[H3剑心比赛] RTX 5080 16 GB 单卡|MiniMax H3 Ref2VA 3D / 2D(官方权重,20 步,不加速)
-
3D CGI 成片:https://youtu.be/v_rxFEW-KYY
传统 2D 动画成片:https://youtu.be/Rx3XUqPWGYA
工作流(ComfyUI API JSON):H3_3D_workflow_api.json、H3_2D_workflow_api.json(附件 / 证据包)
Total Time 日志、ffprobe 校验、关键帧对比:见下方,附件里有完整日志文本这两条是一次生成、没有剪接拼接的结果:每条视频只做了一件后处理,就是把模型一次输出的 294 帧取前 288 帧(12.000 秒)并重新编码。我选的是画质,不是速度:不用蒸馏 LoRA,不用任何加速。
硬件与环境
项目 内容 GPU NVIDIA GeForce RTX 5080 16 GB(ComfyUI 报告 Total VRAM 15902 MB),功耗限制 300 W CPU / 内存 Intel Core Ultra 7 265K / 2×48 GB DDR5-6400(ComfyUI 报告 RAM 95917 MB) 系统 Debian 13(命令行,无桌面),内核 7.2.12,NVIDIA 驱动 620.70.06 软件 ComfyUI 0.45.0(原生 MiniMax H3 节点),Python 3.13.5,PyTorch 2.14.1+cu130,前端 1.59.1 其他 运行中 nvidia-smi观察到显存约 15.4–15.6 GB(非连续采样,不是严格峰值)模型与工作流
- 模型:MiniMax H3 Ref2VA,
Comfy-Org/MiniMax-H3官方 ComfyUI 版本- 扩散模型
minimax_h3_ref2va_pruned_int8_convrot.safetensors(19.5 GB) - 文本编码器
qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors(14.6 GB) - 视频 VAE
minimax_h3_video_vae_fp16.safetensors,音频 VAEminimax_h3_audio_vae_fp32.safetensors
- 扩散模型
- 图结构与官方
video_minimax_h3_r2v模板一致:UNETLoader → BasicGuider;MiniMaxH3ReferenceToVideo(ref_image_size = match)出条件和空潜变量;SamplerCustomAdvanced采样;VAEDecode+VAEDecodeAudio→CreateVideo(24 fps)→SaveVideo。 - 采样:
res_multistep,调度器simple,20 步,种子 2026111402(3D、2D 相同)。没有 LoRA,没有 SigmaShift,没有 CFG(权重本身是 CFG 蒸馏的)。 - 分辨率 1344×768;节点长度 294 帧(H3 的 17k+5 帧网格)。导出后用 ffmpeg 取前 288 帧 / 12.000 秒(H.264 CRF 12,AAC 192 kbps)。没有缩放、补帧、裁切、剪接。
加速手段
没有。 没有蒸馏 LoRA,没有 SageAttention / SOL Attention,没有 INT4 / W4A8 权重,没有分块 MLP;注意力是 ComfyUI 默认的 PyTorch attention。16 GB 显存放不下 19.5 GB 扩散模型加 14.6 GB 编码器,靠 ComfyUI 自带的 Dynamic VRAM / 异步权重卸载(日志里有
DynamicVRAM support detected and enabled),96 GB 内存承担卸载。提示词
正文用比赛统一提示词原文,只把第一行的风格标签换成
(Style: 3D CGI animation)或(Style: 2D traditional anime)。在最前面加了一行图片对应说明(没有加任何动作描述):3D 版(6 张图,按主帖顺序):
<Picture 1> and <Picture 2> are 2D anime artwork of the red-clad swordsman (Jianxin), used for his face, hair, scar and costume details; <Picture 3> is a 3D figure render of the red-clad swordsman (Jianxin); <Picture 4>, <Picture 5> and <Picture 6> are 3D figure renders of the purple-robed warrior (Zhizhixiong).2D 版(5 张图):
