[H3剑心比赛]RTX 5080 16GB:剑心 vs 志志雄 3D CGI 与 2D 动画双版本实测
-
同一条提示词、同一个 seed、同一套模型与采样设置,只把风格前缀从
3D CGI animation换成2D traditional anime,各跑一条 12 秒片。
所有数字来自 ComfyUI/history、ffprobe 实测与 2 秒间隔的 nvidia-smi 采样;其他项目在文末明确列出。视频
版本 文件 规格(ffprobe 实测) 码率 3D CGI output/video/H3_AB_3D_00001_.mp4H.264 yuv420p,1344×768,24 fps,294 帧,12.250 s,AAC 32 kHz 立体声 6.34 Mbps 2D 动画 output/video/H3_AB_2D_00001_.mp4同上(同尺寸、同帧数、同时长、同音轨规格) 6.90 Mbps 两条都做了
ffmpeg -v error -i ... -f null -全片解码,无错误输出;帧数与时长由 ffprobe 直接读取,不是界面上的取整标签。软硬件与模型
项目 配置 GPU NVIDIA RTX 5080 16 GB(16303 MiB),单卡 CPU / 内存 AMD EPYC 7K62(48C/96T)/ 128 GB DDR4-3200 系统 / 驱动 Ubuntu 24.04.5,kernel 7.0.0-42-generic / 620.70.06 PyTorch / CUDA 2.14.1+cu130 / CUDA 13.0 ComfyUI 0.45.0, --lowvram --fast fp16_accumulation主模型 minimax_h3_ref2va_pruned_int8_convrot.safetensors(INT8 ConvRot)文本编码器 qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors视频 / 音频 VAE minimax_h3_video_vae_int8_convrot/minimax_h3_audio_vae_fp32LoRA pika_h3_flex_ref2va_v1_bf16.safetensors,strength 1.0Attention 画布节点 SageAttentionPatch,backend=sage(SageAttention 2.2.0,源码自编译)采样 lcm+ManualSigmas7 分界点(6 步):1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0分辨率 / 长度 WHResolution预设1344 x 768 — 16:9 横屏;PrimitiveFloat12.0 s → 吸附 17 帧网格 = 294 帧Seed 20261114(两条完全相同) 参考图 6 张( input/1.jpeg…6.jpeg),ref_image_size = match提示词(两版只差第一行风格前缀)
(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.2D 版把首行前缀换成
(Style: 2D traditional anime),其余正文逐字相同。六图参考与工作流
- 走
MiniMaxH3ReferenceToVideo的自动增长槽位,ref_image_0 … ref_image_5六个槽全部连了LoadImage(1.jpeg…6.jpeg),没有把它当首尾帧模型用。 vae与audio_vae都接上,参考图进 latent 而非仅作用于文本编码器。- 工作流:
/home/ubuntu/ai/ComfyUI/user/default/workflows/H3-参考图生视频(6张参考图).json - 提交方式:以 history 里已有的成功 API 图为基线,只改
PrimitiveStringMultiline.value(风格+正文)、RandomNoise.noise_seed、SaveVideo.filename_prefix,其余节点逐字不动;脚本/home/ubuntu/ai/run_h3_ab.py。
H3-参考图生视频(6张参考图).json
真实耗时
运行 提交时刻 用时( execution_start→execution_success)显存观察峰值 温度峰值 功耗峰值 GPU 平均利用 3D CGI 19:47:54 366.97 s 15,626 MiB 73.3 °C 335.35 W 94 % 2D 动画 19:54:03 367.60 s 15,626 MiB 74.4 °C 340.82 W 95 % - 两条相差 0.63 秒(0.17%) —— 换风格对耗时没有实质影响,耗时只由「分辨率 × 帧数 × 步数」决定。
