MiniMax H3 潜在放大器：BUNNY 双通道视频生成工作流#
这个 ComfyUI 工作流将文本提示和可选的参考图像转换为带同步音频的短篇电影视频。它采用 BUNNY 双通道设计：第一阶段以适中的基础分辨率铺设运动和构图，然后 MiniMax H3 潜在放大器放大 3D 视频-音频潜在部分，第二阶段重建高频细节并解码最终帧和声音。MiniMax H3 潜在放大器集成到生成中，因此它不是用于现有视频的通用增强器；它专为广告剪辑和风格化电影场景而设计，在不失去运动意图的情况下提供额外的清晰度。
结果是一个高分辨率剪辑，其外观由您的提示、参考和一小组 LoRAs 决定，而运动稳定性则由双通道放大-重建管道保护。第二阶段是强制性的，始终在潜在部分放大后执行实际的细节重建。
Comfyui MiniMax H3 潜在放大器工作流中的关键模型#
- MiniMax H3 视频-音频模型和 T8 自定义节点。提供管道中使用的核心生成器、条件设置、双通道规划和解码实用程序。请参阅 T8 存储库中的节点套件以获取模型特定的行为和接口。GitHub: comfyui-minimax-h3-audio-T8
- MiniMax H3 视频 VAE。编码和解码视频潜在部分，最终在第二阶段转换为帧。由上述 T8 节点包含和使用。GitHub: comfyui-minimax-h3-audio-T8
- MiniMax H3 音频 VAE。编码和解码音频潜在部分，以保持环境声音与视觉运动计划一致。GitHub: comfyui-minimax-h3-audio-T8
- MiniMax H3 潜在放大器 3D。一个学习的 3D 潜在放大器，在细节重建之前放大联合视频-音频潜在部分的宽度和高度，比后处理插值更好地保留时间结构。请使用官方的 3D fp16 检查点。Hugging Face: LBH-123-AI/Minimax_h3_latent_Upscaler
- SageAttention 内存高效注意力补丁用于 H3。作为该工作流中使用的唯一注意力补丁，用于稳定、内存友好的推理。GitHub: ComfyUI-h3_sage_amd
如何使用 Comfyui MiniMax H3 潜在放大器工作流#
该工作流有七个标记组协作生成最终剪辑。第一阶段在基础分辨率下规划运动，MiniMax H3 潜在放大器放大潜在部分，第二阶段在更大的尺寸上重建细节，然后解码为视频和音频。
01 · 输入、放大和参考#
使用 BUNNY 提示框描述场景、运动、情绪和声音环境。可选择添加多达四个参考图像以指导身份、调色板或镜头设计；断开连接以仅进行文本生成。设置目标持续时间；帧数根据模型的采样网格自动计算。选择适合硬件的第一阶段基础分辨率，然后调整放大比例以确定 MiniMax H3 潜在放大器在潜在空间中增长宽度和高度的程度。请记住，像素面积随着比例因子的平方而缩放，因此 VRAM 和渲染时间随着更高的放大而增加。
02 · 模型基础 · 仅 Sage#
此组加载 MiniMax H3 基础模型，应用可选的 Turbo LoRA 以提高速度，并激活 SageAttention 补丁作为唯一的注意力修改。加载匹配的 MiniMax H3 视频和音频 VAE 以及 H3 文本编码器以确保一致的条件设置和解码。保持此部分不变，除非您有特定原因交换兼容的模型文件；不建议混合注意力后端。
03 · BUNNY 第一阶段和第二阶段 LoRAs#
第一阶段的 LoRAs 影响运动逻辑、构图和交互模式；第二阶段的 LoRAs 侧重于重建放大后的结构和精细细节。您可以用适合您的主题的 LoRA 文件替换它们，并谨慎调整其权重。如果第二阶段开始改变运动意图，请在触碰第一阶段之前降低第二阶段 LoRA 强度。请勿将第二阶段 LoRAs 路由回第一阶段，也不要绕过第二阶段。
04 · 第一阶段运动#
Stage 1 Conditioning · AUTO (#7) 解析您的提示和参考，选择适当的生成模式，并组装联合视频-音频潜在画布。Stage 1 Dual Clock (#8) 驱动独立但同步的视频和音频时间表，以便运动和声音协调发展。双通道计划节点为第一阶段分配少量预算用于运动结构，并为第二阶段细节保留更多预算。Stage 1 · Motion Structure 执行粗糙的去噪以建立构图和时间安排；输出是一个精细的潜在部分，而不是最终帧。
05 · H3 3D 潜在放大#
H3 3D Learned Latent Upscale (#13) 将 MiniMax H3 潜在放大器应用于第一阶段潜在部分，直接在 3D 潜在空间中放大宽度和高度。因为放大发生在细节重建之前，所以时间一致性比帧空间放大器更好地保留。请仅使用官方的 3D fp16 检查点，如果您想要不同的最终分辨率，请在此处调整比例。节点还会报告新维度，这些维度会自动传递给第二阶段。
