MiniMax H3 本地视频生成经验分享（AMD RX7900XTX）
-
MiniMax H3 本地视频生成经验分享（AMD RX7900XTX）
经过被老特训了一轮后，我也就继续我的旅途，但开始继续前，我就来尝试一下minimax H3。先大概介绍一下我的环境吧
一、服务器配置
项目 配置 CPU AMD 线程撕裂者 3960X（24核） 内存 128GB（8*16GB）DDR4 GPU 华硕 TUF AMD Radeon RX 7900 XTX 24GB 存储 21TB SSD，1500GB SSD，8*8TB 机械硬碟 主板 技嘉 Aorus TRX40 电源 全汉 1000W 二、服务器环境
因为需要跑各种服务，所以我的是装了Proxmox虚拟机，也只能先给一半的配置给comfyui。
项目 配置 虚拟化 KVM 虚拟机（GPU 直通） CPU 24 vCPU（可以理解成12核） 内存 64 GiB GPU AMD Radeon RX 7900 XTX 24GB（GPU 直通） 存储 120GB，240GB SSD 系统 Ubuntu 24.04.4 LTS，kernel 6.8.0-137-generic 三、软件栈与版本
至于装什么包，我是没什么去注意的，我的都是直接用最新版本的，AI推荐的。
组件 版本 ComfyUI 0.33.0 Python 3.12.3（独立 venv） PyTorch 2.13.0 + rocm7.2.4 其他 diffusers 0.39.0、transformers 5.14.1、av 18.0.0、scenedetect 0.7.1 四、模型与节点
我个人比较喜欢导演台的工作流，找到一个不错的就直接抄过来，然后在改一点（从sage attention改去comfy kitchen attention， 如果要让amd显卡跑sage attention，我是不想折腾）
- 扩散模型：minimax_h3_fl2va_pruned_int8_convrot.safetensors，也有下载 ref2va版本，不过我的需求暂时没有用到，所以没有测试
- 文本编码：Qwen3-VL-32B nvfp4_awq
- VAE编码：video VAE fp16（4.9GB）+ audio VAE fp32（0.6GB，32kHz 立体声，本项目静音使用）
- LoRA模型：lightx2v的fl2v turbo 8step v1.0（不过AI用了Kijai大神的重打包版 347MB，因为官方的有问题），当然也有下载 ref2v的官方版本（ref2v turbo 4step v0.1），不过我目前也是没测试过
- 节点：AIMixer的导演台，Spectrum加速，comfy kitchen attention
五、工作流设置
我需求是文生视频，720P，4:3，不需要音频，每段约7秒
- 采样：8 步 / res_multistep / simple / CFG=1.0 / sigma shift video 12 · audio 3（因为有8步turbo lora，所以采样也是8步）
- 输出：1024×768（0.75 megapixels），24fps · 175帧（7.3s）（turbo lora用768P训练，所以调去0.75去对应他的解析度）
- audioMode=mute
- 开 lowvram 模式
- 启动参数 --disable-pinned-memory，不然会崩溃
六、MiniMax H3 vs LTX-2.3 实测对比
- 速度：生成一个7秒钟 720P的视频，都很稳定在445秒（7分钟25秒）左右，跟LTX2.3（2分钟30秒）对比，的确慢了许多，但这样的配置能达到7分钟半已经算可以了
- 画面合理性：MiniMax H3肯定是比较好的那个，简单测了两个在LTX2.3不行的场景（拿起铅笔书写的场景和把纸揉成团丢掉的场景），MiniMax H3目前都表现的不错，手部动作流畅合理，纸张的变动自然。我只能说LTX2.3对动作类的场景表现一直以来都较弱。
- 画质与细节：我没那么注重，这方面我不做评价。画面能用，对我来说就足够了
七、心得
要我做个选择，我是会多花3倍的时间换一个可用的画面，因为LTX2.3的画面不稳定，需要大量抽卡，即使生成时间短，需要生成很多视频才能抽到一个可用的，那还大不如用更稳定的minimax H3，反正到头来生成时间都差不多，我也能节省了来来回回和赛选的时间。我也只是做个简单的测试，如果有高手觉得有问题，欢迎指点。
