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] 单张 RX 7900 XTX 跑 MiniMax H3 参考生视频:1344×768 / 12秒带声音,22分钟半

[H3剑心比赛] 单张 RX 7900 XTX 跑 MiniMax H3 参考生视频:1344×768 / 12秒带声音,22分钟半

已定时 已固定 已锁定 已移动 优秀 AI音视频画图
7900xtxminimax视频生成
3 帖子 3 发布者 1.1k 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。
  • Ang LeeA
    Ang LeeA
    Ang Lee
    体面乡绅
    编写于 最后由 编辑
    #1

    最近比较忙,没有太多时间搞comfyui,但受邀请了,就赶鸭子做一个出来吧。这次生成不会把画面推去极致,时间成本会是一个考量。
    基本上这个工作流是以前用到现在,没有特地为这次的主题去优化,还是导演台节点 + Turbo Lora + Comfy Kitchen + Spectrum + SelfLift去加速生成,生成时间大概是22 分 – 23 分
    下面所有数字都是这台机器上实测的。

    测试平台

    部件 具体型号
    主板 Gigabyte TRX40 AORUS PRO WIFI
    CPU AMD Ryzen Threadripper 3960X,24 核 48 线程(Zen 2)
    内存 125 GiB DDR4 四通道
    显卡 ASUS Radeon RX 7900 XTX 24 GiB(RDNA3 / gfx1100),PCIe 4.0 x16,功耗上限 315 W
    系统盘 500 GB SSD(Ubuntu + ComfyUI + venv)
    模型盘 1 TB NVMe(模型、输出、缓存都在这里)
    系统 Ubuntu 24.04.5 LTS,内核 6.8.0-149-generic,in-tree amdgpu 驱动
    计算栈 ROCm 7.2.4(gfx1100)

    软件栈

    项目 版本 / 配置
    ComfyUI 0.45.0(frontend 1.58.5)
    PyTorch 2.14.1+rocm7.2
    comfy-kitchen 0.2.41(hip backend 生效,attention 走它)
    自定义节点 ComfyUI_MiniMaxH3_Director
    注意力后端 comfy kitchen attention
    启动参数 --reserve-vram 2,不加 --disable-pinned-memory,不加 expandable_segments

    reserve-vram 这一项对速度影响很大,单独在第四节给出三档实测。expandable_segments:True 在 ROCm 7.2 上
    会在第一个 VAE 编码就 OOM(分配器报「已分配 0 B」),它实际只适用于 CUDA。

    模型

    角色 文件 大小
    UNET minimax_h3_ref2va_pruned_int8_convrot.safetensors 20 GB(int8 + pruned)
    文本编码器 qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors 15 GB(32B,nvfp4 AWQ)
    视频 VAE minimax_h3_video_vae_fp16.safetensors 4.9 GB
    音频 VAE minimax_h3_audio_vae_fp32.safetensors 578 MB
    3D latent 提升网络 minimax_h3_latent_upscaler_3d_conv_v1_bf16.safetensors 659 MB(345M 参数)
    加速 LoRA minimax_h3_fl2v_lightx2v_turbo_8step_v1.0_resized_avg_rank_24_bf16.safetensors 348 MB

    工作流配置(4 步高清这一档)

    项目 值
    任务类型 r2v(参考主体生视频),6 张参考图
    分辨率 / 时长 1344×768,294 帧 @24 fps = 12.25 秒
    步数 / cfg 8 步 / cfg 1.0
    采样器 / 调度器 res_multistep / simple
    shift(视频 / 音频) 12 / 3
    加速 LoRA lightx2v turbo 8-step,strength 1.0
    加速技术 turbo LoRA + comfy-kitchen attention + Spectrum(开启)
    SelfLift 渐进采样 低清 0.5×(672×384)→ 4 步低清 → 3D latent 提升 → 4 步高清
    3D 提升 latent_upscaler_3d_conv_v1,rho 0(纯 3D 提升),时间分块开(chunk 24 / overlap 5)
    高清分块 2 块,128 px 重叠
    音轨 audioMode = generate(模型生成音轨,不是外部配乐)
    面部精修 FaceRefine 关闭(开启时为 8 步 / 768² 画布 / denoise 0.40)

