【H3剑心比赛】M5 Ultra 256G H3.C引擎跑MiniMax H3模型生成2D/3D 12秒视频
-
Mac Studio 上用 h3.c 原生引擎生成两条 12 秒 参赛视频,Apple M5 Ultra
MiniMax H3 视频模型,294 帧 / 1344×768 / 带音效,单卷 37 分钟出片。
两个参赛作品,同一个引擎、同一套参数、提示词逐字节未改。
🧭 这是什么
MiniMax H3 的官方权重是 BF16 的,社区跑法大多走 Python 移植或量化转换。这篇用的是 h3.c——antirez(Redis 作者)写的原生 C/Metal 引擎,没有 Python 运行时,权重 mmap 直接进 Metal buffer。
两条视频分别是:
作品一 作品二 风格 2D 手绘动画对战 3D CGI 对战 条件 双参考图(Ref2VA) 双参考图(Ref2VA) 成片 294 帧 / 12.25 s / 37.6 MB 294 帧 / 12.25 s / 36.4 MB
测试环境项 值 机型 Mac Studio 芯片 Apple M5 Ultra,36 核(12 Super + 24 Performance) 统一内存 256 GB GPU Metal 4 TensorOps,单 buffer 上限 180 GiB 推理引擎 h3.c(h3-metal 0.1.0-dev,commit 8974cc0,编码器补丁见下文)权重 官方 MiniMaxAI/MiniMax-H3BF16 快照(DiT 61.73 GiB + Qwen3-VL 编码器 62.13 GiB + video VAE 9.70 GiB + audio VAE 0.56 GiB),加载时 int8 量化
抄作业步骤两条命令,逐字可粘贴(
-d指权重目录,-p换成你自己的提示词文件):作品一(2D,双参考图)
./h3 --profile -d ~/h3/MiniMax-H3-R2 \ -p "$(cat prompt_2d.txt)" \ --seconds 12 --width 1344 --height 768 \ --steps 20 --reuse 2 --seed 42 \ --ref-image ~/refs/560.jpeg \ --ref-image ~/refs/紫袍v2.jpeg \ -o h3c_contest_2d_r2_1344x768_12s_crf10.mp4作品二(3D,双参考图)
./h3 --profile -d ~/h3/MiniMax-H3-R2 \ -p "$(cat prompt_3d.txt)" \ --seconds 12 --width 1344 --height 768 \ --steps 20 --reuse 2 --seed 42 \ --ref-image ~/refs/红袍.jpeg \ --ref-image ~/refs/紫袍.jpeg \ -o h3c_contest_r2_1344x768_12s_crf10.mp4参考图与提示词的哈希(证明发布件与跑片件逐字节一致):
资产 尺寸 sha256 560.jpeg(作品一参考 1,剑心) 1378×2821 1af483d0…27b9036f紫袍v2.jpeg(作品一参考 2,志志雄) 564×562 30137b10…5eab4b4f红袍.jpeg(作品二参考 1) 976×1456 15259ece…653e67d6紫袍.jpeg(作品二参考 2) 550×800 0c9baafd…749bcb17prompt_2d.txt — eef33f0a…9ec1c737prompt_3d.txt — 2331bac1…db270bb时长口径:H3 帧数必须落在 24 fps 的
5+17n网格上,12 秒(288 帧)向上吸附到 294 帧 = 12.25 秒。ffprobe 实测两个文件均为duration=12.250000、nb_frames=294。
🧬 JSON 工作流
作品一(Ref2VA 双参考图,2D 动漫):
{ "engine": "h3.c native C/Metal, commit 8974cc0, encoder patch CRF10, binary sha256 cfc3e3052d7a90fe60fdf5446498e5f533b2b6f76eb428a81b1c19f5b77b8d40", "model": "MiniMaxAI/MiniMax-H3 BF16 snapshot, Ref2VA partition, int8 quantized at load", "command": ["./h3","--profile","-d","~/h3/MiniMax-H3-R2", "-p","<PROMPT_TXT verbatim, sha256 eef33f0a3c7a849bdde0a23a08d5f20e98a02532b8c9b43466d4dfae9ec1c737>", "--seconds","12","--width","1344","--height","768", "--steps","20","--reuse","2","--seed","42", "--ref-image","~/refs/560.jpeg (1378x2821, sha256 1af483d0813e92b87108083d7e68f46afdbcb58ea1b4ac59f4fcdd2327b9036f)", "--ref-image","~/refs/紫袍v2.jpeg (564x562, sha256 30137b10d9530c4435994791eda21fa4b441143f25f4526a3e03ef9a5eab4b4f)", "-o","h3c_contest_2d_r2_1344x768_12s_crf10.mp4"], "canvas": "1344x768", "frames": "294 (12.25s @24fps; H3 grid 5+17n, 12s rounds up)", "steps": 20, "reuse": 2, "layers": 50, "seed": 42, "conditioning": "Ref2VA ordered references: Picture 1 = 560 (Jianxin), Picture 2 = 紫袍v2 (Zhizhixiong)", "audio": "model-generated, 32kHz stereo AAC", "output": "h3c_contest_2d_r2_1344x768_12s_crf10.mp4, 37,622,992 B, sha256 770eaa91f59aaa51a1815697b750825cac1e1a8beb5ccd01d4d4f7617003b439" }作品二(Ref2VA 双参考图,3D CGI):
