<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title><![CDATA[（含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！]]></title><description><![CDATA[<p dir="auto"><a href="https://live.csdn.net/v/538773" rel="nofollow ugc">https://live.csdn.net/v/538773</a><br />
<a href="https://live.csdn.net/v/538774" rel="nofollow ugc">https://live.csdn.net/v/538774</a><br />
<img src="https://upload.lcz.me/uploads/2292ed6b-1763-4fc5-9757-8e706cdb1ca5.png" alt="微信图片_20260807230933_1276_8.png" class=" img-fluid img-markdown" /><br />
我的配置，你对号入座<br />
先看看咱俩是不是一个赛道的。我的机器是RTX 4070 Laptop（8G显存），内存32GB，系统是Windows。按理说这配置在炼丹圈属于“低保户”，但事实证明完全够用。只要你显卡是8G显存（比如4060、4070笔记本或桌面卡），内存有32G，这篇教程就可以直接抄。</p>
<p dir="auto">先看疗效，再说怎么吃<br />
我知道你们最关心速度，直接上干货（都是我机器上实跑的数据）：</p>
<p dir="auto">裸跑（啥优化没有）：生成一段832x480的5秒视频，每步耗时18秒，总共干了6分钟。这时候确实慢得想砸电脑，别急，这是8G显存被20多G的模型逼着“换层”的正常现象。</p>
<p dir="auto">优化拉满（抄我作业后）：同样的分辨率，直接干到2分30秒整段出片。你没看错，从6分钟压到2分半。</p>
<p dir="auto">如果贪心点想跑1080P（1024x576）：时间会涨到大概9分钟，画质确实好，但建议偶尔玩玩，平时还是用480p图个快。</p>
<p dir="auto">提速三板斧（这才是核心）<br />
网上优化教程一大堆，大部分都是瞎扯。我实测下来，真正有用的就这三板斧，按收益排序，第一招不搞，后面全白搭。</p>
<p dir="auto">第一招（最大杀器）：换torch cu130 + comfy-kitchen<br />
这个你们可能看不懂，直接抄命令就行。原理就是让显卡走硬件反量化，不然就是软件在那瞎算，一步17秒死活下不来。这一条不做，后面的TeaCache和SageAttention都是摆设。</p>
<p dir="auto">第二招（白捡三倍速）：挂上MiniMaxH3 TeaCache<br />
这玩意儿纯Python写的，不修改核心文件，安全又稳。你就把它当成一个插件，一头插在模型加载器上，另一头插在采样器前面就行。作者实测从306秒干到102秒，咱们8G卡收益更大。</p>
<p dir="auto">第三招（锦上添花）：SageAttention 1.0.6<br />
注意！这里有个血泪教训：千万锁死1.0.6版本，千万别手贱升级到2.2.0，否则直接CUDA崩溃给你看。Windows用户还需要装个triton-windows，不然跑不起来。</p>
<p dir="auto">整个加速链路的连接顺序我给你们摆出来了，照着连：</p>
<p dir="auto">UNETLoader → PatchSageAttentionKJ(auto) → MiniMaxH3 TeaCache → SigmaShift(12/3) → KSampler → DecodeAndSaveVideo</p>
<p dir="auto">模型怎么选？直接说我的组合<br />
模型选不对，8G显存直接爆。我试了一堆组合，这套是速度和画质的黄金平衡点：</p>
<p dir="auto">主模型：一定要下那个带pruned_int8_convrot后缀的，大小大概19.5GB。别下66G的BF16原版，那不是咱这配置该想的事。</p>
<p dir="auto">文本编码器：选nvfp4_awq这个版本，14.6GB，专门给40系显卡优化的。</p>
<p dir="auto">VAE：视频用fp16，音频用fp32，别问为什么，抄就完了。</p>
<p dir="auto">这套组合拳打下来，模型精度肉眼几乎看不出来损失，但显存从60G+被干到了21G，8G卡就能塞进去跑。</p>
<p dir="auto">懒人专用：一键便携包（解压即用）<br />
我知道你们看到装环境、敲命令行就头疼。我把整个项目——包括Python运行环境、ComfyUI、上面的模型、所有加速节点——全部打成了一个自包含包。</p>
<p dir="auto">你只需要三步：</p>
<p dir="auto">下载我扔网盘里的压缩包（密码123）。</p>
<p dir="auto">解压到任意盘（建议D盘或E盘，路径别带中文）。</p>
<p dir="auto">双击首次使用-修复路径.bat，等它跑完；然后双击启动ComfyUI.bat。</p>
<p dir="auto">浏览器打开<a href="http://127.0.0.1:8188" rel="nofollow ugc">http://127.0.0.1:8188</a>，把工作流文件夹里的minimax_h3_t2v_8g加速.json拖进去，改改提示词，点击“Queue Prompt”就完了。</p>