    耗时实测

    阶段 用时 每步
    参考图 VAE 编码 + prompt 编码 ~1:30 —
    低清一采,4 步 @ 672×384 1:44 26.1 s
    3D latent 提升(87 个 latent 帧,chunk 24) ~20 s —
    高清二采,4 步 @ 1344×768,2 块分块 16:32 248 s
    VAE 解码 294 帧 ~1:47 —
    音频 VAE 解码 + 写盘 + 混流 ~1:00 —
    合计 22:50

    同配置连跑三条:22:29 / 22:50 / 22:53(风格不同:2D 动画参考 vs 3D CGI 参考),差异不到 1%。

    结论与感想

    生成时间几乎全压在两个地方:SelfLift高清二采(16:32,占 72%)。 SelfLift低清一采只要 1 分 44 秒 ——
    它的作用是便宜地定构图和姿态,不是出细节。所以任何「想快」的念头都应该先看这两块,而不是动低清阶段或采样器。但本身再加上Turbo Lora的8步,因为步数少,所以会更容易导致画面模糊或幻影,设置上可以谨慎考虑使用该节点或调高高清步数(highres_steps)。

    Face Refine 的时间成本单独算。 8 步、768² 画布、denoise 0.40,约 13 分钟,是关闭时的 58% 增量。
    实测没有什么效果,毕竟是针对小人脸场景,不适于本次场景。

    Refine节点。 这次就不加了,但你可以加当你需要精细化你的第一次生成的视频。

    把片子切成多段拼接,省不出时间。 采样耗时对帧数是次线性的(实测指数约 1.2),切一半只省约 13% 采样时间,
    而每多一段要付 1.5–4 分钟固定开销(模型换入换出 + VAE 解码)。实测每帧总成本:294 帧 7.47 秒/帧,73 帧 8.00 秒/帧
    —— 短片段反而更贵。分段的正当理由只有缓解显存,不是提速。

    提升器(3D latent upscaler)不是白装的,但它会静默失败。 它在提升那一刻需要约 7 GiB,而此时 20 GB 的 UNET
    还占着约 18 GB,分配失败后节点只打一条 warning 就退回双线性插值 —— 整条片子照常跑完,只是没用上 3D 网络。
    判定方法:日志里要看到 H3 latent upscale ... 672×384 latent → 84x48,如果出现 falling back to bilinear
    就说明退回插值了。修法是在提升前先卸掉扩散权重(ComfyUI 会在高清阶段自动重新加载),代价约 20 秒。

    RAM使用情况。 全程没有超过60GB。

    感想:这次的画面还可用。虽然有点糊。一次生成12秒有点极限了,通常也不会那么做。就当给你们一个参考吧。

    视频

    剑心2D:
    Youtube Video

    剑心3D:
    Youtube Video

    复现

    # ComfyUI 启动(其它参数按你自己的目录改)
    cd ~/ComfyUI
    .venv/bin/python main.py --listen 0.0.0.0 --port 8188 \
      --models-directory /path/to/models \
      --output-directory /path/to/output --input-directory /path/to/input \
      --user-directory /path/to/user \
      --reserve-vram 2 --disable-auto-launch
    

    工作流
    2D: H3Contest_Jianxin_2D_1344x768_12s.json
    3D: H3Contest_Jianxin_3D_1344x768_12s.json

    1 条回复 最后回复
    2
    • ,Ang LeeA Ang Lee 引用了 此主题
    • terryT
      terryT
      terry
      易有太极
      编写于 最后由 terry 编辑
      #2

      非常好!
      通过初审,20积分奖励将在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
      1
      • 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 e3190-802-1

        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