零基础文本转视频MiniMax-H3-Turbo-Lora 的 ComfyUI 部署实战全记录【免费下载链接】MiniMax-H3-Turbo-Lora-Pruned-ComfyUI项目地址: https://ai.gitcode.com/hf_mirrors/Abiray/MiniMax-H3-Turbo-Lora-Pruned-ComfyUI想给一句文字描述配上会动的画面、而且自带同步声音MiniMax-H3-Turbo-Lora-Pruned-ComfyUI 就是为这件事准备的工具。它是一款直接跑在 ComfyUI 里的视频生成方案既能文本转视频也能图像转视频同时还能生成原生 32kHz 立体声音频——不用你再去外面找配音、对口型。下面这份实战记录会带着你从环境准备一路走到出片并把最容易卡住你的四个问题单独拎出来讲透。动手之前先搞清楚这四件事值不值得你花时间问题这个项目给的答案它会干什么文字/图片 → 带同步音频的视频它凭什么快内置 Turbo 版 LoRA轻量适配器采样步数大幅压缩它好在哪音频与画面由同一模型同时生成天然对得上它适合谁有 ComfyUI 基础、想低成本做视频素材的个人创作者 第一次接触LoRA这个词可以把它理解成给模型加的一个小插件不用换掉整个大模型就能改变输出风格或提升效率。项目里的 LoRA 文件已经过剪枝pruned和重格式化可以直接被 ComfyUI 的标准加载节点读取。第一节装备自查先确认你手里有这几样东西本节你将得到一份照着打勾就行的环境清单以及所有模型文件该往哪儿放的完整地图。1.1 最低配置 vs 推荐配置项目最低要求推荐配置备注系统Linux / Windows / macOS同左本文以 Linux 为例Python3.8 及以上3.10主要影响依赖安装是否顺利显卡显存8GB12GB 以上显存越大能开的分辨率越高ComfyUI已安装最新版本老版本可能缺节点定义1.2 三分钟装好项目本体第一步把仓库克隆到本地git clone https://gitcode.com/hf_mirrors/Abiray/MiniMax-H3-Turbo-Lora-Pruned-ComfyUI第二步进入项目目录安装 Python 依赖cd MiniMax-H3-Turbo-Lora-Pruned-ComfyUI pip install -r requirements.txt第三步把项目根目录下的几个.safetensors模型文件复制到 ComfyUI 的 LoRA 目录cp *.safetensors /你的ComfyUI安装路径/models/loras/⚠️ 常见坑很多人栽在找不到模型这一步其实只是放错了目录。ComfyUI 对模型目录有严格约定LoRA 文件必须进models/loras/放错地方界面里就是看不到。1.3 认识仓库里的四份 LoRA 模型文件名训练阶段一句话定位推荐指数minimax_h3_turbo_4step_ckpt500_V1.safetensors第 500 步导出默认工作流用的就是它稳⭐⭐⭐⭐⭐minimax_h3_turbo_4step_ckpt600_V4.safetensors第 600 步导出想尝鲜微调效果可选⭐⭐⭐⭐minimax_h3_turbo_4step_ckpt600_ema_V4.safetensors第 600 步 EMA 版EMA 平滑版画面更稳⭐⭐⭐⭐minimax_h3_turbo_4step_ckpt850_V1.safetensors第 850 步导出训练最久风格更熟⭐⭐⭐ 小贴士ckpt 数字是训练检查点的步数不代表越大越好。建议先用默认的 ckpt500 跑通全流程再逐个替换对比找到你的本命模型。1.4 别忘了基础大模型仓库只提供 Turbo LoRAMiniMax-H3 的主干模型需要按工作流要求准备。工作流里写明的四件套和存放位置如下模型文件类型存放目录minimax_h3_video_vae_fp16.safetensors视频 VAE解码画面models/vae/minimax_h3_audio_vae_fp32.safetensors音频 VAE解码声音models/vae/minimax_h3_fl2va_pruned_int8_convrot.safetensors扩散主模型models/diffusion_models/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors文本编码器读懂你的提示词models/text_encoders/⚠️ 特别注意这个项目同时使用两个 VAE——画面一个、声音一个缺一个都会导致工作流报错或输出残缺。