{ "engine": "h3.c native C/Metal, commit 8974cc0, encoder patch CRF10, binary sha256 cfc3e3052d7a90fe60fdf5446498e5f533b2b6f76eb428a81b1c19f5b77b8d40", "model": "MiniMaxAI/MiniMax-H3 BF16 snapshot, Ref2VA partition, int8 quantized at load", "command": ["./h3","--profile","-d","~/h3/MiniMax-H3-R2", "-p","<PROMPT_TXT verbatim, sha256 2331bac16efd4a8183a9499ef01eaff9b095eef0eaa4a34f1f9ccfe55db270bb>", "--seconds","12","--width","1344","--height","768", "--steps","20","--reuse","2","--seed","42", "--ref-image","~/refs/红袍.jpeg (976x1456, sha256 15259ece82370268a1002cab252b0e846cc7871352ed83d930ecb464653e67d6)", "--ref-image","~/refs/紫袍.jpeg (550x800, sha256 0c9baafdd016ee8952569783947fe430ac872398f9ed6cddfc093de3749bcb17)", "-o","h3c_contest_r2_1344x768_12s_crf10.mp4"], "canvas": "1344x768", "frames": "294 (12.25s @24fps)", "steps": 20, "reuse": 2, "layers": 50, "seed": 42, "conditioning": "Ref2VA ordered references: Picture 1 = 红袍 (Jianxin), Picture 2 = 紫袍 (Zhizhixiong)", "audio": "model-generated, 32kHz stereo AAC", "output": "h3c_contest_r2_1344x768_12s_crf10.mp4, 36,393,959 B, sha256 6721794f2f3094ae6129733bef396bef270fd16b45ea65ecbb661a996dbba84c" }
实测成绩单卷独跑基线(
--profile分段计时,文件系统时间戳核验):阶段 作品一 作品二 条件编码 ≈24 s ≈19 s DiT 加载(mmap) 24.2 s 18.5 s DiT 去噪(20 步,11 次全量评估) 1989.8 s 1999.3 s audio VAE 解码 6.6 s 6.6 s video VAE 解码 199.3 s 183.8 s 端到端 37 分 29 秒 37 分 17 秒 生效的加速手段(全部可在日志对账):
- int8 MLP / QKV / 注意力输出投影(M5 默认路径):量化完成后释放 BF16 权重,峰值张量存储 32.2 GiB(BF16 路径 36.4 GiB)
- 核融合:注意力残差门控 + MLP AdaLN、跨块 AdaLN 携带、SwiGLU 单图执行
--reuse 2速度复用日程:20 步只算 11 次完整去噪(日志selected GPU reuse schedule has 11 evaluations)- 零拷贝权重映射:safetensors 直接 mmap,61.7 GiB DiT 加载仅 18.5–32.2 s
- 编码器补丁:x264 出厂 CRF 18 → CRF 10(一行改动重编译),火花/火焰纹理保留完整
未启用(如实登记):ANE 卸载(本机实测每步 -30%)、ssd-streaming、token-reduction、层削减。
已知瑕疵:16px 网格纹理放大看成片,背景大面积区域有一层 16 像素周期的网格纹理。这不是我这条链路的个例:
- ComfyUI 社区 issue #15416 对 H3 视频 VAE 做过量化测量:整图解码误差 93.7 vs 分块 31.4,症状描述一致,且与量化位宽无关
- 我把能试的都试了一遍:int8 / BF16 全量、VAE 分块参数、去块滤镜、30 步 + 每步全算的参考质量档——网格幅度有轻有重,没有一个配置能消掉它
- 结论:这是模型本身的输出纹理,量化与后处理只能改幅度。仙宫的生成视频(更早的小分辨率试跑)不明显,是因为 864×480 下每个 16px 格子占画面比例小,不是配置差异
这个分辨率下生成视频网格是可见的,接受它或者降低输出分辨率。
️ 提示词两条提示词原文投喂、零改动,哈希见上表。
作品一(
eef33f0a…9ec1c737):2D traditional anime) Masterpiece, high quality, cinematic lighting.
