文生视频
使用 FL2VA。适合连续镜头、人物动作、电影感场景和带声音描述的视频。
快速开始
当前整合包是 Windows 便携版，已经带有 Python、ComfyUI、模型和自定义节点。
启动
双击桌面的“ComfyUI MiniMax H3”，或打开整合包内的启动器。
http://127.0.0.1:8188
加载工作流
点击 Load，从 ComfyUI/user/default/workflows 选择预设 JSON。
先改提示词，再改参数
先保持模型和 Seed 不变，只修改提示词，确认画面方向后再调整帧数、分辨率和步数。
提交任务
点击 Queue Prompt。结果默认写入整合包的 ComfyUI/output 目录。
模型搭配
模型家族不能混用。一个工作流里的扩散模型、文本编码器和 VAE 应属于同一条链路。
| 方向 | 扩散模型 | 文本/视觉编码器 | VAE |
|---|---|---|---|
| MiniMax H3 视频 | MiniMax_H3 FL2VA / REF2VA | qwen3vl_32b_minimax_h3_int8_convrot | minimax video + audio VAE |
| Flux-2 Klein 图片 | flux-2-klein-9b 或 FP8 | qwen_3_8b_fp8mixed | flux2-vae |
| Z-Image 图片 | z_image_turbo 或 Base | qwen_3_4b_fp4_mixed | ae.safetensors |
| Krea2 图片 | Krea2-MuseByStable | 工作流预设 | Krea2 VAE |
MiniMax H3 文本编码器不能搭配 Flux-2 扩散模型。出现“expected 4, got 3”时，优先检查 UNETLoader 是否误选了 Flux。
MiniMax H3 视频
适合文生视频、首尾帧视频和参考图生视频。当前默认工作流是 1344×768、73 帧、24 FPS、25 步。
首尾帧生视频
使用首帧和尾帧控制过渡，适合明确开始和结束状态的动作。
参考生视频
使用 REF2VA。适合保持人物、服装、场景或风格参考并生成动作。
帧数换算
49 帧约 2.04 秒，73 帧约 3.04 秒，97 帧约 4.04 秒，145 帧约 6.04 秒。
推荐起步：768×432 · 49 帧 · 24 FPS · 20 步 稳定后：960×544 · 73 帧 · 24 FPS · 20–25 步 质量优先：1280×720 · 73 帧 · 25 步
提示词按“主体 → 动作 → 镜头 → 构图 → 环境 → 光线 → 材质 → 声音 → 禁止内容”组织。先写一个动作，再逐步增加细节。
参数调节
不要一次改很多参数。固定 Seed，只改一个变量，才能知道变化来自哪里。
| 参数 | 作用 | 当前建议 |
|---|---|---|
| 分辨率 | 画面细节、显存和速度 | 16GB 显存先 768×432 或 960×544；尺寸使用 32 的倍数 |
| 帧数 | 决定视频长度和资源占用 | 先 49 或 73 帧，确认动作后再提高 |
| FPS | 决定播放速度，不增加模型生成帧数 | MiniMax H3 保持 24 FPS |
| Steps | 采样迭代次数，影响细节与耗时 | 测试 12–16；日常 20–25；最终 25–30 |
| Seed | 固定随机起点，便于复现 | 调参固定；批量生成随机 |
| Sampler | 采样策略 | MiniMax 001/002 保持 res_multistep；003 保持 euler |
| CFG/Guidance | 提示词约束强度 | 优先使用工作流默认值，不要照搬 SDXL 参数 |
调参顺序：固定模型和 Seed → 改提示词 → 改帧数 → 改 Steps → 最后才改采样器和高级参数。
图片工作流
图片任务建议先用轻量模型确认构图，再使用高质量模型完成最终版本。
Z-Image Turbo · 008
快速文生图，默认约 9 步。适合批量出图和提示词测试。常用尺寸 768×768、1024×1024、1280×768。
Flux-2 Klein · 009
文生图，完整 9B 质量优先，FP8 更适合 16GB 显存。工作流默认约 4 步。
Flux-2 Klein · 010–013
单图编辑、双图编辑、三图编辑和局部重绘。参考图强度越高，越保留原图。
Krea2 · 006/007
适合写实人像、产品图、商业视觉和风格迁移，可配 realism LoRA。
视频后处理
004 · 视频插帧
提高 FPS、让动作更流畅。它不是重新生成视频，而是计算中间帧。
005 · 视频高清放大
3B FP8 更省资源，7B FP8 质量更高。先用短片段测试，再处理完整视频。
视频长任务建议：先生成 49–73 帧小样 → 确认人物和动作 → 分段生成 → RIFE 插帧/SeedVR2 高清 → 视频剪辑拼接
显存与内存
当前是 RTX 4060 Ti 16GB 显存 + 16GB 系统内存。显存决定模型能否装下，系统内存决定换页和长任务稳定性。
| 配置 | 适合 | 建议 |
|---|---|---|
| 当前 16GB 显存 + 16GB RAM | 短视频、FP8 图片、短片放大 | MiniMax 先 768×432、49–73 帧 |
| 64GB RAM + 32GB 显存 | 高分辨率、长视频、Flux 9B、SeedVR2 7B | 可尝试 1280×720、97–145 帧；更长视频建议分段 |
内存和显存增加不代表速度同比翻倍。短任务主要受 GPU 算力影响，升级主要减少 OOM、模型卸载和系统换页。
常见错误
expected 4, got 3
图片 Flux 模型接收了视频 latent，或模型家族混用。检查 UNETLoader、CLIPLoader 和 VAE 是否匹配。
Value not in list
工作流保存的模型名与当前目录不一致。刷新页面，在下拉框重新选择实际存在的模型。
CUDA out of memory
依次降低帧数、分辨率、模型尺寸，关闭辅助大模型，最后再考虑低显存模式。
Triton compile failed
这是便携 Python 开发文件或 CUDA 编译环境问题，不是提示词参数问题。