[H3剑心比赛] RTX 5880 Ada 48G 单卡 · 恶搞版 · Ref2VA + Pika 六步 · 2D / 3D 双版
-
昨天出差贵阳,行程比较紧张,临时远程连家里机器生成了两段。
同一个驱动脚本,2D 和 3D 各一条,1344×768 / 12.00 秒 / 单条直出,不拼接、无二次编码。
2D 动画版:https://youtu.be/94McV1anMCY

3D CGI 版:https://youtu.be/XD2d_HzkBjo

一、这条片子讲了什么
十二秒,五镜:
时间 内容 0–3s 剑心前脚往石板上搓起一蓬沙石,直接糊进志志雄眼睛,趁他睁不开眼贴上去砍:上挑斜斩 + 反手斩 3–6s 志志雄擦亮眼睛暴起反击,四连击(下劈 / 刺 / 火焰横扫 / 再下劈),两人在胸口高度对砍 6–8s 剑心抢出全场最快的高中低三连斩,全被架住,反被震退半步,汗珠甩飞——久攻不下 8–10s 单手架着刀,另一只手伸进衣襟,掏出一把银色沙漠之鹰,拇指压开保险 10–12s 单臂开火,枪口焰照亮半个庭院,志志雄被掀翻、火焰刀脱手,剑心举枪站着,枪口一缕烟 没写"剑气大战",也没让两人满场跑——全程贴在一刀距离内,靠腰、肩、手臂和刀转。
二、硬件
项 值 显卡 NVIDIA RTX 5880 Ada Generation 48G(单卡) 系统 Ubuntu,CUDA ComfyUI 0.39.0,bf16 文本编码 出片方式 294 帧一次生成 → 裁到 288 帧 = 12.00 秒,无拼接、无二次编码 三、规格
- 分辨率 1344×768,24fps,288 帧 = 12.00 秒
(H3 是 17k+5 网格,出 294 帧;尾部 5 帧用ImageFromBatch裁掉,音频用TrimAudioDuration同步裁到 12.00s) - 参考图 六张,2D 与 3D 混用:
<Picture 1~3>剑心:2D 动画全身 / 2D 脸部特写 / 3D 手办<Picture 4~6>志志雄:2D 立绘全身 / 3D 手办 / 3D 火场
ref_image_size = match- 音轨由 H3 原生联合生成(脚步、搓沙、金属碰撞、火焰、枪声),不是后期配的
混用的原因:2D 图的脸最准(脸部特写清晰),3D 手办给的是材质和体块。只喂纯 3D 手办时剑心的脸会被拉成"通用动漫帅哥",加上 2D 脸特写之后 X 刀疤和眼型就回来了。
四、工作流
官方 Ref2VA 路线:
UNETLoader(Minimax-h3_Singularity_ref2va_v2_int8) → LoraLoaderModelOnly(pika_h3_flex_ref2va, 1.0) → LoraLoaderModelOnly(H3_Fight_Flow_V1, 0.9) → LoraLoaderModelOnly(H3_Combat_V2, 0.9) → LoraLoaderModelOnly(Motion_Repair, 0.7) → ModelAttentionBackend(comfy kitchen attention) → BasicGuider CLIPLoader(qwen3vl_32b_minimax_h3_int8_convrot) VAELoader(video fp16) + VAELoader(audio fp32) LoadImage × 6 → MiniMaxH3ReferenceToVideo → LATENT RandomNoise → KSamplerSelect(lcm) → SigmasFromList(七值) → SamplerCustomAdvanced → VAEDecode + VAEDecodeAudio → ImageFromBatch(288) + TrimAudioDuration(12.0) → CreateVideo(24fps) → SaveVideo项 文件 底模 Minimax-h3_Singularity_ref2va_v2_int8.safetensors(31.7G 完整版)文本编码器 qwen3vl_32b_minimax_h3_int8_convrot.safetensorsVAE minimax_h3_video_vae_fp16/minimax_h3_audio_vae_fp32加速 LoRA pika_h3_flex_ref2va_comfy_bf16@1.0动作 LoRA H3_Fight_Flow_V1@0.9、H3_Combat_V2@0.9、Motion_Repair@0.7**工作流 JSON **:
wf_2D_final.json
wf_3D_final.json五、加速手段
手段 具体 Pika 六步蒸馏 KSamplerSelect(lcm)+SigmasFromList七值1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0SageAttention 启动加 --use-sage-attentionKitchen INT8 注意力 ModelAttentionBackend = comfy kitchen attentionint8 convrot 主模型与 32B 文本编码器均 int8 量化 说明 不叠 turbo / DMAD / VBVR / lightx2v —— Pika 本身六步蒸馏,叠了会破坏 sigma 调度 单条 294 帧端到端 474 / 491 秒(含 31.7G 模型加载、六张参考图编码、采样、VAE 解码与落盘)。
六、运行时间
片 开始 完成 Total 2D 13:20:08 13:28:03 474.35 s 3D 13:31:46 13:39:57 490.88 s 
- 分辨率 1344×768,24fps,288 帧 = 12.00 秒
-
-
-

差别是一个打不过了拔枪,一个直接拔枪懒得打

-
-
-

差别是一个打不过了拔枪,一个直接拔枪懒得打

-
-
-
-
-
楼主视频好玩


版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!
