[H3剑心比赛] Apple M5 Pro 24 GB 统一内存|MiniMax H3 3D / 2D
-
3D CGI 成片:https://youtu.be/R_-uyZRA8Vo
传统 2D 动画成片:https://youtu.be/HORH2lSGiPU工作流:3D(完整 JSON 见附件
h3-contest-3d.vpipeline,同源截图如下)

工作流:2D(完整 JSON 见附件
h3-contest-2d.vpipeline,同源截图如下)

3D 命令行截图(含 Total Time):

2D 命令行截图(含 Total Time):

画面对照(同一提示词、同一 seed、同一规格,只换 Style 词):

硬件:Mac mini,Apple M5 Pro,24 GB 统一内存(CPU/GPU 共享),macOS 27.2。GPU 后端 Metal(非 CUDA / 非 ROCm)。推理框架 vpipe,本地部署,非云 API。
工作流:MiniMax H3 Ref2VA,帖子提供的 6 张参考图全部使用,统一提示词只换风格词,固定 seed 20261115。两版直接在 1344×768 采样,288 帧 / 24 fps / 12.00 秒。H3 内部把时序对齐到 294 帧,导出前裁到 288 帧(容器级 stream copy,不重编码、不缩放、不补帧、不空间裁切)。
加速:Apple Silicon 路线没有 CUDA 专属的 SageAttention / CK flash / SOL Attention。本路线实际启用的是等价手段:
i8_gemm: true—— 8-bit 整数 GEMM 取代 FP16 GEMM,本机最大单点提速- 8-bit 权重仿射分组量化(group 64):主模型 8-bit;AdaLN 调制层(13B/33B)强制 8-bit
- AdaLN 按步数预烘焙:51 个调制投影(13216 MB)预烘焙成 212 MB 查表,不再逐步流式计算
- Metal 分块流式加载 DiT:50 个块 × 390 MB,按 wire budget 换入换出
unload_when_idle:33B 编码器与双 VAE 用完即卸,给 768p 去噪腾内存
日志证据:
baked AdaLN for 8 steps (23 rows) -- 51 projections (13216 MB of weights) replaced by 212 MB of tables, and no longer streamed per step residency probe 50 blocks of 50 (390 MB each, 13654 MB reclaimable, wire budget 18186 MB) -- uncapped, the wire budget is the gate关于 SageAttention 的如实说明:本路线没有启用
sage_attn—— 1344×768 下序列长度超出其限制,vpipe 会自动关闭它并打印相应提示。这是 24 GB 机器跑 768p 的必然结果,不是故障,因此不计入加速手段。版本 Total Time 首次前向 启动内存画像 ffprobe 验证 3D 2 h 38 m(墙钟 9491 s) 100706 rows / 5738 ms 24576 MB RAM,12607 MB idle 1344×768 · 24 fps · 288 帧 · 12.00 s 2D 2 h 24 m(墙钟 8660 s) 100706 rows / 4834 ms 24576 MB RAM,16909 MB idle 1344×768 · 24 fps · 288 帧 · 12.00 s Total Time 从流水线启动到 MP4 封装完成,涵盖模型加载、文本与参考图编码、采样、音视频 VAE 解码和封装。ffprobe 与完整回读在计时之后。
