教程记录 · ARTICLE

MiniMax-H3 Turbo RTX4060TI 16G 本地试跑测试

2026-08-10 02:50:45

MiniMax-H3 Turbo 是基于 MiniMax H3 视频生成模型的加速版本，主要目标是解决 H3 原版模型质量高但推理慢、显存需求大的问题。MiniMax H3 本身是一个多模态视频生成模型，支持文本、图片、视频、音频作为输入，并生成带声音的视频内容。目前在网上很火，看到很多人用很低端的显卡都能跑起来，于是咱们也来试试看。

MiniMax-H3 视频扩散流模型 AI

1. 机器配置

硬件 / 运行时

项	值
GPU	RTX 4060 Ti 16GB
系统 RAM	32GB
ComfyUI	0.31.0 · --lowvram · SageAttention
PyTorch	2.6.0+cu124
Attention	sage（已启用）

生成设定

项	值
DiT	H3 pruned INT8 convrot（~19.5GB）
Text Encoder	Qwen3-VL 32B NVFP4（~14.6GB，CPU）
Turbo LoRA	v4 step600 · bypass · strength 1.0
Sampler	MiniMaxH3TurboSampler · simple · 8 steps
帧 / FPS	124 frames · 24fps ≈ 5.2s

启动参数示例：

--lowvram --disable-mmap --disable-pinned-memory --cache-none --use-sage-attention

2. 时间拆解

来源：ComfyUI 日志 · Prompt executed in 00:46:03 · sampling 8/8 in 40:22

阶段	耗时	备注
模型加载 / 准备	~5–6 min	TE 完整上 CPU；DiT 部分上 GPU
采样 step 1	7:08	最慢（冷启动 + 最大噪声）
采样 step 2–8	~33 min	后期约 4–5 min/step
采样合计	40:22	259–303 s/it
整 prompt	46:03	含 decode / SaveVideo

相对实时倍率（RTF）：2763s ÷ 5.167s ≈ 535×

即：每生成 1 秒成片，大约要 9 分钟（在本次设定下）。

3. 本地瓶颈

主因：VRAM 流式卸载

DiT 实测：12.2GB 在 GPU、7.7GB offload。每一步前向都要经 PCIe 来回搬权重。SageAttention 只能加速注意力算子，救不了带宽。

模型体量

H3 ≈ 视频 + 音频联合大 DiT
TE 还有 32B VL
8GB 消费卡塞不下完整 H3 推理图；连 16GB 也只能「边算边卸」

优化收益边界

优化	作用	本次是否启用
Turbo LoRA	20→8 步（约 2.5×）	是
0.2MP	降低激活显存	是 · 608×352
SageAttention	降低 attention 成本	是
--lowvram + TE@CPU	避免 OOM	是

三者已开，仍 ~5 min/step —— 说明瓶颈在权重流，不在算法步数。

OOM 踩坑（已规避）

Turbo LoRA 的 merge（low_vram=true）会在 INT8 权重上 dequant，峰值直接打满 16GB 并失败。

稳定路径：bypass LoRA + CLIP 放 CPU + Comfy --lowvram。

4. 操作教程

本机实测：RTX 4060 Ti 16GB · ~46 分钟出 ~5.2s 有声片（608×352 / 8 steps）

下载齐 5 个权重 → 装 Turbo 节点 +（建议）SageAttention → 用 --lowvram 启动 → 跑 scripts/h3_smoke_t2v.py 或按接线在 GUI 出片。

1. 模型：下载链接 → 存放路径

#	角色	文件名	约大小	目录
1	DiT	minimax_h3_fl2va_pruned_int8_convrot.safetensors	~19.5GB	models/diffusion_models/
2	Text Encoder	qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors	~14.6GB	models/text_encoders/
3	Video VAE	minimax_h3_video_vae_fp16.safetensors	~4.9GB	models/vae/
4	Audio VAE	minimax_h3_audio_vae_fp32.safetensors	~0.6GB	models/vae/
5	Turbo LoRA	minimax_h3_turbo_v4_step600_ema.safetensors	~0.7GB	models/loras/

下载链接：

权重总页：Comfy-Org/MiniMax-H3 · LoRA：larryvrh/MiniMax-H3-Turbo-Lora

本机路径对照：

D:\dev\ComfyUI\models\diffusion_models\minimax_h3_fl2va_pruned_int8_convrot.safetensors
D:\dev\ComfyUI\models\text_encoders\qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
D:\dev\ComfyUI\models\vae\minimax_h3_video_vae_fp16.safetensors
D:\dev\ComfyUI\models\vae\minimax_h3_audio_vae_fp32.safetensors
D:\dev\ComfyUI\models\loras\minimax_h3_turbo_v4_step600_ema.safetensors

