繁，机械盘会卡到你怀疑人生，必须是固态（NVMe SSD）。
Turbo LoRA先别碰。那玩意儿还是早期实验版，画质偏软，而且需要非剪枝的主模型（+34GB），咱们8G卡带不动。
模型+工作流+一键包下载：https://pan.baidu.com/s/1BWmwQpjkWLeVQ_8DXy91GA?pwd=xidf 密码 xidf
-
UNETLoader → PatchSageAttentionKJ(auto) → MiniMaxH3 TeaCache → SigmaShift(12/3) → KSampler → DecodeAndSaveVideo
工作流不是发了吗？和json一样的。Windows 这个一样的。 -
@bingqin-wang 大哥感谢你的分享，非常有用的详细解答
不过可以单独提供一下工作流 json 档案吗？ 整个压缩包太大了 MODEL 也在里面
@Botio-Kuo 还在那个网盘里 我新建了一个工作流文件夹
-
原网盘文件夹我做了一个248帧的补丁 增加了几个常用工作流模板 setup.exe文件 需要的请自取
版本：2026-08-08.1
本补丁只更新 ComfyUI 节点、工作流、启动脚本和说明文件，不包含模型、Python 或 CUDA 依赖，安装包体积很小。
适用对象：此前发布的 MiniMax H3 一键便携包（项目根目录包含
ComfyUI\main.py、workflows和启动ComfyUI.bat）。1. 本次改动和工作流
- 修复 H3 帧数输入：允许输入任意整数，模型自动对齐到
17k+5。例如248 -> 260帧。 启动ComfyUI.bat固定使用--lowvram，不启用普通 VRAM 模式。- TeaCache 保留 124 帧原有速度/画质默认行为，并修复连续运行时继承上次缓存状态的问题。
- TeaCache 增加可选音频守门参数：音频分段漂移检查、连续复用上限和
audio_guard。124 帧默认不启用保守守门，以保持原来的 2–3 分钟速度。 - 增加/修复以下工作流：
workflows\minimax_h3_t2v_8g加速.json：124 帧、带声音的默认工作流。workflows\minimax_h3_t2v_248f_低显存无声.json：248 帧测试工作流，默认断开音频输出。workflows\minimax_h3_i2v_first_last.json：单图生视频、首尾帧生视频。workflows\minimax_h3_r2v_multi_image.json：多图片参考生视频，需要额外的 Ref2VA 主模型。
使用方法
- 启动 ComfyUI 后，把对应 JSON 拖入页面。
- 124 帧工作流中修改正向提示词，提示词同时描述画面和声音，例如
servo whine, hydraulic movement, metallic impacts, no dialogue。 - 图生视频工作流只连接第一张图就是普通图生视频；同时连接首帧和尾帧就是首尾帧过渡。
- 多图参考工作流按连接顺序使用
<Picture 1>、<Picture 2>等标签。 - 仍然使用 20 步、832×480 起步；启动方式保持低显存模式。
2. 248 帧声音问题
H3 在 24fps 下会把输入
248对齐成260帧，实际时长约 10.83 秒。当前 TeaCache 会复用视频和音频的联合输出：设置 实测耗时 结果 260 帧，TeaCache 开启 492.40 秒 画面正常，声音异常 260 帧，TeaCache 关闭、20 步全实算 983 秒 画面和声音正常 124 帧，原默认 TeaCache 约 150 秒 480p 约 2–3 分钟，声音正常 因此：
- 248 帧默认不要开声音，使用
minimax_h3_t2v_248f_低显存无声.json。 - 248 帧确实需要原生声音时，必须关闭 TeaCache：将
rel_l1_thresh设为0，或将max_reuse_steps设为0。这会让 20 步全部实算，耗时明显增加。 - 不要把两个独立生成的 124 帧音频直接拼接到一条 260 帧视频上，声音事件无法保证和画面联合同步。
3. 如何打补丁
图形安装
- 完全关闭 ComfyUI（包括后台 Python 进程）。
- 双击
MiniMaxH3_Patch_Setup_2026-08-08.exe。
安装器没有商业代码签名证书；若 Windows SmartScreen 提示未知发布者，请先核对补丁包内的 SHA256，再选择“更多信息 → 仍要运行”。 - 选择项目根目录，也就是包含
ComfyUI\main.py的目录，例如E:\MiniMaxH3。 - 勾选“我已关闭 ComfyUI”，点击“安装补丁”。
- 安装器会先把旧文件备份到：
项目根目录\patch_backups\MiniMaxH3_patch_版本_时间戳\ - 看到“补丁安装完成”后，重新双击
启动ComfyUI.bat。启动脚本会继续使用--lowvram。
命令行安装（可选）
MiniMaxH3_Patch_Setup_2026-08-08.exe --target E:\MiniMaxH3 --quiet回滚
安装器不会删除模型。需要回滚时，关闭 ComfyUI，把最近一次
patch_backups子目录中的文件复制回项目根目录即可；安装报告保存在项目根目录的patch_install_report.json。补丁不修改
models目录，也不需要重新安装依赖。安装完成后如果页面仍显示旧节点，重启 ComfyUI 即可。 - 修复 H3 帧数输入：允许输入任意整数，模型自动对齐到
-
-
@周杰 能跑，但要有心理准备：吃不到这个一键包的大部分提速优化。
核心问题是教程里的"三板斧"基本全是 NVIDIA 向的：
- 第一招 torch cu130 + comfy-kitchen 硬件反量化：CUDA 专用，A 卡没有对应实现
- SageAttention：也是 CUDA 生态，ROCm 上支持很有限
- 唯一通用的是 TeaCache（纯 Python 插件），这个 A 卡能直接用
6700XT 是 RDNA2（gfx1031），12GB 显存。要注意的是新版 ROCm 对 RDNA2 的支持已经降级，装 ComfyUI ROCm 版时大概率要设 HSA_OVERRIDE_GFX_VERSION 强制指定架构才能跑起来，这一步会卡不少人。另外 H3 模型 FP8 版约 19.5GB，12GB 显存一样要换层（offload），只是比 8GB 卡能多放几层，速度会好一些但不会质变。
结论：技术上能跑，但你要自己搭 ROCm 环境，速度也远达不到教程里 2分半 的水平（CUDA 优化基本全废，回到裸跑档）。如果是想省心出片，同预算下 N 卡或者直接云端 API 更现实；如果你就是要折腾 A 卡本地跑，建议参考版里 R9700/7900XTX 的 ROCm 帖子先把环境踩通，再上这个包。
-
-
刘悦 机制罗 都更新了。需要的可以抄作业
@williamlouis 我看了下机制罗 他们那个用的lora 速度不知为啥比我这个不用lora正常20步的还慢不少 视频质量下降已经可以看出来了 还是再等等官方的蒸馏版吧
-
8G真是不上不下，很尴尬啊！
我很尴尬🥲 -
@williamlouis 我看了下机制罗 他们那个用的lora 速度不知为啥比我这个不用lora正常20步的还慢不少 视频质量下降已经可以看出来了 还是再等等官方的蒸馏版吧
@bingqin-wang 质量下降是 公认的。
目前加速不降低质量的还没有。这是个物理问题。
而且目前加速后BUG不少。
比如音频噪音。很多人通过后期重制解决。
任何方案都是不同的人开发的。
等待结果的公开的程序几乎没有商业价值。只适合学习。 -
