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
Max WangM

Max Wang

@Max Wang
体面乡绅
取消关注 关注
关于
帖子
11
主题
2
分享
0
群组
1
粉丝
0
关注
0

帖子

最新 最佳 有争议的

  • 【H3剑心比赛】 Intel Arc Pro B70 32 GB 单卡本地跑 MiniMax H3:3D + 2D
    Max WangM Max Wang
    AI音视频画图 b70pro intel 视频生成

    两条视频都是在一张 Intel Arc Pro B70(32 GB)上用 ComfyUI 本地生成的,没用云端,也没用 N 卡。
    统一提示词只把第一行的风格改成 (Style: 3D CGI animation) 或 (Style: 2D traditional anime),其余原样保留,没有加参考图编号标签。

    • 3D 版:https://youtu.be/AzPE66jdKjc
    • 2D 版:https://youtu.be/1_W0JfrQo9E

    1. 硬件配置

    项目 配置
    显卡 Intel Arc Pro B70 32 GB(Battlemage G31),主板 CPU 直连槽,PCIe 5.0 x16
    CPU Intel Core i5-13600K
    内存 128 GB DDR4
    系统 Ubuntu 26.04.1 LTS,内核 7.0.0-43
    GPU 驱动 compute-runtime(Level Zero / OpenCL)26.40.40196.15,IGC 2.42.14,oneAPI 2026.1
    功耗 默认功耗墙,没有超频或解锁;采样时显卡平均约 295 W、2.2 GHz,核心最高 72 °C

    2. 工作流(JSON 附后)

    workflow_2D_api_seed2026111403.json
    workflow_3D_api_seed2026111404.json

    只用 ComfyUI 内置节点,结构和官方 MiniMax H3 Ref2VA 模板一致:

    UNETLoader → MiniMaxH3ReferenceToVideo(参考图 + 提示词)→ RandomNoise / BasicGuider / KSamplerSelect(res_multistep) / BasicScheduler(simple, 20 步) → SamplerCustomAdvanced → VAEDecode + VAEDecodeAudio → CreateVideo(24 fps) → SaveVideo

    项目 3D 版 2D 版
    主模型 minimax_h3_ref2va_pruned_int8_convrot 同左
    文本编码器 qwen3vl_32b_minimax_h3_int8_convrot 同左
    VAE minimax_h3_video_vae_int8_convrot + minimax_h3_audio_vae_fp32 同左
    采样 res_multistep,simple,20 步(官方默认),不用加速 LoRA 同左
    分辨率 / 时长 1344×768,12 秒 同左
    参考图 6 张全部,ref_image_size = max 剑心 2D 图 2 张 + 志志雄 1 张,ref_image_size = match
    种子 2026111404 2026111403
    提示词 统一提示词,风格行改为 3D CGI animation 统一提示词,风格行改为 2D traditional anime

    关于 12 秒:H3 的帧数必须是 17k+5,所以模型生成 294 帧,解码后用 ImageFromBatch 保留前 288 帧,音频用 TrimAudioDuration 裁到 12.00 秒,最终是 24 fps × 288 帧 = 12.00 秒。

    2D 版只用了 3 张参考图,原因:用全部 6 张时,志志雄的两张 3D 手办图会把画面后半段带成 3D 质感;去掉后整片能保持 2D 画风。

    3. 加速手段

    这次以画质优先,没用任何减步数的加速 LoRA,也没开 SOL 稀疏注意力。只做了 Intel 显卡这边的运行环境优化:

    • PyTorch 2.15 XPU 版 + oneAPI 2026.1:原生 Intel GPU 后端。
    • Intel OmniXPU(omni_xpu_kernel 0.2.0b3,CUTE 注意力后端):在 B70 上替换注意力、归一化、RoPE 和 int8 线性层的计算核。
    • int8 convrot 权重:主模型、32B 文本编码器和视频 VAE 都用 int8,32 GB 显存装得下,也省带宽。
    • comfy-aimdo 0.6.0 DynamicVRAM:模型权重按需在显存和内存之间调度,避免 32 GB 显存不够时报错,--reserve-vram 4。
    • comfy-kitchen 0.2.40:XPU 版本的量化和计算核。
    • ComfyUI 0.44.0:只加了一处本地补丁,让视频 VAE 解码前先卸载其他模型,避免解码时显存溢出到共享内存。

    4. 运行日志(Total Time)

    截图里的关键行:

    3D 版
    log_3D.png

    Device: xpu:0 Intel(R) Arc(TM) Pro B70 Graphics
    100%|██████████| 20/20 [49:19<00:00, 147.77s/it]
    Prompt executed in 00:51:17
    [VIDEO CHECK] ... 1344x768, 288 frames @ 24 fps = 12.00 s, audio aac 32 kHz 2ch
    