规格自证(证明是 1344×768 下的 12S)
[INFO] GenerateVideoStage('generate-video'): emitted MiniMax-H3 latents #1 -- video [24, 87, 48, 84] + audio [2, 32, 480] [INFO] AudioVaeDecodeStage('audio-vae-decode'): decoded clip #1 -- 480 latent frames -> 2 x 384000 samples (12.00 s at 32000 Hz)- H = 48 × 16(VAE 空间下采样)= 768 px 高
- W = 84 × 16 = 1344 px 宽
- T = 87 → 288 帧
对照同机历史日志(同一行):124 帧 →
video [24, 37, 48, 84];241 帧 →[24, 72, 48, 84];544p 124 帧 →[24, 37, 34, 60](H=34 / W=60 对应 544×960,证明该维确实是像素 ÷ 16)。音轨:H3 音画同生,音频与视频 latent 在同一次去噪循环里同步生成,不是外挂音频(外挂既违背「必须用 MiniMax H3 跑」,也无法与画面动作节奏同步)。原生输出响度 −21.89 / −22.31 LUFS,比 YouTube 标准(−14 LUFS)低约 8 dB;交付版做标准响度归一化(两遍 loudnorm + 30 Hz 高通)→ −14.67 / −14.41 LUFS,真峰值 −0.85 / −1.89 dBTP。视频流逐比特未动:修复前后视频流 MD5 完全一致(
352c8e89…/eb5eb0f1…),-c:v copy无损直传,画质与生成结果 100% 相同。画面对比:两版都呈现了剑心突进、火焰反击、碰撞冲击、快速环绕和志志雄向前指剑。3D 版材质、体积光与景深更明显;2D 版剑心与场景更接近赛璐璐 / 动漫上色,但志志雄与背景仍带明显 3D 渲染感,不能当成纯手绘 2D。这与参考图本身的构成有关——6 张里剑心的 2 张是 2D 动画立绘,志志雄的 3 张全是 3D 手办渲染。
另外如实说明一点:参考图通道做的是身份语义绑定,不是风格迁移。提示词里我只写了粗粒度的「红色外套 / 白色裤子 / 紫色长袍」,而「红发高马尾、白色头巾、腿部绷带、黑靴」这类细节全部来自参考图——这也是判断参考图真的生效的依据。
两版均通过全片解码,AAC 音轨非静音;成品是否采纳以 Terry 审核为准。
完整可复现材料(本帖附件)
- 工作流 JSON(3D):h3-contest-3d.vpipeline
- 工作流 JSON(2D):h3-contest-2d.vpipeline
- 3D 完整运行日志:vpipe-3d-full.log
- 2D 完整运行日志:vpipe-2d-full.log
- 参考图预处理前后:短边 768 / 4:4:4 无色度下采样 / 质量 96
在 Terry 的原比赛主题 回帖:
参赛帖 ID:https://lcz.me/topic/3131
3D YouTube:https://youtu.be/R_-uyZRA8Vo
2D YouTube:https://youtu.be/HORH2lSGiPU
硬件、工作流 JSON、加速配置、Total Time、完整 CLI 日志:见本帖附件 -
,
0 01 ltzc 引用了 此主题
-
-
-
3D CGI 成片:https://youtu.be/R_-uyZRA8Vo
传统 2D 动画成片:https://youtu.be/HORH2lSGiPU工作流:3D(完整 JSON 见附件
h3-contest-3d.vpipeline,同源截图如下)

