跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. AI音视频画图
  4. [H3剑心比赛] RTX Pro 6000 96G 单卡 · 一条片子 5 分半|MiniMax H3 3D / 2D

[H3剑心比赛] RTX Pro 6000 96G 单卡 · 一条片子 5 分半|MiniMax H3 3D / 2D

已定时 已固定 已锁定 已移动 热议 优秀 AI音视频画图
rtxpro6000minimax视频生成
27 帖子 11 发布者 836 浏览
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • roid isisR
    roid isisR
    roid isis
    体面乡绅
    编写于 最后由 编辑
    #1

    一、视频链接

    • 2D 版:https://file.garden/aveyOPt9Efn9o2cu/oooo_00032-audio.mp4
    • 3D 版:https://file.garden/aveyOPt9Efn9o2cu/oooo_00033-audio.mp4

    两条片子是同一场 12 秒剑斗(绯村剑心 vs 志志雄真实,夜间、燃烧的本能寺前石坪),1376×768 @ 24fps,时长 12.25s,带 H3 原生音频。两版只有 prompt 的风格行不同,管线、模型、参数完全一致。

    二、软硬件配置

    项目 配置
    GPU NVIDIA RTX PRO 6000 Blackwell Workstation Edition,96GB 显存,TGP 600W(单卡)
    驱动 / CUDA 621.14 / CUDA 13.5
    CPU AMD Ryzen 9 9950X3D(16 核)
    内存 96 GB
    系统 Windows 11
    ComfyUI 0.45.0
    PyTorch 2.13.0+cu130
    Python 3.13.11
    主要自定义节点 ComfyUI-MiniMaxH3Mod(Ref2VA / 参考图块)、comfyui-SelfLift(渐进式采样)、comfyui-minimax-h3-blockcache-T8

    三、工作流(Ref2VA + SelfLift 两段渐进)

    参考图(共 7 张,无首帧,纯参考生视频):

    • 6 张角色图:剑心 3 张(正面 / 拔刀架势 / 侧面)+ 志志雄 3 张(绿眼持刀 / 绷带造型 / 掌心火),全部 RMBG 去背景
    • 1 张场景图:本能寺建筑(原图白天,prompt 里写成夜间燃烧态,并排除图里的现代建筑)

    Prompt 六段结构:
    subject_definitions(每张 <Picture N> 即一张角色定妆图)/ summary(参考生成 + 风格 + 1.0× 实时)/ retention_analysis(各主体保留项)/ detailed_description(四镜分镜)/ soundscape(环境音床)/ negative

    • 12s 四镜:① 0–3s 突进 + 火焰横扫 + 首次碰撞(双方各退半步)② 3–5.7s 两记快攻互格挡 + 火上刀 + 双手举刀蓄力 ③ 5.7–8.5s 跃起 + 空中碰撞 + 90–120° 绕镜 ④ 8.5–12s 落地 + 双方收鞘 + 对峙定格
    • Fight Flow 触发词 Melee weapon interaction. 埋 detailed_description 开头

    采样管线:

    1. 低分辨率 384×704 @ 8 步(8-step turbo 蒸馏模型,cfg=1.0)
    2. latent 2× 上采(minimax_h3_latent_upscaler_3d,fp16,分块推理,过渡仅 ~1.5–1.9s)→ 768×1376
    3. 高分辨率 6 步(sigma 在 92.3% 进度处接力,续低段轨迹)
    4. VideoVAE(fp16)+ AudioVAE(fp32)解码 → H.264 + AAC

    用到的模型:

    角色 模型
    扩散模型 Minimax-h3_Singularity_ref2va_v1.3_int8.safetensors(int8)
    文本编码器 qwen3vl_32b_minimax_h3_int8_convrot
    LoRA 1 H3 Fight Flow V1 — 一采 0.9 / 二采 0
    LoRA 2 H3 Combat V2 — 0.9 / 0
    LoRA 3 Motion Repair V2 — 0.7 / 0.30【待确认】
    VAE minimax_h3_video_vae_fp16 / minimax_h3_audio_vae_fp32