<p dir="auto">啥都不用装，解压就能跑。</p>
<p dir="auto">直接抄作业的参数表<br />
怕你们调不明白，我直接把能稳定出片的参数贴出来，对着填就行：</p>
<p dir="auto">主模型：minimax_h3_fl2va_pruned_int8_convrot</p>
<p dir="auto">文本编码器：qwen3vl_32b_minimax_h3_nvfp4_awq</p>
<p dir="auto">分辨率：想快就填832x480，想画质好点填1024x576（必须是32的倍数）</p>
<p dir="auto">帧数：124帧（对应24fps，大概5.17秒）</p>
<p dir="auto">采样步数：固定20步（少于12步音频会爆音，别问怎么知道的）</p>
<p dir="auto">采样器：euler / 调度器：simple</p>
<p dir="auto">CFG：1.0 / denoise：1.0</p>
<p dir="auto">TeaCache参数：rel_l1_thresh设0.15，start设2，end设-2</p>
<p dir="auto">Sigma Shift：视频填12，音频填3（这俩分开填）</p>
<p dir="auto">提示词技巧：想要什么画面就写画面描述，想控制声音就在末尾加指令。比如要背景音乐就写“disco music with driving bass”，不要声音就写“No dialogue, no music”。</p>
<p dir="auto">我踩过的雷，你就别踩了（避坑清单）<br />
最后这点最重要，都是我用时间换来的教训：</p>
<p dir="auto">缓存节点只选一个！ TeaCache、EasyCache、TE-Speed这些，别贪心叠加，选一个用就行，叠多了不仅不加速还容易崩。</p>
<p dir="auto">SageAttention锁死1.0.6，这事儿我说三遍。</p>
<p dir="auto">480p起步，768p封顶。8G卡别一上来就怼1080P，容易抽卡失败，先从480p试水，成功了再往上加。</p>
<p dir="auto">机械硬盘别碰。模型文件几十G，换层频繁，机械盘会卡到你怀疑人生，必须是固态（NVMe SSD）。</p>
<p dir="auto">Turbo LoRA先别碰。那玩意儿还是早期实验版，画质偏软，而且需要非剪枝的主模型（+34GB），咱们8G卡带不动。</p>
<p dir="auto">模型+工作流+一键包下载：<a href="https://pan.baidu.com/s/1BWmwQpjkWLeVQ_8DXy91GA?pwd=xidf" rel="nofollow ugc">https://pan.baidu.com/s/1BWmwQpjkWLeVQ_8DXy91GA?pwd=xidf</a> 密码 xidf</p>
]]></description><link>https://lcz.me/topic/1054</link><generator>RSS for Node</generator><lastBuildDate>Thu, 10 Sep 2026 03:36:38 GMT</lastBuildDate><atom:link href="https://lcz.me/topic/1054.rss" rel="self" type="application/rss+xml"/><pubDate>Fri, 07 Aug 2026 15:12:23 GMT</pubDate><ttl>60</ttl><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Mon, 10 Aug 2026 01:54:28 GMT]]></title><description><![CDATA[<p dir="auto"><a class="plugin-mentions-user plugin-mentions-a" href="/user/williamlouis" aria-label="Profile: williamlouis">@<bdi>williamlouis</bdi></a> 我看了下机制罗 他们那个用的lora 速度不知为啥比我这个不用lora正常20步的还慢不少 视频质量下降已经可以看出来了 还是再等等官方的蒸馏版吧</p>
]]></description><link>https://lcz.me/post/11805</link><guid isPermaLink="true">https://lcz.me/post/11805</guid><dc:creator><![CDATA[bingqin wang]]></dc:creator><pubDate>Mon, 10 Aug 2026 01:54:28 GMT</pubDate></item><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Sun, 09 Aug 2026 21:58:07 GMT]]></title><description><![CDATA[<p dir="auto">刘悦 机制罗 都更新了。需要的可以抄作业</p>
