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】R9700 32 GB 单卡|MiniMax H3 3D / 2D

【H3剑心比赛】R9700 32 GB 单卡|MiniMax H3 3D / 2D

已定时 已固定 已锁定 已移动 优秀 AI音视频画图
r9700minimax视频生成
5 帖子 3 发布者 254 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。
  • alan.lgv60A
    alan.lgv60A
    alan.lgv60
    硕果累累 体面乡绅
    编写于 最后由 alan.lgv60 编辑
    #1

    志在参与学习,不太懂怎么调整影片,请大家多多指教!

    一、视频链接

    • 3d风格:<YouTube 链接·3D> 链接文本
    • 2d风格:<YouTube 链接·2D> 链接文本

    二、软硬件配置

    项目 配置
    GPU AMD Radeon AI PRO R9700 32 GB,gfx1201(单卡)
    功耗上限 230 W
    CPU / 内存 Xeon E5-2696 v4 / 125 GB
    ComfyUI 0.41.0
    ROCm 7.2.4
    PyTorch 2.12.1+rocm7.2
    comfy-kitchen 0.2.38

    三、工作流

    • 3D:[ui_workflow_lcz3045_3d.json] ui_workflow_lcz3045_3d.json
    • 2D:[ui_workflow_lcz3045_2d.json] ui_workflow_lcz3045_2d.json

    (两份都是 ComfyUI 里 File → Open 直接开的前端工作流,22 节点;2D 与 3D 只差提示词第一行的风格描述)

    四、加速手段

    • 4-bit W4A8 权重(11.68 GiB,官方 int8 版 19.53 GiB 在此画布会 OOM)
    • 4 步 Turbo ref2v LoRA(0.70)
    • comfy kitchen attention(同一台机实测:115.6 s/it;换回 SDPA/AOTriton flash 是 359.9 s/it,差 3.1×)
    • 文字编码器 device=cpu + 图上挂 VRAMCleanup,采样前腾出 15 GB 显存

    五、生成速度

    第一轮(3D 风格) 第二轮(2D 风格)
    每步耗时 115.8 s/it 115.6 s/it
    纯采样 7 分 43 秒 7 分 42 秒
    端到端 11 分 52 秒 11 分 48 秒
    文件 final_1344x768_288f_12s.mp4(18.3 MB) final_1344x768_288f_12s.mp4(20.3 MB)

    • 日志截图(ComfyUI 服务端 stdout,含每步 s/it 与 Prompt executed)
      第一轮(3D 风格)
      shot_run_3d.png

    第二轮(2D 风格)
    shot_run_2d.png

    1 条回复 最后回复
    0
    • ,alan.lgv60A alan.lgv60 引用了 此主题
    • terryT
      terryT
      terry
      易有太极
      编写于 最后由 terry 编辑
      #2

      太糊了,不予通过,重发可以继续评审。

      油管:https://www.youtube.com/@抡锤者

      alan.lgv60A 1 条回复 最后回复
      0
      • terryT terry

        太糊了,不予通过,重发可以继续评审。

        alan.lgv60A
        alan.lgv60A
        alan.lgv60
        硕果累累 体面乡绅
        编写于 最后由 编辑
        #3

        @terry

        【H3剑心比赛】R9700 32 GB 单卡 20 步重发|MiniMax H3 3D / 2D

        这是重发。上一帖(topic/3089)的评审原话是:「太糊了,不予通过,重发可以继续评审」。

        特别是快速动作时,画面特别糊,试着改善动态模糊的情况。

        上一版的配置是 4-bit W4A8 权重 + 4/8 步蒸馏 LoRA + kitchen INT8 注意力,11:52/条。
        这一版改成官方 int8 权重 + 20 步、不用蒸馏 LoRA,端到端 2:23:04(3D)/ 2:22:43(2D)——慢 12 倍,换取细节。
        两版的差别在细节清晰度;快动作拖影两版都有,第六节只写已确认的事实与我未确认的部分。

        一、视频链接

        • 3d风格:<YouTube 链接·3D>
        • 2d风格:<YouTube 链接·2D>

        二、软硬件配置

        项目 配置
        GPU AMD Radeon AI PRO R9700 32 GB,gfx1201(单卡)
        功耗上限 230 W
        CPU / 内存 Xeon E5-2696 v4 / 125 GB
        ComfyUI 0.41.0
        ROCm 7.2.4
        PyTorch 2.12.1+rocm7.2
        comfy-kitchen 0.2.38

        三、工作流

        • 3D:[ui_workflow_lcz3045_3d.json]ui_workflow_lcz3045_3d.json
        • 2D:[ui_workflow_lcz3045_2d.json]ui_workflow_lcz3045_2d.json

        (两份都是 ComfyUI 里 File → Open 直接开的前端工作流,21 节点:官方 int8 权重、20 步、无蒸馏 LoRA;
        2D 与 3D 只差提示词第一行的风格描述。回读验证过节点与 1344 / 768 / 294 / match 全部正确。)

        四、加速手段

        不用加速。这一版走画质优先,做法与 topic/3105、3114 相同:

        • 官方 int8 权重 minimax_h3_ref2va_pruned_int8_convrot(19.53 GiB),不用 4-bit、不用蒸馏 LoRA
        • 20 步,res_multistep + simple,BasicGuider(无 CFG 第二趟)
        • Dynamic VRAM 异步卸载(--reserve-vram 4,不加 --disable-smart-memory):19.5 GiB 权重放不进 32 GB,
          日志原文是 loaded partially; 7796.80 MB loaded, 12199.34 MB offloaded(其余权重在主机内存,
          由 ComfyUI 的 Dynamic VRAM 机制按需调度)
        • 视频 VAE 用 fp16、音频 VAE 保持 fp32