    三个 LoRA 同一作者:Fight Flow 是主劳力(带触发词),Combat V2 和 Motion Repair 是静默修饰层(无触发词,低强度混入修动作连贯性)。

    四、加速手段

    1. 8-step turbo 蒸馏模型:低段 8 步 + 高段 6 步,总共 14 NFE;12 秒高分辨率常规要 24 步以上
    2. int8 量化:DiT(~32GB)+ 文本编码器(~24GB)全 int8
    3. SelfLift 渐进式:贵的 1376×768 高段只跑最后 6 步,便宜的 384×704 低段跑前 8 步,两段之间由 latent 上采器接力(过渡开销 <2s)
    4. 96G 大显存:DiT + 文本编码器 + VAE 全常驻,无 offload 倒腾、无模型切换等待
    5. FFN 分块(52 个 MLP,chunks=2)+ block cache,砍注意力/FFN 重复计算
    6. 显卡 600W 满功率,未降功耗墙

    五、生成速度

    2D 3D
    低段 8 步 59.9s(7.5s/步) 57.0s(7.1s/步)
    上采过渡 1.9s 1.5s
    高段 6 步 248.2s(41s/步) 230.1s(38s/步)
    VAE 解码 + 落盘 ~32s ~38s
    端到端 342s(5分42秒) 327s(5分27秒)
    成片文件 7.8 MB 8.5 MB

    六、作者的话

    • 两版差别只在风格行:2D 走赛璐璐(crisp line art、flat color planes),3D 走 stylized CGI(smooth shading、volumetric lighting)。志志雄的参考图本来就是 3D 渲染,3D 版锚点更对味;2D 版相当于让模型把 3D 渲染"翻译"成赛璐璐,身份保持稍松一点——这是两版最真实的差异。
    • 结尾设计:双方收鞘,剑心单膝跪地手按刀柄,志志雄远端站立收势,不判胜负,把"下一秒会不会拔刀"的张力留给观众。
    • 96G 显存是这套配置能全常驻的底气;24G 消费卡的同志可以走 TP2 多卡,或者只跑低段 8 步出 768p(速度再砍一半,画质换时间,自己取舍)。
    • 欢迎拍砖、对答案,有同场打戏的也可以把作业丢上来一起交流。
    • 视频自带工作流,随便下载。
    1 条回复 最后回复
    4
    • ralfzhuR
      ralfzhuR
      ralfzhu
      硕果累累 贵族大夫
      编写于 最后由 编辑
      #2

      工作流放出来看呗,为啥你这个能有背景,提示词有改过吗?
      为啥我按照比赛提示词的没有背景~

      1 条回复 最后回复
      1
      • ralfzhuR
        ralfzhuR
        ralfzhu
        硕果累累 贵族大夫
        编写于 最后由 编辑
        #3

        看明白了,你多加了一张背景图。工作流也有个文本编译器的节点接了qwen的语言模型。这样应该是会跟提示词直接输入有区别的

        1 条回复 最后回复
        1
        • terryT
          terryT
          terry
          易有太极
          编写于 最后由 terry 编辑
          #4

          贴出工作流,提示词,这个是基础要求,🤔

          油管:https://www.youtube.com/@抡锤者

          roid isisR 1 条回复 最后回复
          0
          • terryT terry

            贴出工作流,提示词,这个是基础要求,🤔

            roid isisR
            roid isisR
            roid isis
            体面乡绅
            编写于 最后由 编辑
            #5

            @terry 视频里有工作流,直接下载视频扔comfyui就有

            terryT 1 条回复 最后回复
            1
            • roid isisR roid isis

              @terry 视频里有工作流,直接下载视频扔comfyui就有

              terryT
              terryT
              terry
              易有太极
              编写于 最后由 编辑
              #6