    2D 版
    log_2D.png

    Device: xpu:0 Intel(R) Arc(TM) Pro B70 Graphics
    100%|██████████| 20/20 [41:13<00:00, 123.54s/it]
    Prompt executed in 00:42:21
    [VIDEO CHECK] ... 1344x768, 288 frames @ 24 fps = 12.00 s, audio aac 32 kHz 2ch
    

    Prompt executed in 是 ComfyUI 从收到任务到保存视频的总时间,包括加载模型、编码参考图和提示词、20 步采样、视频和音频解码以及保存。[VIDEO CHECK] 行是生成后用 PyAV 读取成片得到的实际分辨率、帧数和时长。

    注:YouTube 显示 0:13 是平台转码后取整造成的,原文件为 288 帧 @ 24 fps = 12.00 秒,见日志中 [VIDEO CHECK] 一行。

    两版用时差 9 分钟,主要应该是因为 3D 版用了 6 张、尺寸为 max 的参考图,模型要处理的参考 token 更多。

    5. 一点心得

    • 同样的设置,换个种子结果差别很大(比如结尾有没有两人一起面向镜头)。我先用 864×480 跑 12 秒的低分辨率草稿挑方向,再跑正式分辨率。
    • 草稿和正式版分辨率不同,同一个种子到正式版画面也会变,所以草稿只能用来判断方向,不能当成正式版的预览。
    • 2D 风格最容易出的问题是后半段被 3D 参考图带偏,减少 3D 参考图后好很多。
    • Pika 6 步 LoRA 速度快很多(864×480 草稿约 3.5 分钟),但在这条提示词上,两人对刀那段总会停住好几秒,所以正式版还是用了官方 20 步。

  • MiniMax H3 视频三卡实测:RTX PRO 5000 / R9700 / Arc Pro B70,Pika 六步 + 各自官方加速
    Max WangM Max Wang
    AI音视频画图 rtxpro5000 r9700 b70pro

    新人报到!最近也是在做B70的测试,纠结要不要退掉。。。把贴主的测试复测了一下:
    完全按帖子里 B70 的设置:主模型 minimax_h3_fl2va_pruned_int8_convrot,文本编码器 qwen3vl_32b_minimax_h3_int8_convrot,视频 VAE int8_convrot,音频 VAE fp32;LoRA pika_h3_flex_fl2va_v1_bf16(强度 1.0);lcm 6 步,sigma 设为 1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0;BasicGuider,CFG 1.0,不加 shift;124 帧,24 fps;提示词用官方 T2VA 模板自带的;先用 seed 7 预热一轮,再用 seed 12345 正式计时。计时从提交到完成,包含文本编码、采样、VAE 解码和音频封装。SOL 用 ComfyUI 自带的 BlockSparseAttention 节点:sol-attn,tau 1.3,start 0.2,end 1.0,min_tokens 12288,extra_tokens 256,exact_kv_and_rows。

    分辨率 配置 我的总耗时 我的每步 帖子总耗时 帖子每步
    864×480 不开 SOL 48.07 s 6.16 s/it 48.04 s 5.89 s/it
    864×480 SOL Attention 45.07 s 5.67 s/it 44.03 s 5.25 s/it
    1344×768 不开 SOL 170.4 s 24.89 s/it 172.1 s 24.8 s/it
    1344×768 SOL Attention 131.0 s 17.42 s/it 126.07 s 17.1 s/it
    • 和帖子的差距在 ±4% 以内。稀疏路径的 token 数也完全一样:864×480 是 15787,1344×768 是 38098。
    • SOL 带来的提速:864×480 是 1.07 倍,1344×768 是 1.30 倍;帖子分别是 1.09 倍和 1.37 倍。
    • 测试期间 B70 平均功耗 265 W,平均频率 2375 MHz,88% 的采样点处于 PL2 功耗墙;芯片最高 72 °C。
    • 我的环境是原生 venv(ComfyUI 0.44、PyTorch 2.15),帖子用的是容器(ComfyUI 0.43、PyTorch 2.14),平台也不一样(13600K 对 TRX40),但结果基本一致。

    目前自己的测试下来B70表现不错,就是跑高分辨率长流程会一直撞功耗墙,278 W、PL2 降频,频率只有 2183 MHz。之前测试的Wan 14B 1280×704会有一样的问题。不知道贴主有没有遇到功耗墙限制?


  • 【H3剑心比赛】RTX 5090 32GB,DDR5,3分56秒出片
    Max WangM Max Wang
    AI音视频画图 rtx5090 minimax 视频生成

    @tester12340 应该是说这个3d视频的效果不够立体,种子方向过于偏向参考图里的2d立绘了


  • 【H3剑心比赛】 Intel Arc Pro B70 32 GB 单卡本地跑 MiniMax H3:3D + 2D
    Max WangM Max Wang
    AI音视频画图 b70pro intel 视频生成

    @terry 谢谢鼓励!最近还测试了这张卡跑Xestrata (Strata 专门针对Intel优化的分支) 的数据,之后会整理发出

  • 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