        五、生成速度

        第一轮(3D 风格) 第二轮(2D 风格)
        每步耗时 357.6 s/it 356.9 s/it
        纯采样 1 小时 59 分 11 秒 1 小时 59 分 06 秒
        端到端 2 小时 23 分 04 秒 2 小时 22 分 43 秒
        显存 权重 7,796 MB 驻留 / 12,199 MB 卸到内存 同
        文件 final_1344x768_288f_12s.mp4(18.1 MB) final_1344x768_288f_12s.mp4(20.7 MB)

        两条都是 seed 2026111402、20 步、6 张官方参考图全用、无蒸馏 LoRA。
        音轨峰值 3D −0.53 dBFS / 2D −0.59 dBFS,无削波(解成 float 再量)。
        比加速版慢 12 倍(11:52 → 2:23),这是「画质优先」的代价——与 topic/3114 作者那句「我选的是画质,不是速度」同一路线。


        • 日志截图(ComfyUI 服务端 stdout,含每步 s/it 与 Prompt executed)
          shot_run_3d.png
          shot_run_2d.png

        六、快动作拖影:已确认的事实与未确认的部分

        结论先讲:这一版的快速动作段仍然有拖影。我没有查出确切成因。
        下面是已经验证的事实、做过的尝试,以及我无法确定的地方。

        6.1 已确认(可在代码/日志里核对)

        • H3 的时序压缩比:comfy/sd.py 里 H3 视频 VAE 的定义是
          downscale_ratio = (lambda a: max(1, (a - 5) // 17 * 5 + 2), 16, 16),注释写「frames 17k+5 <-> latents 5k+2」。
          按此计算,294 帧 ↔ 87 个 latent 帧,平均每个 latent 帧对应 3.38 个画面帧。
        • 这一版的成片:1344×768 / 288 帧 / 24 fps / 12.000 s / AAC 32 kHz,ffprobe 与 compliance.txt 均通过;
          20 步、357 s/it、端到端 2:23:04(3D)/ 2:22:43(2D)。
        • 满速拖影是肉眼可见的:在 0.75–1.0 秒的突进段,刀身与衣摆呈现两三个姿势叠合、带笔触状纹理的画面。

        6.2 已尝试、肉眼上没有明显改善(同机、同 seed 或同参数对照)

        变量 试过的值 观察
        注意力后端 comfy kitchen(INT8)/ SDPA-AOTriton flash 画面对比无差别
        调度器 simple / beta / normal / res_multistep 无差别
        步数 4 / 8 / 20(含关掉蒸馏 LoRA) 步数越高细节越好,但快动作拖影仍在
        蒸馏 LoRA ref2v 4step v0.1 / 8step v1.0 / larryvrh pruned EMA / turbo v4-600 细节有差,拖影无差
        动作 LoRA Combat V2 @0.3 / Motion_Repair_V2 @0.3 静态帧细节提升,动态拖影仍在
        参考图数量 6 张 / 2 张(模仿 topic/3049) 2 张反而更差
        VAE int8 convrot / fp16 无差别

        关于量化指标的说明:过程中我用「Laplacian 方差」当锐利度指标,后来发现它不可靠——
        干净平滑的画面分数低(例如官方 int8 版 32–57),糊掉带噪的画面分数反而高(211–306)。
        上表结论以肉眼对成片的判断为准,不引用该指标。

        6.3 尝试过但未完成的修复路线

        我安装了 ComfyUI-MAINodes 的 Motion Lab(de-rope:
        把快动作段按整数倍撑开重画,再用精确抽帧回到原速,不做补帧/变速),并接到 Ref2VA 图上跑通到倒数第二步:

        • 56 帧 / 640×352 的测试在 2,431 秒后于 H3ExactRecover 断言失败:撑开后长度 80 帧不在 H3 的 17k+5
          网格上(合法值是 73 或 90),需要把 expand_to_end 设为 True 才能对齐。
        • 更关键的成本问题:撑开后的 VAE 编码在 32 GB 卡上约 7 秒/帧,2.3 秒的测试片段就吃掉 40 分钟;
          12 秒全长外推需要数小时,且几乎必然 OOM。该套件在 RTX PRO 6000 / 96 GB 上的公开数据是 12 分钟。

        6.4 我不确定的部分

        拖影的确切成因,我没有验证出来。 目前有两种解释,我的数据不足以区分:

        1. 时序容量不足:3.38 帧/latent 的压缩比起伏,快动作段需要在一个 latent 里表达多个姿势。
          这是 MAINodes 文档给出的解释(原文:「One latent token spans four pixel frames…the missing poses were
          never generated in the first place」),我只是引用,没有证明。
        2. 模型学到的动态模糊:H3 可能被训练成快动作自带电影式动态模糊,那它是风格而非缺陷。

        能区分两者的实验我还没做:需要在相同的每帧位移量下改变时长/帧率来分离「位移/帧」与「位移/latent」。

        1 条回复 最后回复
        0
        • terryT
          terryT
          terry
          易有太极
          编写于 最后由 编辑
          #4

          通过初审,20积分奖励比赛结束后统一发放。

          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
            #5

            ✅ 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 e3089-2037-1

            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