<Picture 1> and <Picture 2> are 2D anime artwork of the red-clad swordsman (Jianxin); <Picture 3>, <Picture 4> and <Picture 5> are 3D figure renders of the purple-robed warrior (Zhizhixiong), used only for his appearance and costume.说明:六张参考图里剑心 1、2 是 2D 立绘,剑心 3 和志志雄 1–3 是 3D 手办图。2D 版按 terry 在 #8 的说法不用 3D 的剑心图,所以少用一张;志志雄没有 2D 图,只能用 3D 手办图,因此 2D 版的志志雄仍带一些 3D 手办质感。
Total Time(ComfyUI 日志
Prompt executed in)版本 Total Time 其中 20 步采样 ffprobe 校验 3D 00:45:31(2731 s) 44:35(133.8 s/步) 1344×768 · 24 fps · 288 帧 · 12.000 s,音轨 AAC 2D 00:43:50(2630 s) 42:47(128.4 s/步) 1344×768 · 24 fps · 288 帧 · 12.000 s,音轨 AAC 计时口径:从提交任务到 MP4 写完,含文本和参考图编码、采样、视频/音频解码和封装;不含 ComfyUI 进程启动和后面的 ffmpeg 裁剪重编码。完整日志见附件
comfyui_run_log_excerpt.txt(用户名和 IP 已抹掉)。画面
- 3D 版:开场是剑心拿剑的大特写,随后是突进、火焰反击,中央碰撞时有一团爆炸火花和冲击,环绕镜头里带一圈火环,结尾两人同框都面向镜头,志志雄的剑指向镜头,剑心伸臂持剑。
- 2D 版:赛璐璐线条更明显,开场剑光划过镜头,碰撞有火花和冲击,中间有一个志志雄脸部的特写,环绕镜头有火环,结尾两人同框面向镜头,志志雄的剑指向前方。
- 不足:提示词写的是“低角度跟拍开场”,3D 版开场实际是剑心大特写;剑心的“落地”动作不明显;2D 版志志雄脸部特写那几帧边缘有点粗糙,志志雄整体仍带手办的 3D 质感。
我试过的其他配置(都是整条重跑,没有剪接)
同一提示词、同一参考图、同一种子(除注明外 2026111402),
match参考尺寸:配置 Total Time 观察 20 步,无 LoRA(本帖) 3D 45:31 / 2D 43:50 碰撞和环绕最清楚,没有重影,结尾正确 官方 4 步 Turbo LoRA v0.1 3D 10:01 / 2D 9:38 快 4.5 倍,结构基本对,环绕镜头有糊影/拖尾,个别帧发虚 lightx2v 8 步 Ref2VA LoRA v1.1(Euler,shift 12/3) 3D 18:56 / 2D 18:12 结尾很清楚,但中段碰撞/环绕的火焰拖影、重影和网格噪点比 4 步还重 lightx2v 8 步 Ref2VA LoRA v1.0(同上,仅 3D) 18:55 中段同样糊,结尾志志雄的剑朝下 20 步,种子 2026111401(3D,不同种子) 45:45 画面清楚,但最后约 2 秒收成志志雄的静态全身像、剑心消失,疑似复制了志志雄 1 号参考图 只试了两个种子(2026111401、2026111402),样本很小,不能说明哪种配置“普遍更好”,只代表这个提示词和这几张图上的情况。
为什么 16 GB 慢:20 步时每步约 128–134 s,大头是步数多和模型需要在内存与显存间搬运;3047 帖里 5070 Ti 用 6 步 LCM + Pika LoRA + SOL Attention 只要 390 s。我没有拆分各因素的占比。
复现
# ComfyUI >= 0.45;官方权重 Comfy-Org/MiniMax-H3 里上面列出的 4 个文件; # 把 6 张参考图放到 ComfyUI/input/,文件名见 API JSON 里 LoadImage 节点 python main.py --listen 127.0.0.1 --port 8188 python run_h3.py --style 3D --tag h3_3d --seed 2026111402 --ref-size match --refmap --steps 20 python run_h3.py --style 2D --tag h3_2d --seed 2026111402 --ref-size match --refmap --steps 20run_h3.py会把完整的 API 图存成runs/<tag>.api.json,同样的 JSON 可以直接 POST 到/prompt。我没有验证这份 API JSON 能不能直接拖进 ComfyUI 界面。注:MiniMax H3 社区许可对本地输出的商用另有规定,本作品仅用于本次比赛。
- 模型:MiniMax H3 Ref2VA,
-
日志:comfyui_run_log_excerpt.txt
2D 工作流:H3_2D_workflow_api.json
3D 工作流 H3_3D_workflow_api.json -
,
H Holy Wen 引用了 此主题
-
-
版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!