              @roid-isis 🤔这么先进???我特么....很久没玩了,没能理解。

              油管:https://www.youtube.com/@抡锤者

              roid isisR 1 条回复 最后回复
              0
              • terryT terry

                @roid-isis 🤔这么先进???我特么....很久没玩了,没能理解。

                roid isisR
                roid isisR
                roid isis
                体面乡绅
                编写于 最后由 编辑
                #7

                @terry 其实是video combine的这个节点它有一个将工作流metadata嵌入到视频里的功能,方便传播。官方自带的save video节点没有这个功能。

                terryT kos orK 2 条回复 最后回复
                1
                • xiongjie gaoX
                  xiongjie gaoX
                  xiongjie gao
                  王侯将相
                  编写于 最后由 编辑
                  #8

                  还有本能寺的背景👍

                  https://github.com/shawn86574-prog/x99-7900xtx-p2p
                  https://github.com/shawn86574-prog/kuzuryusen

                  1 条回复 最后回复
                  0
                  • roid isisR roid isis

                    @terry 其实是video combine的这个节点它有一个将工作流metadata嵌入到视频里的功能,方便传播。官方自带的save video节点没有这个功能。

                    terryT
                    terryT
                    terry
                    易有太极
                    编写于 最后由 编辑
                    #9

                    @roid-isis 学习了,不过正式参赛,你还是提供标准JSON。

                    油管:https://www.youtube.com/@抡锤者

                    1 条回复 最后回复
                    0
                    • Big LiaoB
                      Big LiaoB
                      Big Liao
                      体面乡绅
                      编写于 最后由 编辑
                      #10

                      这么说来,可以修改提示词吗?也可以加环境图?还是只能用规定的6张图和指定的提示词

                      ericyancwE 1 条回复 最后回复
                      0
                      • Big LiaoB Big Liao

                        这么说来,可以修改提示词吗?也可以加环境图?还是只能用规定的6张图和指定的提示词

                        ericyancwE
                        ericyancwE
                        ericyancw
                        编写于 最后由 编辑
                        #11

                        @ralfzhu 说:

                        看明白了,你多加了一张背景图。工作流也有个文本编译器的节点接了qwen的语言模型。这样应该是会跟提示词直接输入有区别的

                        是得明确下能不能加背景

                        terryT 1 条回复 最后回复
                        0
                        • ericyancwE ericyancw

                          @ralfzhu 说:

                          看明白了,你多加了一张背景图。工作流也有个文本编译器的节点接了qwen的语言模型。这样应该是会跟提示词直接输入有区别的

                          是得明确下能不能加背景

                          terryT
                          terryT
                          terry
                          易有太极
                          编写于 最后由 编辑
                          #12

                          @ericyancw 加不加都可以,我不会看背景,这一轮是看生成速度,画面大概在线就能过。就是看硬件,工作流,完成时间,算性价比。

                          油管:https://www.youtube.com/@抡锤者

                          1 条回复 最后回复
                          0
                          • terryT
                            terryT
                            terry
                            易有太极
                            编写于 最后由 编辑
                            #13

                            这个到底有没有JSON啊?我没时间验证你说的拖入ComfyUI,有人能帮验证吗?

                            油管:https://www.youtube.com/@抡锤者

                            1 条回复 最后回复
                            0
                            • roid isisR
                              roid isisR
                              roid isis
                              体面乡绅
                              编写于 最后由 编辑
                              #14

                              minimaxh3 selflift 剑心.json

                              1 条回复 最后回复
                              0
                              • williamlouisW
                                williamlouisW
                                williamlouis
                                易有太极
                                编写于 最后由 编辑
                                #15

                                唯一感觉还可以的。果然pro 6000 才能是视频生产力。
                                其他卡的视频我也都看了。画面残影,瞬时模糊,噪点,音频 不定时爆音现象明显。
                                这个作品我投一票。可以用。