2. 节点与加速库

ComfyUI ≥ 0.30（本机 0.31）· 官方教程：docs.comfy.org … minimax-h3

cd D:\dev\ComfyUI\custom_nodes
git clone https://github.com/larryvrh/ComfyUI-MiniMax-H3-Turbo

SageAttention（Windows 示例 wheel）：

sageattention-2.2.0+cu126torch2.6.0.post3 … whl

pip install triton-windows
pip install sageattention-....whl

3. 启动

cd D:\dev\ComfyUI
.\venv\Scripts\python.exe main.py --listen 127.0.0.1 --port 8188 --lowvram --disable-mmap --disable-pinned-memory --cache-none --use-sage-attention

或运行 start-comfy-ramfriendly.ps1 → http://127.0.0.1:8188

4. 出片

API（与本次一致）

cd D:\dev\code3\faceless-video-pipeline
python scripts\h3_smoke_t2v.py

设定：608×352 · 124 帧 · 8 steps · Turbo bypass · CLIP=cpu · simple scheduler

输出：D:\dev\ComfyUI\output\video\h3_smoke_turbo_608_*.mp4

GUI 要点

UNET → MiniMaxH3TurboLoRA（strength 1.0，low_vram 关）→ SigmaShift → Guider
Sampler 用 MiniMaxH3TurboSampler，Scheduler=simple / 8
CLIP type=minimax，device=cpu
双 VAE → CreateVideo → SaveVideo

5. 关键踩坑

问题	处理
INT8 + LoRA merge OOM	用 bypass（low_vram=false）
显存不够	CLIP=cpu + --lowvram
音频坏	必须用 TurboSampler
~5 min/step	16GB offload 正常现象

按层动态调度优化

运行时（关键提速项）

项	优化前	优化后
PyTorch	2.6.0+cu124	2.9.1+cu130
VRAM 模式	强制 `--lowvram`（PCIe 狂卸）	NORMAL_VRAM + DynamicVRAM
kitchen INT8	eager（慢路径）	CUDA backend 可用
Attention	Sage（旧 wheel / torch2.6）	Sage cu130 / torch≥2.9
启动脚本	`start-comfy-ramfriendly.ps1`（含 lowvram）	`start-comfy-h3-baseline.ps1`

启动参数（优化后）：

--disable-mmap --disable-pinned-memory --cache-none --use-sage-attention

模型 / 采样（对齐社区 480p 基线）

项	值
DiT	`minimax_h3_fl2va_pruned_int8_convrot.safetensors`
TE	`qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors`
VAE	video fp16 + audio fp32
分辨率	864×480
采样	`res_multistep` / `simple` / 20 steps
Turbo LoRA	关（先对齐质量/速度基线）

结果数据

A. 同档对比：~5s 片

指标	优化前 smoke	优化后 baseline	变化
分辨率	608×352	864×480（更大）	算量↑
帧数	124（~5.2s）	124（~5.2s）	同
步数	8（Turbo 路径，LoRA bypass）	20（官方基线）	步数↑
墙钟	46:03	~5.3 min（315 s）	~8.7×
Comfy `Prompt executed`	46:03	307 s	—
采样	40:22（~5 min/step）	3:45（~11.3 s/step）	~27× /step
社区目标	—	~5 min @ 480p/20step	摸到

成片：output/_h3_baseline_480p/h3_baseline_480p_20step.mp4

B. 加长：~15s 片（同优化栈）

指标	值
分辨率	864×480
帧数	362（17k+5 网格，≈15.08s @24fps）
步数	20 · 无 Turbo
墙钟	1180.6 s（~19.7 min）
Comfy	19:40
采样	17:16（~51.8 s/step）

成片：output/_h3_15s_480p/h3_15s_480p_20step.mp4

C. 粗算吞吐（优化后）

成片时长	墙钟	墙钟 / 成片秒
~5.2 s	~5.3 min	~61 s 墙钟 / 1s 片
~15.1 s	~19.7 min	~78 s 墙钟 / 1s 片

提速主因（按影响）：去掉 --lowvram → DynamicVRAM 层卸 · 升到 cu130 + torch≥2.8 打开 kitchen INT8 CUDA · SageAttention 对齐新 torch。分辨率和步数其实都比旧 smoke 更重，但总时间仍从 46 分钟落到约 5 分钟。

← 返回内容