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] AMD Ryzen AI Max+ 395 统一内存 124 GiB|MiniMax H3 一剑双版:剑心 VS 志志雄(3D CGI / 2D 传统动画)|一条 29 分钟

[H3剑心比赛] AMD Ryzen AI Max+ 395 统一内存 124 GiB|MiniMax H3 一剑双版:剑心 VS 志志雄(3D CGI / 2D 传统动画)|一条 29 分钟

已定时 已固定 已锁定 已移动 优秀 AI音视频画图
amdminimax视频生成
3 帖子 3 发布者 83 浏览
  • 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。
  • ServicesS
    ServicesS
    Services
    编写于 最后由 编辑
    #1

    前言

    一台 AMD Ryzen AI Max+ 395 迷你主机,124 GiB 统一内存,没有独立显存。同一个工作流、同一个 seed、同一批官方参考图,只换提示词首行的风格前缀,跑出 3D CGI 与传统 2D 动画两版 12 秒成片。

    两条都没有分段、没有拼帧、没有二次插帧:294 帧一次生成,4 步蒸馏采样,一条 29 分 35 秒 / 29 分 40 秒。

    • 3D CGI 成片:https://youtu.be/uGTPbueBr4Y
    • 2D 传统动画成片:https://youtu.be/MD-a8tDzb9Y

    硬件 / 软件环境

    项 值
    主机 单机,AMD Ryzen AI Max+ 395 / Radeon 8060S(gfx1151)
    内存 统一内存 124 GiB,GTT 上限 96–103 GiB
    系统 Linux
    推理栈 ROCm 版 PyTorch + ComfyUI 0.38.0,没有 CUDA、没有 CoreML
    输出 h264 + aac 32 kHz 立体声,24 fps

    整机没有独立显存,53 GiB 的峰值全靠 GTT(系统内存划给 GPU 的窗口)撑着;启动时加 --highvram,让 19.5 GiB 的 DiT 常驻,避免每步来回搬运权重。

    模型档案

    • minimax_h3_fl2va_pruned_int8_convrot.safetensors — 19.5 GiB(Ref2VA 基座,INT8)
    • qwen3vl_32b_minimax_h3_int8_convrot.safetensors — 26 GiB(Qwen3-VL-32B 文本/视觉编码器,INT8)
    • minimax_h3_video_vae_fp16.safetensors + minimax_h3_audio_vae_fp32.safetensors — 视频 / 音频 VAE
    • 4 步蒸馏 LoRA:minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors

    参考图走比赛题目给的 6 张(<Picture 1>–<Picture 6>),先逐张核对哈希,确认没有错位:

    • Picture 1–3 → 剑心(橙红刺发、左颊十字疤、红色羽织、白色袴)
    • Picture 4–6 → 志志雄(绷带缠绕的面部与四肢、紫色长袍、尖刺发髻)

    ![参考图对照]
    ref-contact.jpg

    关键参数(两条片子除 Style 之外完全一致)

    项 3D 版 2D 版
    风格前缀 (Style: 3D CGI) (Style: 2D traditional anime)
    模型 minimax_h3_fl2va_pruned_int8_convrot 同
    文本 / 视觉编码器 qwen3vl_32b_minimax_h3_int8_convrot 同
    分辨率 1344 × 768 同
    帧数 294(12.25 s @ 24 fps) 同
    采样 euler / simple,4 步(turbo LoRA) 同
    cfg 1.0 同
    Shift / Audio Shift 12 / 3 同
    seed 42 42
    参考图尺寸 ref_image_size=match 同
    稀疏注意力 Sol-Attn,tau=1.3,start_percent=0.2 同
    注意力后端 CK flash attention(--use-ck-attention) 同
    音频 模型原生音频,aac 32 kHz 立体声 同

    为什么 124 GiB 能一次跑完 294 帧

    1. 4 步蒸馏 LoRA:基座要 50 步,套上 turbo LoRA 后 4 步出片,这是最大单项加速,也是"一条半小时"和"一条三小时"的分界。
    2. Sol-Attn 稀疏注意力:BlockSparseAttention,selection=sol-attn,tau=1.3,start_percent=0.2,min_tokens=12288,sinks 用 exact_kv_and_rows。124 帧 @1344×768 实测 575.2 s → 484.3 s(1.19×),抽帧逐张比对无画质差异。
    3. CK flash attention:全程开启,替代默认 SDPA。
    4. 文本/视觉编码器固定到 CPU:gfx1151 上视觉塔的 conv 在 ROCm 会崩(见踩坑 ②),改到 CPU 只编码一次,DiT 采样仍在 GPU,GTT 反而更宽裕。

    补充一句:SageAttention 也试过,更慢且画质漂移,已弃用。

    带 6 张参考图后序列长度从 73k 涨到 95 607 token(6 个 ref_img 段 + text / audio / video),4 步采样共 21 分钟出头,单步 283–509 s/it。

    实测耗时

    版本 Prompt executed 墙钟 4 步采样 编码 + VAE + 其余 峰值 GTT 主机 RSS
    3D 00:29:35 1776.2 s 1268 s(21:08) 约 508 s 53.0 GiB 30.6 GiB
    2D 00:29:40 1785.8 s 1264 s(21:04) 约 522 s 53.7 GiB 33.8 GiB

    两条几乎同时长:2D 版多出的 9.6 s 落在编码与 VAE 解码上,采样反而略快 4 s——风格前缀对计算量没有实质影响,只改变模型先验。

    成片校验

    项 3D 2D
    分辨率 1344 × 768 1344 × 768
    帧率 / 帧数 24 fps / 294 帧 24 fps / 294 帧
    时长 12.25 s 12.25 s
    视频编码 h264 h264
    音频 aac 32 kHz 立体声,非静音 同
    文件大小 13.9 MB 12.8 MB

