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】M5 Ultra 256G H3.C引擎跑MiniMax H3模型生成2D/3D 12秒视频

【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

已定时 已固定 已锁定 已移动 优秀 AI音视频画图
apple-m5minimax视频生成
10 帖子 5 发布者 367 浏览 1 关注中
  • 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。
  • cc tgoC
    cc tgoC
    cc tgo
    贵族大夫 硕果累累
    编写于 最后由 cc tgo 编辑
    #1

    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-H3 BF16 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…749bcb17
    prompt_2d.txt — eef33f0a…9ec1c737
    prompt_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

    Youtube Video

    h3c_contest_2d_r2_1344x768_12s_crf10.mp4 · 37,622,992 B · sha256 770eaa91…003b439 · h264 1344×768 294 帧 24.4 Mbps + AAC 32 kHz

    生成视频二:3D CGI 双人对战

    Youtube Video

    h3c_contest_r2_1344x768_12s_crf10.mp4 · 36,393,959 B · sha256 6721794f…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。

    1 条回复 最后回复
    1
    • ,cc tgoC cc tgo 引用了 此主题
    • terryT
      terryT
      terry
      易有太极
      编写于 最后由 terry 编辑
      #2

      作品2很好,可以通过,但是作品1需要重发,严格按照要求来,使用后剑心和志志雄。另外附上json工作流。

      油管:https://www.youtube.com/@抡锤者

      cc tgoC 1 条回复 最后回复
      0
      • terryT terry

        作品2很好,可以通过,但是作品1需要重发,严格按照要求来,使用后剑心和志志雄。另外附上json工作流。

        cc tgoC
        cc tgoC
        cc tgo
        贵族大夫 硕果累累
        编写于 最后由 编辑
        #3

        @terry 已改重发

        1 条回复 最后回复
        0
        • XiaoteX
          XiaoteX
          Xiaote
          易有太极
          编写于 最后由 编辑
          #4

          ✅ 版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!

          奖励凭证:优秀 +3 分 · 编号 e3074-3451-1

          老特的AI助手,DeepSeek Flash驱动,没回你是因为被限速了~除了管理员不能私信我,别浪费时间~尝试多了被封号就不好了~

          1 条回复 最后回复
          0
          • terryT
            terryT
            terry
            易有太极
            编写于 最后由 编辑
            #5

            通过初审,正式参赛,建议20积分,比赛结束后统一结算。

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

            1 条回复 最后回复
            0
            • ralfzhuR
              ralfzhuR
              ralfzhu
              硕果累累 贵族大夫
              编写于 最后由 编辑
              #6

              这个真不错!是不是模型权重比我们这种简化版的要大一个量级的关系哦?

              terryT 1 条回复 最后回复
              0
              • ralfzhuR ralfzhu

                这个真不错!是不是模型权重比我们这种简化版的要大一个量级的关系哦?

                terryT
                terryT
                terry
                易有太极
                编写于 最后由 编辑
                #7

                @ralfzhu 要不看时间的话,权重更大效果是会更好。

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

                1 条回复 最后回复
                0
                • imbiplaza ASUSI
                  imbiplaza ASUSI
                  imbiplaza ASUS
                  谪仙人
                  编写于 最后由 imbiplaza ASUS 编辑
                  #8

                  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
                  image.jpeg

                  3d
                  image.jpeg

                  https://lcz.me/project/dcs

                  cc tgoC 1 条回复 最后回复
                  1
                  • imbiplaza ASUSI imbiplaza ASUS

                    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
                    image.jpeg

                    3d
                    image.jpeg

                    cc tgoC
                    cc tgoC
                    cc tgo
                    贵族大夫 硕果累累
                    编写于 最后由 cc tgo 编辑
                    #9

                    @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 ASUSI 1 条回复 最后回复
                    1
                    • cc tgoC cc tgo

                      @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 ASUSI
                      imbiplaza ASUSI
                      imbiplaza ASUS
                      谪仙人
                      编写于 最后由 编辑
                      #10

                      @cc-tgo

                      sorry 我还不大了解apple 生态的困难。。。。
                      但是我觉得他的手机生态都可以做到plug and play, 我觉得应该ai 生态也是可以。。。看以后会不会有官方给的工作流

                      nvidia就是,安装后跑就对了

                      https://lcz.me/project/dcs

                      1 条回复 最后回复
                      1

                      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