06 · 第二阶段高质量重建 (强制)#
Stage 2 Conditioning · AUTO (#14) 重用您的提示、参考和放大的维度，以便在更大的画布上对准指导。Stage 2 Reconcile · Size & Audio (#15) 锁定这些维度和音频策略，以便视频和声音保持同步。Stage 2 Detail Mixer · Fixed 5 Steps (#16) 执行决定性的重建过程，增加清晰的纹理，同时尊重第一阶段的运动。Stage 2 · 5-Step HQ Reconstruction 从种子噪声中去噪，进入最终的潜在部分，Stage 2 AV Decode (#20) 将其转换为帧和生成的音频以供输出。
07 · 最终输出#
CreateVideo 将解码的帧和音频打包成您选择的帧率的视频流。Clean VRAM After Generation 在渲染之间释放内存。BUNNY HQ · Save Final Video 使用您的文件名前缀、格式和编解码器写入最终文件。始终从第二阶段解码保存；第一阶段预览不是最终结果。
Comfyui MiniMax H3 潜在放大器工作流中的关键节点#
Stage 1 Conditioning · AUTO(#7)。文本、参考和模式路由的中央入口。调整提示，并在需要时调整管理参考使用方式的模式。除非您有明确的理由强制某种模式，否则请保持自动，并确保参考与您描述的故事匹配。Stage 1 Dual Clock · Video 12 / Audio 3(#8)。协调视频和音频的独立采样时钟，以保持运动节拍和声音事件对齐。如果必须重新计时，请温和地进行，并保持两个时钟与目标节奏一致。H3 3D Learned Latent Upscale(#13)。使用官方的 3D fp16 检查点应用 MiniMax H3 潜在放大器。大多数用户应该调整的唯一参数是比例因子；增加它会在潜在空间中增加宽度和高度，总像素随该因子的平方增加。使用来自模型卡的验证过的放大器检查点以避免潜在损坏。Hugging FaceStage 2 Reconcile · Size & Audio(#15)。确保第二阶段潜在部分在重建前携带放大的尺寸和选定的音频策略。如果您在音频设置上进行实验，请保持协调以确保时间和尺寸保持一致。Stage 2 Detail Mixer · Fixed 5 Steps(#16)。高分辨率重建的核心，增加细节而不重写运动逻辑。如果结果看起来过于锐化或动画漂移，请首先降低第二阶段 LoRA 强度，然后仅在必要时微调混合器平衡。Stage 2 AV Decode(#20)。将重建的潜在部分解码为帧和同步音频。始终将输出从此节点路由到CreateVideo和Save Final Video以确保颜色空间和音频正确处理。
可选附加功能#
- 对于仅文本生成，断开所有参考图像输入，以便 AUTO 选择纯文本到视频的路径。
- 更改放大时，请记住渲染成本随着因子的平方而增加；在设置 MiniMax H3 潜在放大器比例后，优先提高第一阶段基础分辨率。
- 为了提高重试的一致性，在
Seeded Noise中固定种子，并在探索替代方案时故意改变它。 - 如果第二阶段改变运动节拍，在触碰采样器或混合器设置之前降低第二阶段 LoRA 权重。
- 保持 SageAttention 作为唯一的注意力补丁；避免叠加额外的注意力后端以保持稳定性。GitHub
- 使用官方 MiniMax H3 潜在放大器检查点以防止无效的张量和不匹配的键。Hugging Face
致谢#
此工作流实现并基于以下作品和资源。我们感谢 RunningHub.ai 提供的工作流源代码，感谢 LBH-123-AI 提供的 Minimax H3 潜在放大器模型，以及感谢 T8mars 提供的 MiniMax H3 自定义节点的贡献和维护。有关权威详细信息，请参阅以下链接的原始文档和存储库。
资源#
- RunningHub.ai/Workflow source
- Docs / Release Notes: runninghub.ai post
- LBH-123-AI/Minimax_h3_latent_Upscaler
- GitHub: LBH-123-AI/Comfyui_Minimax_h3_latent_Upscaler
- Hugging Face: LBH-123-AI/Minimax_h3_latent_Upscaler
- T8mars/comfyui-minimax-h3-audio-T8
注意：使用引用的模型、数据集和代码需遵循其作者和维护者提供的各自许可证和条款。