    直接在 1344×768 采样,无缩放、无补帧、无裁切。帧数取 294 是因为 H3 要求 帧数 % 17 == 5,294 是 12 s 档最接近的合法值。

    Prompt(统一英文,只切 Style)

    3D 版:

    (Style: 3D CGI) 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.
    <Character reference: Jianxin is <Picture 1>, <Picture 2>, <Picture 3>. Zhizhixiong is <Picture 4>, <Picture 5>, <Picture 6>. Keep their faces, hairstyles and costumes exactly as shown.>
    

    2D 版:首行换成 (Style: 2D traditional anime),其余一字不差。

    <Picture N> 是 H3 原生的 1-based 引用标签,节点侧 ref_images.ref_image_0..5 按同样顺序绑定。

    工作流

    节点链(API 格式 JSON 见附件 workflow-3d.json / workflow-2d.json,两版只差提示词与文件名):

    UNETLoader (h3_fl2va_pruned_int8_convrot)
    CLIPLoader (qwen3vl_32b_minimax_h3_int8_convrot)
      ├─ LoraLoaderModelOnly (fl2v_turbo_4step_v1.0_768p, strength 1.0)
      ├─ BlockSparseAttention (Sol-Attn, tau=1.3, start_percent=0.2)
      └─ MiniMaxH3SigmaShift (video 12 / audio 3)
    MiniMaxH3ReferenceToVideo (1344×768, length 294, ref_image_size=match)
      └─ KSampler (4 步, euler/simple, cfg 1.0, seed 42)
           ├─ VAEDecode (video) ─┐
           └─ VAEDecodeAudio ────┴─ CreateVideo (24 fps) → SaveVideo
    

    6 个 LoadImage 分别接到 ref_images.ref_image_0 … ref_image_5。导入 JSON 即可还原整张节点图。

    画面对照

    两版都完成了 prompt 要求的动作:红衣剑客突进、火焰横扫反击、中央交锋、低角度环绕运镜、结尾双方持刃相对。

    • 3D 版:材质光滑、光影立体,接近三维渲染质感;火星与火焰柱构成包围式构图,轮廓光明显。
    • 2D 版:线条清晰、色块分明,典型赛璐璐手绘调性;剑刃交错与橙黄光带形成对角线构图,红发剑士与缠脸紫袍对手的对决更"动画化"。

    2D 版压力更大——平面化最容易把脸型和服装简化掉,实测十字疤、绷带和紫袍都在,但环境火焰的层次比 3D 版单薄,这是风格化本身的代价。

    两个值得记录的坑(都很隐蔽)

    ① autogrow 子输入必须用点号 key,否则参考图静默失效。

    MiniMaxH3ReferenceToVideo.ref_images 是 autogrow 输入,API 格式里子输入 key 必须是 ref_images.ref_image_0 这种点号形式。一开始写成嵌套对象 {"ref_images": {"ref_image_0": ...}},执行器直接丢弃、ref_images=None,不报错也不告警,出片是"通用仙侠"形象。对照组实验里"有参考图"和"完全没有参考图"两版视频逐位相同(meanabsdiff = 0.000),才确认参考图从未生效。

    ② gfx1151 上视觉编码器 conv 必崩,把编码器放 CPU 解决。

    接线修好后,Qwen3VL 视觉塔的 patch-embed conv 在 ROCm 上稳定崩溃:先是 tpp.c:86 (__pthread_tpp_change_priority) glibc 断言 abort,限制 OMP_NUM_THREADS 后变成 segfault,栈顶固定在 comfy/text_encoders/qwen3vl.py preprocess_embed → qwen35.py:472。与图片张数无关(1 张也崩)。最终把文本/视觉编码器固定在 CPU(text_encoder_device() 加环境变量开关,H3_TE_CPU=1),只编码一次,DiT 采样仍在 GPU,问题消失。

    复现

    同环境(gfx1151 + ROCm PyTorch + ComfyUI 0.38.0 + 上述四个权重)用同一 prompt、同一 seed、同一工作流重跑即可复现:seed 42,4 步,294 帧。

    需要留意的三点:

    • 内存下限是刚需:权重 19.5 + 26 GiB,加 95 607 token 的 4 步采样,峰值 GTT 53 GiB。
    • 4 步 turbo LoRA 是 768p 档训练的,再往上堆分辨率采样时间会非线性上升(1280×768 单步 395–577 s),交互可用的上限就是 832×480–1344×768。
    • 音频是模型原生输出,不要额外混音;CreateVideo 里 24 fps 与 294 帧要对齐,否则时长会漂。

    附件

    • workflow-3d.json / workflow-2d.json:完整 API 工作流workflow-3d.json
      workflow-2d.json

    • log-3d.png / log-2d.png:完整运行日志截图(含 4 步进度条与 Prompt executed Total Time)
      log-3d.png
      log-2d.png

    • frames-3d.jpg / frames-2d.jpg:关键帧(0 s / 6.7 s / 10 s)
      frames-3d.jpg
      frames-2d.jpg

    参考图版权归原作者,本贴仅用于比赛展示。

    1 条回复 最后回复
    1
    • terryT
      terryT
      terry
      易有太极
      编写于 最后由 terry 编辑
      #2

      过审,动作画面太慢了。本来不予加优秀,但是画面非常好,破格一次。
      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
      • XiaoteX
        XiaoteX
        Xiaote
        易有太极
        编写于 最后由 编辑
        #3

        ✅ 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 e3169-5324-1

        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

        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