- 两段合计约 734.6 秒(12 分 15 秒),不含排队、抽帧与写报告。
- 口径说明:用时含模型加载与 VAE 解码,不是纯采样时间;history 不保存逐节点耗时,所以本文不给「采样 x 秒 / 条件 x 秒 / 解码 x 秒」的拆分。
- 遥测为
nvidia-smi -l 2的 2 秒间隔采样(每条 184 个点),是观察峰值,不是 CUDA 分配器精确峰值;温度/功耗同理。 - 日志里采样阶段可见
6 步 × 约 53.4 s/步的进度条,另有约 53 秒的模型初始化与解码时间计入总时长。
加速手段:SageAttention 2.2.0(挂在画布上,不重启服务)
- 自写节点
SageAttentionPatch(custom_nodes/comfyui_sage_attention/),内部调核心get_attention_function("sage")+model.set_model_optimized_attention(),位置在LoRA → Sage → BasicGuider。 - 安装时踩了两个真实报错:源码默认
-std=c++17与 torch 2.14 要求的 C++20 冲突;CUDA 13 toolkit 里没有cusparse.h(用 pip 的nvidia/cu13/include补路径)。 - 内核微基准(本机 5080,sm_120,warmup 后 30 次平均):
形状 SageAttention 2.2.0 PyTorch SDPA 比值 B1 H8 L2048 D64 0.19 ms 0.10 ms 0.54×(偏慢) B2 H16 L4096 D64 0.54 ms 1.25 ms 2.30× B1 H32 L8192 D128 3.82 ms 10.23 ms 2.68× - 本次没有跑关掉 sage 的对照组,所以「366.97 / 367.60 秒」是开着 sage 的绝对值,不是相对收益;加速百分比本文不给。要算百分比,需要同 seed、同参数、旁路该节点再跑一次。
画面验收与限制
抽帧方式:每 2 秒一帧拼 6 格缩略图,另单独看
0.2 s / 9.5 s / 11.8 s三个全分辨率时间点。3D CGI 版
- 质感属实:体积光、材质高光、地面反射都在,人物有轻微的「手办/3D 渲染」表面感。
- 身份一致:红衣白袴持刀(剑心)与紫衣长髮(志志雄)全程未变装、未换脸。
- 动作覆盖:低角度突进 → 火焰横扫与中心碰撞冲击波 → 快速环绕 → 末帧双人正面持械,构图完整。
- 不足:背景偏「影棚灰底 + 火星」,与提示词里的 "Dramatic background" 相比偏干净;中段贴身相持时间略长。
2D 传统动画版
- 质感属实:黑色线稿 + 平涂 + 分层赛璐璐阴影,火焰与背景是绘制的渐变,明显区别于 3D 的体积感。
- 身份、动作阶段与 3D 版一一对应,末帧同样是双人正面。
- 不足:火墙与背景的渐变偏平滑,接近「渲染型 2D」而非手绘;环绕段人物仍偶有轻微运动糊。
两版共同限制
- 只做了抽样帧目视 + 整片解码验证,不等于逐帧零瑕疵。
- 音频只核对了轨道存在与解码(AAC 32 kHz 立体声),没有做人耳听评。
- 同 seed 只能保证「随机起点相同」,2D/3D 两条画面内容不完全相同属正常,不能当成像素级对照。
复现
带六参考图的工作流 : /home/ubuntu/ai/ComfyUI/user/default/workflows/H3-参考图生视频(6张参考图).json
参考图 : /home/ubuntu/ai/ComfyUI/input/{1,2,3,4,5,6}.jpeg
A/B 运行脚本 : /home/ubuntu/ai/run_h3_ab.py固定项:seed
20261114、lcm、6 步 sigmas、1344×768、294 帧、ref_image_size=match、LoRA 1.0、sage 后端。其他项目
- 2D跑出来和3D几乎没差别,换了个Lora既H3_Ref2V_Anime_Slider_v1重跑了2D版本,其他所有节点相同。
- 未做 sage 开/关 A/B → 不给加速百分比。
- 未测逐节点耗时 → 不拆分采样/条件/解码。
- 显存/温度/功耗是 2 秒采样观察峰值,不是精确峰值;过程峰值 15,626 MiB 已接近 16,303 MiB 上限,说明这两条是在显存边缘跑完的。

- 走
-
-
版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!