]]></description><link>https://lcz.me/post/11798</link><guid isPermaLink="true">https://lcz.me/post/11798</guid><dc:creator><![CDATA[williamlouis]]></dc:creator><pubDate>Sun, 09 Aug 2026 21:58:07 GMT</pubDate></item><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Sun, 09 Aug 2026 19:12:53 GMT]]></title><description><![CDATA[<p dir="auto"><a class="plugin-mentions-user plugin-mentions-a" href="/user/%E5%91%A8%E6%9D%B0" aria-label="Profile: 周杰">@<bdi>周杰</bdi></a> 能跑，但要有心理准备：吃不到这个一键包的大部分提速优化。</p>
<p dir="auto">核心问题是教程里的"三板斧"基本全是 NVIDIA 向的：</p>
<ul>
<li>第一招 torch cu130 + comfy-kitchen 硬件反量化：CUDA 专用，A 卡没有对应实现</li>
<li>SageAttention：也是 CUDA 生态，ROCm 上支持很有限</li>
<li>唯一通用的是 TeaCache（纯 Python 插件），这个 A 卡能直接用</li>
</ul>
<p dir="auto">6700XT 是 RDNA2（gfx1031），12GB 显存。要注意的是新版 ROCm 对 RDNA2 的支持已经降级，装 ComfyUI ROCm 版时大概率要设 HSA_OVERRIDE_GFX_VERSION 强制指定架构才能跑起来，这一步会卡不少人。另外 H3 模型 FP8 版约 19.5GB，12GB 显存一样要换层（offload），只是比 8GB 卡能多放几层，速度会好一些但不会质变。</p>
<p dir="auto">结论：技术上能跑，但你要自己搭 ROCm 环境，速度也远达不到教程里 2分半 的水平（CUDA 优化基本全废，回到裸跑档）。如果是想省心出片，同预算下 N 卡或者直接云端 API 更现实；如果你就是要折腾 A 卡本地跑，建议参考版里 R9700/7900XTX 的 ROCm 帖子先把环境踩通，再上这个包。</p>
]]></description><link>https://lcz.me/post/11790</link><guid isPermaLink="true">https://lcz.me/post/11790</guid><dc:creator><![CDATA[Xiaote]]></dc:creator><pubDate>Sun, 09 Aug 2026 19:12:53 GMT</pubDate></item><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Sun, 09 Aug 2026 15:17:53 GMT]]></title><description><![CDATA[<p dir="auto">a卡6700xt可以跑不</p>
]]></description><link>https://lcz.me/post/11788</link><guid isPermaLink="true">https://lcz.me/post/11788</guid><dc:creator><![CDATA[周杰]]></dc:creator><pubDate>Sun, 09 Aug 2026 15:17:53 GMT</pubDate></item><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Sat, 08 Aug 2026 13:32:54 GMT]]></title><description><![CDATA[<p dir="auto">原网盘文件夹我做了一个248帧的补丁 增加了几个常用工作流模板 setup.exe文件 需要的请自取</p>
<p dir="auto">版本：2026-08-08.1</p>
<p dir="auto">本补丁只更新 ComfyUI 节点、工作流、启动脚本和说明文件，不包含模型、Python 或 CUDA 依赖，安装包体积很小。</p>
<p dir="auto">适用对象：此前发布的 MiniMax H3 一键便携包（项目根目录包含 <code>ComfyUI\main.py</code>、<code>workflows</code> 和 <code>启动ComfyUI.bat</code>）。</p>
<h2>1. 本次改动和工作流</h2>
<ul>
<li>修复 H3 帧数输入：允许输入任意整数，模型自动对齐到 <code>17k+5</code>。例如 <code>248 -&gt; 260</code> 帧。</li>
<li><code>启动ComfyUI.bat</code> 固定使用 <code>--lowvram</code>，不启用普通 VRAM 模式。</li>
<li>TeaCache 保留 124 帧原有速度/画质默认行为，并修复连续运行时继承上次缓存状态的问题。</li>
<li>TeaCache 增加可选音频守门参数：音频分段漂移检查、连续复用上限和 <code>audio_guard</code>。124 帧默认不启用保守守门，以保持原来的 2–3 分钟速度。</li>
<li>增加/修复以下工作流：
<ul>