准备文件时别只盯着画面看。第二节第一次运行从加载工作流到按下生成键本节你将得到两条现成工作流的使用方法以及关键节点是干什么的一句话解释。2.1 仓库里的两份工作流怎么选文件用途适合场景Minimax_H3_turbo_workflow.json标准图像转视频首帧尾帧想让两张图之间动起来minimax_h3_t2v_turbo.json纯文本转视频只有描述、没有参考图时加载方法启动 ComfyUI → 点击界面上的Load按钮 → 选中对应 JSON 文件即可节点会自动铺开不用手动接线。2.2 标准工作流里的关键角色MiniMaxH3ImageToVideo核心节点。接收提示词、首帧、尾帧和分辨率输出画面与音频的种子素材。默认提示词是一段女生在书桌前写笔记并轻声哼唱的完整示例可以直接拿来当模板。MiniMaxH3SigmaShift控制生成时间线的偏移旋钮画面和声音各有一个值后面第三节细说。LoraLoaderModelOnly把 LoRA 挂到主模型上默认加载 ckpt500、强度 1.0。两个 VAEDecode一个把潜变量还原成画面一个还原成音频分工明确。 小贴士标准工作流默认是首帧 尾帧模式——你提供开始和结束两张图模型负责补全中间 10 秒的过渡。想只给一张图把尾帧输入断开即可退化成常规图生视频。第三节出片太慢一套参数吃透快与稳本节你将得到一份带显存占用的参数速查表以及不动硬件也能提速的四个开关。3.1 为什么它能比同类方案快视频和音频同时生成本身很吃算力而 Turbo LoRA 的核心作用就是把采样步数压到个位数——步数少了生成轮次自然变少速度就上来了。3.2 参数速查表含新维度参数推荐值显存占用感受适用场景推荐指数视频 Sigma Shift12无感所有场景先锁死它⭐⭐⭐⭐⭐音频 Sigma Shift6无感所有场景先锁死它⭐⭐⭐⭐⭐采样步数8~12步数越多越吃显存从 10 起步卡了再降⭐⭐⭐⭐采样器res_multistep无感官方测试推荐别乱换⭐⭐⭐⭐⭐LoRA 强度0.8~1.8无感效果弱就往上加⭐⭐⭐⭐分辨率1344×768约 0.98MP16:9默认值兼顾画质与速度⭐⭐⭐⭐⭐时长10 秒标准流/ 5 秒T2V 流越长越吃显存先用默认熟练后再加⭐⭐⭐⭐⚠️ 常见坑降步数不等于白嫖。步子迈太大比如直接降到 4画面会糊、声音会崩。想降步数就同步把 LoRA 强度往上抬一点二者是跷跷板关系。3.3 不动硬件的四个提速开关以下加速组件经过官方验证可按需启用SageAttention注意力机制优化工作流里已内置对应补丁节点勾上即可。Sol Attention另一种注意力优化加一个节点、保持默认参数。Gradient在 ComfyUI 设置里开启梯度相关优化。Spectrum添加对应执行加速节点默认配置即可。 小贴士四个可以一起上但建议一次只开一个开完跑一段对比一下既能看到真实收益也能在出问题时快速定位是谁的锅。第四节声音崩了双调度机制与三项检查清单本节你将得到一句人话解释为什么音频会炸以及一份照着做就能修好的排查清单。4.1 问题根源一句话讲清楚MiniMax-H3 用两条完全独立的生成时间线来合成画面和声音。标准采样器处理不了这种双调度稍有不匹配声音就会变成刺耳的静态噪音——注意这不是模型坏了而是设置没对齐。4.2 三项检查按顺序来查 Sigma Shift音频必须恰好是6视频恰好是12。少一位数、多一位数都可能翻车。查采样器组合确认用的是res_multistep搭配工作流自带的调度器别手滑换掉。查步数与强度步数压得太低而 LoRA 强度没跟上音频最容易先崩。先回到步数 10 强度 1.0 的安全区再慢慢试探极限。 小贴士以上三项都正常还出问题把步数往上加一两步再试一次——很多玄学故障其实只是余量不够。第五节画面不达预期提示词四要素与效果对比法本节你将得到一套写提示词的四要素模板和一个能让你公平比较不同模型的测试流程。