Subject: A fierce battle sequence featuring two characters based on the reference images—a red-clad swordsman (Jianxin) and a purple-robed warrior (Zhizhixiong).
Action: The camera begins with a dynamic low-angle tracking shot. The swordsman in red dashes forward with a long sword, leaving a glowing trail, while the warrior in purple stands firm and executes a sweeping counter-attack with a flaming effect. They clash in the center of the frame, creating a shockwave of energy and sparks. The camera rapidly orbits around them as the fiery battle intensifies, concluding with the red-clad swordsman landing gracefully while the purple warrior points his weapon forward, both facing the camera.
Environment: Dramatic background with embers floating in the air, high contrast lighting.作品二(
2331bac1…db270bb):Style: 3D CGI animation Masterpiece, high quality, cinematic lighting.
Subject: A fierce battle sequence featuring two characters based on the reference images—a red-clad swordsman (Jianxin) and a purple-robed warrior (Zhizhixiong).
Action: The camera begins with a dynamic low-angle tracking shot. The swordsman in red dashes forward with a long sword, leaving a glowing trail, while the warrior in purple stands firm and executes a sweeping counter-attack with a flaming effect. They clash in the center of the frame, creating a shockwave of energy and sparks. The camera rapidly orbits around them as the fiery battle intensifies, concluding with the red-clad swordsman landing gracefully while the purple warrior points his weapon forward, both facing the camera.
Environment: Dramatic background with embers floating in the air, high contrast lighting.
参赛作品生成视频一:2D 动漫双人对战
h3c_contest_2d_r2_1344x768_12s_crf10.mp4· 37,622,992 B · sha256770eaa91…003b439· h264 1344×768 294 帧 24.4 Mbps + AAC 32 kHz生成视频二:3D CGI 双人对战
h3c_contest_r2_1344x768_12s_crf10.mp4· 36,393,959 B · sha2566721794f…6dbba84c· h264 1344×768 294 帧 23.6 Mbps + AAC 32 kHz产物完整性:两个文件均含
ftyp+moov+free+mdat(mdat 占 99.97%),ffmpeg -f null全片解码零报错。