                                个人主页:xlkj.org Telegram https://t.me/xlkjorg

                                xiongjie gaoX imbiplaza ASUSI roid isisR 3 条回复 最后回复
                                1
                                • ,williamlouisW williamlouis 引用了 此主题
                                • williamlouisW williamlouis

                                  唯一感觉还可以的。果然pro 6000 才能是视频生产力。
                                  其他卡的视频我也都看了。画面残影,瞬时模糊,噪点,音频 不定时爆音现象明显。
                                  这个作品我投一票。可以用。

                                  xiongjie gaoX
                                  xiongjie gaoX
                                  xiongjie gao
                                  王侯将相
                                  编写于 最后由 xiongjie gao 编辑
                                  #16

                                  @williamlouis 我把贴子扔给AI让它逐桢学习
                                  AI告诉我这是硬件代差带来的实力差距

                                  image.jpeg

                                  https://github.com/shawn86574-prog/x99-7900xtx-p2p
                                  https://github.com/shawn86574-prog/kuzuryusen

                                  1 条回复 最后回复
                                  0
                                  • williamlouisW williamlouis

                                    唯一感觉还可以的。果然pro 6000 才能是视频生产力。
                                    其他卡的视频我也都看了。画面残影,瞬时模糊,噪点,音频 不定时爆音现象明显。
                                    这个作品我投一票。可以用。

                                    imbiplaza ASUSI
                                    imbiplaza ASUSI
                                    imbiplaza ASUS
                                    谪仙人
                                    编写于 最后由 编辑
                                    #17

                                    @williamlouis

                                    不懂是不是rtxpro ecc 的关系,我的也没有他们的问题

                                    https://lcz.me/project/dcs

                                    1 条回复 最后回复
                                    0
                                    • roid isisR roid isis

                                      @terry 其实是video combine的这个节点它有一个将工作流metadata嵌入到视频里的功能,方便传播。官方自带的save video节点没有这个功能。

                                      kos orK
                                      kos orK
                                      kos or
                                      至尊皇帝
                                      编写于 最后由 编辑
                                      #18

                                      @roid-isis said:

                                      video combine的这个节点它有一个将工作流metadata嵌入到视频里的功能,方便传播

                                      ComfyUI 還有這種用法 真特別

                                      1 条回复 最后回复
                                      0
                                      • williamlouisW williamlouis

                                        唯一感觉还可以的。果然pro 6000 才能是视频生产力。
                                        其他卡的视频我也都看了。画面残影,瞬时模糊,噪点,音频 不定时爆音现象明显。
                                        这个作品我投一票。可以用。

                                        roid isisR
                                        roid isisR
                                        roid isis
                                        体面乡绅
                                        编写于 最后由 编辑
                                        #19

                                        @williamlouis 其实提示词工程也是重要的,我写prompt有好几个技能,我专门有一个徐克电影的武打技能。如果参考视频你再把电影片段加进去让模型参考武打的风格,我可以做出来能达到电影武打片段的效果。只是h3还是有模型硬伤。高动态可以尽量消除一些溶解问题。但完全去除还是比较难。

                                        1 条回复 最后回复
                                        0
                                        • terryT
                                          terryT
                                          terry
                                          易有太极
                                          编写于 最后由 编辑
                                          #20

                                          通过初审,正式参赛,20积分比赛后统一结算!

                                          油管:https://www.youtube.com/@抡锤者

                                          1 条回复 最后回复
                                          0

                                          你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                                          厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

                                          有了你的建议,这篇帖子会更精彩哦 💗

                                          注册 登录
                                          回复
                                          • 在新帖中回复
                                          登录后回复
                                          • 从旧到新
                                          • 从新到旧
                                          • 最多赞同


                                          • 登录

                                          • 登录或注册以进行搜索。
                                          • 第一个帖子
                                            最后一个帖子
                                          0
                                          • 版块
                                          • 最新
                                          • 标签
                                          • 热门
                                          • 用户
                                          • 群组