5.1 把提示词当分镜脚本写别只写一句一个女孩在看书。参考工作流里的示例提示词拆成四个区块效果最好要素写什么示例主体定义人物/物体的外貌、穿着、性格年轻东亚女性黑发扎成松散发髻穿宽松白T恤戴银色项链环境描述场景、光线、氛围明亮温馨的书房清晨阳光透过大窗洒入动作说明动作、镜头运动、时间线镜头缓缓推近她边哼歌边写字音频要求环境音、人声、是否要配乐窗外鸟鸣、翻书写字声、哼唱渐变为轻唱5.2 分辨率怎么选工作流内置了分辨率对照表核心原则是按显存来显存吃紧先从 1056×608约 0.6MP起步默认档位1344×768约 0.98MP16:9 横屏显存充裕往上挑战 1504×832 甚至更高5.3 想对比模型先学会锁变量同时把种子Seed、提示词、分辨率、采样器、工作流全部固定只切换你要对比的那个变量比如换一个 LoRA 文件得出的结论才作数。否则画面差异来自哪里你根本说不清。最后进阶玩法、求助姿势与你的第一支片走到这里你已经能稳定出片了。接下来可以试试这三条进阶路线批量产素材用 ComfyUI 的队列功能把提示词写好、参数调稳一次排多组任务下班回来收片。换模型找手感把四份 LoRA 挨个跑一遍同一段提示词用 5.3 的锁变量法选出最喜欢的一版。图文两条腿走路纯文本出片适合快速验证创意首尾帧模式适合做有明确起止画面的叙事镜头两种思路搭配着用。遇到问题时先看项目根目录的README.md——推荐参数、音频排查、加速方案都在里面还是没解决就去项目仓库的 Issues 区把报错日志、你的参数截图和工作流文件一起贴出来求助效率会高很多。现在从复制一句你真正想拍的描述开始去 ComfyUI 里点下 Queue Prompt生成你的第一支视频吧——画面和声音都会同步还给你。【免费下载链接】MiniMax-H3-Turbo-Lora-Pruned-ComfyUI项目地址: https://ai.gitcode.com/hf_mirrors/Abiray/MiniMax-H3-Turbo-Lora-Pruned-ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
零基础文本转视频MiniMax-H3-Turbo-Lora 的 ComfyUI 部署实战全记录【免费下载链接】MiniMax-H3-Turbo-Lora-Pruned-ComfyUI项目地址: https://ai.gitcode.com/hf_mirrors/Abiray/MiniMax-H3-Turbo-Lora-Pruned-ComfyUI想给一句文字描述配上会动的画面、而且自带同步声音MiniMax-H3-Turbo-Lora-Pruned-ComfyUI 就是为这件事准备的工具。它是一款直接跑在 ComfyUI 里的视频生成方案既能文本转视频也能图像转视频同时还能生成原生 32kHz 立体声音频——不用你再去外面找配音、对口型。下面这份实战记录会带着你从环境准备一路走到出片并把最容易卡住你的四个问题单独拎出来讲透。动手之前先搞清楚这四件事值不值得你花时间问题这个项目给的答案它会干什么文字/图片 → 带同步音频的视频它凭什么快内置 Turbo 版 LoRA轻量适配器采样步数大幅压缩它好在哪音频与画面由同一模型同时生成天然对得上它适合谁有 ComfyUI 基础、想低成本做视频素材的个人创作者 第一次接触LoRA这个词可以把它理解成给模型加的一个小插件不用换掉整个大模型就能改变输出风格或提升效率。项目里的 LoRA 文件已经过剪枝pruned和重格式化可以直接被 ComfyUI 的标准加载节点读取。第一节装备自查先确认你手里有这几样东西本节你将得到一份照着打勾就行的环境清单以及所有模型文件该往哪儿放的完整地图。1.1 最低配置 vs 推荐配置项目最低要求推荐配置备注系统Linux / Windows / macOS同左本文以 Linux 为例Python3.8 及以上3.10主要影响依赖安装是否顺利显卡显存8GB12GB 以上显存越大能开的分辨率越高ComfyUI已安装最新版本老版本可能缺节点定义1.2 三分钟装好项目本体第一步把仓库克隆到本地git clone https://gitcode.com/hf_mirrors/Abiray/MiniMax-H3-Turbo-Lora-Pruned-ComfyUI第二步进入项目目录安装 Python 依赖cd MiniMax-H3-Turbo-Lora-Pruned-ComfyUI pip install -r requirements.txt第三步把项目根目录下的几个.safetensors模型文件复制到 ComfyUI 的 LoRA 目录cp *.safetensors /你的ComfyUI安装路径/models/loras/⚠️ 常见坑很多人栽在找不到模型这一步其实只是放错了目录。