工作流:2D(完整 JSON 见附件
h3-contest-2d.vpipeline,同源截图如下)

3D 命令行截图(含 Total Time):

2D 命令行截图(含 Total Time):

画面对照(同一提示词、同一 seed、同一规格,只换 Style 词):

硬件:Mac mini,Apple M5 Pro,24 GB 统一内存(CPU/GPU 共享),macOS 27.2。GPU 后端 Metal(非 CUDA / 非 ROCm)。推理框架 vpipe,本地部署,非云 API。
工作流:MiniMax H3 Ref2VA,帖子提供的 6 张参考图全部使用,统一提示词只换风格词,固定 seed 20261115。两版直接在 1344×768 采样,288 帧 / 24 fps / 12.00 秒。H3 内部把时序对齐到 294 帧,导出前裁到 288 帧(容器级 stream copy,不重编码、不缩放、不补帧、不空间裁切)。
加速:Apple Silicon 路线没有 CUDA 专属的 SageAttention / CK flash / SOL Attention。本路线实际启用的是等价手段:
i8_gemm: true—— 8-bit 整数 GEMM 取代 FP16 GEMM,本机最大单点提速- 8-bit 权重仿射分组量化(group 64):主模型 8-bit;AdaLN 调制层(13B/33B)强制 8-bit
- AdaLN 按步数预烘焙:51 个调制投影(13216 MB)预烘焙成 212 MB 查表,不再逐步流式计算
- Metal 分块流式加载 DiT:50 个块 × 390 MB,按 wire budget 换入换出
unload_when_idle:33B 编码器与双 VAE 用完即卸,给 768p 去噪腾内存
日志证据:
baked AdaLN for 8 steps (23 rows) -- 51 projections (13216 MB of weights) replaced by 212 MB of tables, and no longer streamed per step residency probe 50 blocks of 50 (390 MB each, 13654 MB reclaimable, wire budget 18186 MB) -- uncapped, the wire budget is the gate关于 SageAttention 的如实说明:本路线没有启用
sage_attn—— 1344×768 下序列长度超出其限制,vpipe 会自动关闭它并打印相应提示。这是 24 GB 机器跑 768p 的必然结果,不是故障,因此不计入加速手段。版本 Total Time 首次前向 启动内存画像 ffprobe 验证 3D 2 h 38 m(墙钟 9491 s) 100706 rows / 5738 ms 24576 MB RAM,12607 MB idle 1344×768 · 24 fps · 288 帧 · 12.00 s 2D 2 h 24 m(墙钟 8660 s) 100706 rows / 4834 ms 24576 MB RAM,16909 MB idle 1344×768 · 24 fps · 288 帧 · 12.00 s Total Time 从流水线启动到 MP4 封装完成,涵盖模型加载、文本与参考图编码、采样、音视频 VAE 解码和封装。ffprobe 与完整回读在计时之后。
规格自证(证明是 1344×768 下的 12S)
[INFO] GenerateVideoStage('generate-video'): emitted MiniMax-H3 latents #1 -- video [24, 87, 48, 84] + audio [2, 32, 480] [INFO] AudioVaeDecodeStage('audio-vae-decode'): decoded clip #1 -- 480 latent frames -> 2 x 384000 samples (12.00 s at 32000 Hz)- H = 48 × 16(VAE 空间下采样)= 768 px 高
- W = 84 × 16 = 1344 px 宽
- T = 87 → 288 帧
对照同机历史日志(同一行):124 帧 →
video [24, 37, 48, 84];241 帧 →[24, 72, 48, 84];544p 124 帧 →[24, 37, 34, 60](H=34 / W=60 对应 544×960,证明该维确实是像素 ÷ 16)。音轨:H3 音画同生,音频与视频 latent 在同一次去噪循环里同步生成,不是外挂音频(外挂既违背「必须用 MiniMax H3 跑」,也无法与画面动作节奏同步)。原生输出响度 −21.89 / −22.31 LUFS,比 YouTube 标准(−14 LUFS)低约 8 dB;交付版做标准响度归一化(两遍 loudnorm + 30 Hz 高通)→ −14.67 / −14.41 LUFS,真峰值 −0.85 / −1.89 dBTP。视频流逐比特未动:修复前后视频流 MD5 完全一致(
352c8e89…/eb5eb0f1…),-c:v copy无损直传,画质与生成结果 100% 相同。画面对比:两版都呈现了剑心突进、火焰反击、碰撞冲击、快速环绕和志志雄向前指剑。3D 版材质、体积光与景深更明显;2D 版剑心与场景更接近赛璐璐 / 动漫上色,但志志雄与背景仍带明显 3D 渲染感,不能当成纯手绘 2D。这与参考图本身的构成有关——6 张里剑心的 2 张是 2D 动画立绘,志志雄的 3 张全是 3D 手办渲染。
另外如实说明一点:参考图通道做的是身份语义绑定,不是风格迁移。提示词里我只写了粗粒度的「红色外套 / 白色裤子 / 紫色长袍」,而「红发高马尾、白色头巾、腿部绷带、黑靴」这类细节全部来自参考图——这也是判断参考图真的生效的依据。
两版均通过全片解码,AAC 音轨非静音;成品是否采纳以 Terry 审核为准。
完整可复现材料(本帖附件)
- 工作流 JSON(3D):h3-contest-3d.vpipeline
- 工作流 JSON(2D):h3-contest-2d.vpipeline
- 3D 完整运行日志:vpipe-3d-full.log
- 2D 完整运行日志:vpipe-2d-full.log
- 参考图预处理前后:短边 768 / 4:4:4 无色度下采样 / 质量 96
在 Terry 的原比赛主题 回帖:
参赛帖 ID:https://lcz.me/topic/3131
3D YouTube:https://youtu.be/R_-uyZRA8Vo
2D YouTube:https://youtu.be/HORH2lSGiPU
硬件、工作流 JSON、加速配置、Total Time、完整 CLI 日志:见本帖附件
版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!