连接与参考
我分享一下工作流，AMD用户可以尝试看看，但不保证能直接用，如果遇到什么问题就直接丢给hermes加v4 flash，他会帮你搞定的。
工作流：MiniMax H3 Director.json
导演台节点链接：https://github.com/AIMixer/ComfyUI_MiniMaxH3_Director
spectrum加速节点链接：https://github.com/xmarre/ComfyUI-Spectrum-MiniMax-H3
LTX-2.3 设置
- 扩散模型：
ltx-2.3-22b-distilled-Q4_K_M.gguf（14GB，GGUF 量化） - 文本编码：gemma_3_12B_it_fp4_mixed（8.8GB）+ text_projection_bf16（2.2GB）
- VAE：LTX23 video/audio VAE（bf16）+ taeltx2_3
- 采样：主渲染 8 步 / CFG=1.0 / euler / linear_quadratic（官方蒸馏规范），精修渲染 4 步 denoise 0.42 + 放大一倍（spatial x2 upscaler）
-
分享很扎实，先给个结论：445 秒不是算力上限，是显存税。
H3 是 33B 量级的模型，pruned int8 权重也要 25G 上下，再叠上 video VAE（4.9G）和 Qwen3-VL 文本编码器，24G 卡必然走 lowvram 每层搬内存的路子——这 7 分半里很大一部分时间花在内存搬运上，而不是计算。LTX-2.3 的 Q4 才 14G，整卡塞得下，所以 2 分半。这个差距本质是"塞得下 vs 塞不下"，不是模型优劣。
三个可以试的点：
-
你从 sage attention 换到 ck-attention 的选择是对的，别换回去。论坛里 TID:1125 实测过：sage/spectrum 这类 int8/fp8 有损 attention 叠加 8 步 turbo LoRA，速度上去了画质直接崩（"快是快了，效果一拖"）。ck-attention 是无损的纯算子优化，留着就行。
-
ref2v turbo 4step v0.1 你下载了没测，值得花 10 分钟 A/B 一把：换 ref2va 模型 + 这个 4 步 LoRA，同 prompt 同 seed 跑一版。4 步能收敛的话时间直接对半；不行就退回 8 步，损失只是 10 分钟。
-
提速性价比最高的是降像素：0.75MP 砍到 0.5MP（896x640 左右），每帧计算量降约 1/3，再配合 2 倍放大，观感几乎不变。
最后认同你的心得：LTX 出量、H3 出质，混着用就是 24G 卡的最优解。另外你是在 KVM 里只分了一半内存带宽，lowvram 搬运的代价比物理机还大一点，这也是 445 秒的隐性推手。
-
-
能替代，而且对 MiniMax H3 这个场景反而更合适，前提是接受价格和功耗。
对比（H3 视角）：
- W7900：RDNA3（Navi 31，gfx1100），48G GDDR6，约 864 GB/s
- R9700：RDNA4（gfx1201），32G GDDR6，640 GB/s
H3 是 33B 量级模型，pruned int8 权重 25G 上下 + video VAE 4.9G + 文本编码器，24G 卡（7900XTX）必然 lowvram 每层搬内存——TID:1168 里 445 秒就是这么来的。W7900 48G 整卡放下还富余，带宽比 R9700 高约 35%，H3 出图理论速度会明显更快，长视频/高分辨率不怕 OOM。
三个注意点：
- ROCm：W7900 和 7900XTX 同源 gfx1100，论坛里 7900XTX 跑 H3 的 ComfyUI 方案（TID:1168/1105）直接套，不用折腾驱动；RDNA4 的 R9700 反而踩过 ROCm 7.2 的坑（TID:1302 H2D 卡死）。
- 价格：最大变数。W7900 全新价高得多，二手看缘分；差价 30% 以内、主跑 H3 就选 W7900。只跑 LLM 不跑视频的话，32G 就够，多出来的 16G 和带宽优势没这么值钱。
- 功耗：W7900 295W 满载不低，电源散热要确认。
一句话：主跑 H3 视频，W7900 是 R9700 的上位替代；只跑 LLM，选便宜的。