ComfyUI 对模型目录有严格约定LoRA 文件必须进models/loras/放错地方界面里就是看不到。1.3 认识仓库里的四份 LoRA 模型文件名训练阶段一句话定位推荐指数minimax_h3_turbo_4step_ckpt500_V1.safetensors第 500 步导出默认工作流用的就是它稳⭐⭐⭐⭐⭐minimax_h3_turbo_4step_ckpt600_V4.safetensors第 600 步导出想尝鲜微调效果可选⭐⭐⭐⭐minimax_h3_turbo_4step_ckpt600_ema_V4.safetensors第 600 步 EMA 版EMA 平滑版画面更稳⭐⭐⭐⭐minimax_h3_turbo_4step_ckpt850_V1.safetensors第 850 步导出训练最久风格更熟⭐⭐⭐ 小贴士ckpt 数字是训练检查点的步数不代表越大越好。建议先用默认的 ckpt500 跑通全流程再逐个替换对比找到你的本命模型。1.4 别忘了基础大模型仓库只提供 Turbo LoRAMiniMax-H3 的主干模型需要按工作流要求准备。工作流里写明的四件套和存放位置如下模型文件类型存放目录minimax_h3_video_vae_fp16.safetensors视频 VAE解码画面models/vae/minimax_h3_audio_vae_fp32.safetensors音频 VAE解码声音models/vae/minimax_h3_fl2va_pruned_int8_convrot.safetensors扩散主模型models/diffusion_models/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors文本编码器读懂你的提示词models/text_encoders/⚠️ 特别注意这个项目同时使用两个 VAE——画面一个、声音一个缺一个都会导致工作流报错或输出残缺。准备文件时别只盯着画面看。第二节第一次运行从加载工作流到按下生成键本节你将得到两条现成工作流的使用方法以及关键节点是干什么的一句话解释。2.1 仓库里的两份工作流怎么选文件用途适合场景Minimax_H3_turbo_workflow.json标准图像转视频首帧尾帧想让两张图之间动起来minimax_h3_t2v_turbo.json纯文本转视频只有描述、没有参考图时加载方法启动 ComfyUI → 点击界面上的Load按钮 → 选中对应 JSON 文件即可节点会自动铺开不用手动接线。2.2 标准工作流里的关键角色MiniMaxH3ImageToVideo核心节点。接收提示词、首帧、尾帧和分辨率输出画面与音频的种子素材。默认提示词是一段女生在书桌前写笔记并轻声哼唱的完整示例可以直接拿来当模板。MiniMaxH3SigmaShift控制生成时间线的偏移旋钮画面和声音各有一个值后面第三节细说。LoraLoaderModelOnly把 LoRA 挂到主模型上默认加载 ckpt500、强度 1.0。两个 VAEDecode一个把潜变量还原成画面一个还原成音频分工明确。 小贴士标准工作流默认是首帧 尾帧模式——你提供开始和结束两张图模型负责补全中间 10 秒的过渡。想只给一张图把尾帧输入断开即可退化成常规图生视频。第三节出片太慢一套参数吃透快与稳本节你将得到一份带显存占用的参数速查表以及不动硬件也能提速的四个开关。3.1 为什么它能比同类方案快视频和音频同时生成本身很吃算力而 Turbo LoRA 的核心作用就是把采样步数压到个位数——步数少了生成轮次自然变少速度就上来了。