37 分钟一条 12 秒,谈不上快,但都跑在自己机器上,日志全留、哈希全留、瑕疵全写。
-
,
C cc tgo 引用了 此主题
-
-
-
-
-
-
-
尽量使用坊间的优化,b16不代表就是好,尤其是用了b16也出现劣质的网格,已经消耗了那么多的时间,还会出现画面眼见得瑕疵,其实是不合格的,我给一个提点:
不要出现肉眼可以见得网格这是我的起码最低标准
2d

3d

-
尽量使用坊间的优化,b16不代表就是好,尤其是用了b16也出现劣质的网格,已经消耗了那么多的时间,还会出现画面眼见得瑕疵,其实是不合格的,我给一个提点:
不要出现肉眼可以见得网格这是我的起码最低标准
2d

3d

@imbiplaza-ASUS 为了参赛,用MiniMax H3 本地生成 12 秒 1344×768 视频,评估测试过三条路线:ComfyUI、MLX-Serve、h3.c 命令行。
ComfyUI 被否是有硬伤:加载 H3 需常驻 100+ GB 内存,与本机 mlx-serve 的 agent 无法共存,实测 OOM 和后端崩溃,加上托管不自动拉起,我对comfyUI是完全陌生,要纯手动也就给否了,能让agent干的就不手动。
MLX-Serve 日常生视频是主力,但参赛没用:它挂载的是 8bit/4bit 量化卷,参赛证据包要求官方 BF16 快照逐文件对账;且它是 HTTP 黑盒,步数日程、加速开关这些参赛要展示的细节不可暴露,最长生成单段为10.8秒,还常碰到有尾帧画面质量坍塌出马赛克色块。
最终选 h3.c 原生 C/Metal 引擎跑官方 BF16 快照:内存可控、参数全暴露、证据链完整。共出两卷:第一卷双参考图模式(Ref2VA)全程 37分 ,第 2 卷双参考图全程 37 分 17 秒。为了测试去视频网格最长的一次是 BF16 无损对照卷全精度权重直载、30 步、关速度复用,从启动到落盘 1 小时 48 分钟(去噪独占 1 小时 43 分),用来验证量化与加速开关对画质的真实影响。结果没太大差别。
单测试纯生成视频耗时6小时左右生成了17个视频。要实用化,我还是等生态成熟跟优化到位了再说。测试不是为了纯参赛,也是想看看这台机器在MiniMax H3模型视频生成到底可不可用。
生态期望:H3 开放权重后 Mac 端已长出 h3.c、MLX-Serve、ComfyUI 节点、h3 studio 多个驱动面,方向是有了;希望官方或社区把 BF16 直跑的内存账压下来、出步数蒸馏版,把无损级出 12 秒片子从近两小时拉到几分钟到十几分钟级,让本地出片从"能跑通"变成"日常能用"。
-
@imbiplaza-ASUS 为了参赛,用MiniMax H3 本地生成 12 秒 1344×768 视频,评估测试过三条路线:ComfyUI、MLX-Serve、h3.c 命令行。
ComfyUI 被否是有硬伤:加载 H3 需常驻 100+ GB 内存,与本机 mlx-serve 的 agent 无法共存,实测 OOM 和后端崩溃,加上托管不自动拉起,我对comfyUI是完全陌生,要纯手动也就给否了,能让agent干的就不手动。
MLX-Serve 日常生视频是主力,但参赛没用:它挂载的是 8bit/4bit 量化卷,参赛证据包要求官方 BF16 快照逐文件对账;且它是 HTTP 黑盒,步数日程、加速开关这些参赛要展示的细节不可暴露,最长生成单段为10.8秒,还常碰到有尾帧画面质量坍塌出马赛克色块。
最终选 h3.c 原生 C/Metal 引擎跑官方 BF16 快照:内存可控、参数全暴露、证据链完整。共出两卷:第一卷双参考图模式(Ref2VA)全程 37分 ,第 2 卷双参考图全程 37 分 17 秒。为了测试去视频网格最长的一次是 BF16 无损对照卷全精度权重直载、30 步、关速度复用,从启动到落盘 1 小时 48 分钟(去噪独占 1 小时 43 分),用来验证量化与加速开关对画质的真实影响。结果没太大差别。
单测试纯生成视频耗时6小时左右生成了17个视频。要实用化,我还是等生态成熟跟优化到位了再说。测试不是为了纯参赛,也是想看看这台机器在MiniMax H3模型视频生成到底可不可用。
生态期望:H3 开放权重后 Mac 端已长出 h3.c、MLX-Serve、ComfyUI 节点、h3 studio 多个驱动面,方向是有了;希望官方或社区把 BF16 直跑的内存账压下来、出步数蒸馏版,把无损级出 12 秒片子从近两小时拉到几分钟到十几分钟级,让本地出片从"能跑通"变成"日常能用"。
版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!