<li><code>workflows\minimax_h3_t2v_8g加速.json</code>：124 帧、带声音的默认工作流。</li>
<li><code>workflows\minimax_h3_t2v_248f_低显存无声.json</code>：248 帧测试工作流，默认断开音频输出。</li>
<li><code>workflows\minimax_h3_i2v_first_last.json</code>：单图生视频、首尾帧生视频。</li>
<li><code>workflows\minimax_h3_r2v_multi_image.json</code>：多图片参考生视频，需要额外的 Ref2VA 主模型。</li>
</ul>
</li>
</ul>
<h3>使用方法</h3>
<ol>
<li>启动 ComfyUI 后，把对应 JSON 拖入页面。</li>
<li>124 帧工作流中修改正向提示词，提示词同时描述画面和声音，例如 <code>servo whine, hydraulic movement, metallic impacts, no dialogue</code>。</li>
<li>图生视频工作流只连接第一张图就是普通图生视频；同时连接首帧和尾帧就是首尾帧过渡。</li>
<li>多图参考工作流按连接顺序使用 <code>&lt;Picture 1&gt;</code>、<code>&lt;Picture 2&gt;</code> 等标签。</li>
<li>仍然使用 20 步、832×480 起步；启动方式保持低显存模式。</li>
</ol>
<h2>2. 248 帧声音问题</h2>
<p dir="auto">H3 在 24fps 下会把输入 <code>248</code> 对齐成 <code>260</code> 帧，实际时长约 10.83 秒。当前 TeaCache 会复用视频和音频的联合输出：</p>
<table class="table table-bordered table-striped">
<thead>
<tr>
<th>设置</th>
<th style="text-align:right">实测耗时</th>
<th>结果</th>
</tr>
</thead>
<tbody>
<tr>
<td>260 帧，TeaCache 开启</td>
<td style="text-align:right">492.40 秒</td>
<td>画面正常，声音异常</td>
</tr>
<tr>
<td>260 帧，TeaCache 关闭、20 步全实算</td>
<td style="text-align:right">983 秒</td>
<td>画面和声音正常</td>
</tr>
<tr>
<td>124 帧，原默认 TeaCache</td>
<td style="text-align:right">约 150 秒</td>
<td>480p 约 2–3 分钟，声音正常</td>
</tr>
</tbody>
</table>
<p dir="auto">因此：</p>
<ul>
<li><strong>248 帧默认不要开声音</strong>，使用 <code>minimax_h3_t2v_248f_低显存无声.json</code>。</li>
<li>248 帧确实需要原生声音时，必须关闭 TeaCache：将 <code>rel_l1_thresh</code> 设为 <code>0</code>，或将 <code>max_reuse_steps</code> 设为 <code>0</code>。这会让 20 步全部实算，耗时明显增加。</li>
<li>不要把两个独立生成的 124 帧音频直接拼接到一条 260 帧视频上，声音事件无法保证和画面联合同步。</li>
</ul>
<h2>3. 如何打补丁</h2>
<h3>图形安装</h3>
<ol>
<li>完全关闭 ComfyUI（包括后台 Python 进程）。</li>
<li>双击 <code>MiniMaxH3_Patch_Setup_2026-08-08.exe</code>。<br />
安装器没有商业代码签名证书；若 Windows SmartScreen 提示未知发布者，请先核对补丁包内的 SHA256，再选择“更多信息 → 仍要运行”。</li>
<li>选择项目根目录，也就是包含 <code>ComfyUI\main.py</code> 的目录，例如 <code>E:\MiniMaxH3</code>。</li>
<li>勾选“我已关闭 ComfyUI”，点击“安装补丁”。</li>
<li>安装器会先把旧文件备份到：<br />
<code>项目根目录\patch_backups\MiniMaxH3_patch_版本_时间戳\</code></li>
<li>看到“补丁安装完成”后，重新双击 <code>启动ComfyUI.bat</code>。启动脚本会继续使用 <code>--lowvram</code>。</li>
</ol>
<h3>命令行安装（可选）</h3>
<pre><code class="language-powershell">MiniMaxH3_Patch_Setup_2026-08-08.exe --target E:\MiniMaxH3 --quiet
</code></pre>
<h3>回滚</h3>
<p dir="auto">安装器不会删除模型。需要回滚时，关闭 ComfyUI，把最近一次 <code>patch_backups</code> 子目录中的文件复制回项目根目录即可；安装报告保存在项目根目录的 <code>patch_install_report.json</code>。</p>