3.2 参数速查表含新维度参数推荐值显存占用感受适用场景推荐指数视频 Sigma Shift12无感所有场景先锁死它⭐⭐⭐⭐⭐音频 Sigma Shift6无感所有场景先锁死它⭐⭐⭐⭐⭐采样步数8~12步数越多越吃显存从 10 起步卡了再降⭐⭐⭐⭐采样器res_multistep无感官方测试推荐别乱换⭐⭐⭐⭐⭐LoRA 强度0.8~1.8无感效果弱就往上加⭐⭐⭐⭐分辨率1344×768约 0.98MP16:9默认值兼顾画质与速度⭐⭐⭐⭐⭐时长10 秒标准流/ 5 秒T2V 流越长越吃显存先用默认熟练后再加⭐⭐⭐⭐⚠️ 常见坑降步数不等于白嫖。步子迈太大比如直接降到 4画面会糊、声音会崩。想降步数就同步把 LoRA 强度往上抬一点二者是跷跷板关系。3.3 不动硬件的四个提速开关以下加速组件经过官方验证可按需启用SageAttention注意力机制优化工作流里已内置对应补丁节点勾上即可。Sol Attention另一种注意力优化加一个节点、保持默认参数。Gradient在 ComfyUI 设置里开启梯度相关优化。Spectrum添加对应执行加速节点默认配置即可。 小贴士四个可以一起上但建议一次只开一个开完跑一段对比一下既能看到真实收益也能在出问题时快速定位是谁的锅。第四节声音崩了双调度机制与三项检查清单本节你将得到一句人话解释为什么音频会炸以及一份照着做就能修好的排查清单。4.1 问题根源一句话讲清楚MiniMax-H3 用两条完全独立的生成时间线来合成画面和声音。标准采样器处理不了这种双调度稍有不匹配声音就会变成刺耳的静态噪音——注意这不是模型坏了而是设置没对齐。4.2 三项检查按顺序来查 Sigma Shift音频必须恰好是6视频恰好是12。少一位数、多一位数都可能翻车。查采样器组合确认用的是res_multistep搭配工作流自带的调度器别手滑换掉。查步数与强度步数压得太低而 LoRA 强度没跟上音频最容易先崩。先回到步数 10 强度 1.0 的安全区再慢慢试探极限。 小贴士以上三项都正常还出问题把步数往上加一两步再试一次——很多玄学故障其实只是余量不够。第五节画面不达预期提示词四要素与效果对比法本节你将得到一套写提示词的四要素模板和一个能让你公平比较不同模型的测试流程。5.1 把提示词当分镜脚本写别只写一句一个女孩在看书。参考工作流里的示例提示词拆成四个区块效果最好要素写什么示例主体定义人物/物体的外貌、穿着、性格年轻东亚女性黑发扎成松散发髻穿宽松白T恤戴银色项链环境描述场景、光线、氛围明亮温馨的书房清晨阳光透过大窗洒入动作说明动作、镜头运动、时间线镜头缓缓推近她边哼歌边写字音频要求环境音、人声、是否要配乐窗外鸟鸣、翻书写字声、哼唱渐变为轻唱5.2 分辨率怎么选工作流内置了分辨率对照表核心原则是按显存来显存吃紧先从 1056×608约 0.6MP起步默认档位1344×768约 0.98MP16:9 横屏显存充裕往上挑战 1504×832 甚至更高5.3 想对比模型先学会锁变量同时把种子Seed、提示词、分辨率、采样器、工作流全部固定只切换你要对比的那个变量比如换一个 LoRA 文件得出的结论才作数。否则画面差异来自哪里你根本说不清。最后进阶玩法、求助姿势与你的第一支片走到这里你已经能稳定出片了。接下来可以试试这三条进阶路线批量产素材用 ComfyUI 的队列功能把提示词写好、参数调稳一次排多组任务下班回来收片。换模型找手感把四份 LoRA 挨个跑一遍同一段提示词用 5.3 的锁变量法选出最喜欢的一版。图文两条腿走路纯文本出片适合快速验证创意首尾帧模式适合做有明确起止画面的叙事镜头两种思路搭配着用。遇到问题时先看项目根目录的README.md——推荐参数、音频排查、加速方案都在里面还是没解决就去项目仓库的 Issues 区把报错日志、你的参数截图和工作流文件一起贴出来求助效率会高很多。现在从复制一句你真正想拍的描述开始去 ComfyUI 里点下 Queue Prompt生成你的第一支视频吧——画面和声音都会同步还给你。【免费下载链接】MiniMax-H3-Turbo-Lora-Pruned-ComfyUI项目地址: https://ai.gitcode.com/hf_mirrors/Abiray/MiniMax-H3-Turbo-Lora-Pruned-ComfyUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