<p dir="auto">补丁不修改 <code>models</code> 目录，也不需要重新安装依赖。安装完成后如果页面仍显示旧节点，重启 ComfyUI 即可。</p>
]]></description><link>https://lcz.me/post/11738</link><guid isPermaLink="true">https://lcz.me/post/11738</guid><dc:creator><![CDATA[bingqin wang]]></dc:creator><pubDate>Sat, 08 Aug 2026 13:32:54 GMT</pubDate></item><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Sat, 08 Aug 2026 00:00:16 GMT]]></title><description><![CDATA[<p dir="auto"><a class="plugin-mentions-user plugin-mentions-a" href="/user/botio-kuo" aria-label="Profile: Botio-Kuo">@<bdi>Botio-Kuo</bdi></a> 还在那个网盘里 我新建了一个工作流文件夹</p>
]]></description><link>https://lcz.me/post/11708</link><guid isPermaLink="true">https://lcz.me/post/11708</guid><dc:creator><![CDATA[bingqin wang]]></dc:creator><pubDate>Sat, 08 Aug 2026 00:00:16 GMT</pubDate></item><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Fri, 07 Aug 2026 17:12:15 GMT]]></title><description><![CDATA[<p dir="auto">UNETLoader → PatchSageAttentionKJ(auto) → MiniMaxH3 TeaCache → SigmaShift(12/3) → KSampler → DecodeAndSaveVideo<br />
工作流不是发了吗？和json一样的。Windows 这个一样的。</p>
]]></description><link>https://lcz.me/post/11700</link><guid isPermaLink="true">https://lcz.me/post/11700</guid><dc:creator><![CDATA[williamlouis]]></dc:creator><pubDate>Fri, 07 Aug 2026 17:12:15 GMT</pubDate></item><item><title><![CDATA[Reply to （含依赖一键安装包地址）8G显存笔记本本地跑MiniMax H3视频模型！2分半出片，带声音！ on Fri, 07 Aug 2026 16:41:04 GMT]]></title><description><![CDATA[<p dir="auto"><a class="plugin-mentions-user plugin-mentions-a" href="/user/bingqin-wang" aria-label="Profile: bingqin-wang">@<bdi>bingqin-wang</bdi></a> 大哥感谢你的分享，非常有用的详细解答</p>
<p dir="auto">不过可以单独提供一下工作流 json 档案吗？ 整个压缩包太大了 MODEL 也在里面  <img src="https://lcz.me/assets/plugins/nodebb-plugin-emoji/emoji/android/1f64f.png?v=301515bb865" class="not-responsive emoji emoji-android emoji--pray" style="height:23px;width:auto;vertical-align:middle" title="🙏" alt="🙏" /><img src="https://lcz.me/assets/plugins/nodebb-plugin-emoji/emoji/android/1f3fb.png?v=301515bb865" class="not-responsive emoji emoji-android emoji--skin-tone-2" style="height:23px;width:auto;vertical-align:middle" title="🏻" alt="🏻" /></p>
]]></description><link>https://lcz.me/post/11698</link><guid isPermaLink="true">https://lcz.me/post/11698</guid><dc:creator><![CDATA[Botio Kuo]]></dc:creator><pubDate>Fri, 07 Aug 2026 16:41:04 GMT</pubDate></item></channel></rss>