MiniMax H3 Image Edit 工作流教程:动漫图像转逼真照片
Stable Diffusion Art 发布教程,展示如何在 ComfyUI 中用 MiniMax H3 Image Edit 工作流将动漫图像转换为逼真照片。工作流仅用原生节点,通过视觉语言通路与参考潜变量通路保留角色姿态和构图,无需 ControlNet 堆栈。可选启用 Qwen 3.5 提示词增强器,支持场景级自定义编辑。
Stable Diffusion Art 发布教程,展示如何在 ComfyUI 中用 MiniMax H3 Image Edit 工作流将动漫图像转换为逼真照片。工作流仅用原生节点,通过视觉语言通路与参考潜变量通路保留角色姿态和构图,无需 ControlNet 堆栈。可选启用 Qwen 3.5 提示词增强器,支持场景级自定义编辑。
MiniMax H3 Image 在 ComfyUI 中可原生生成约 16.8MP 图像,6 步完成,无需外部超分。教程提供完整工作流 JSON,并给出量化模型选择:扩散模型 21GB、文本编码器 15.7GB、图像 VAE 1.17GB,24GB 显卡可运行。
WaveSpeedAI 的 Dora 分享一套 AI 视频角色一致性镜头工作流,通过角色参考套件、固定身份细节和两遍审查来避免角色漂移。Vidu 2.0 接受 1-3 张参考图,MiniMax H3 Highspeed 接受最多 9 张参考图和 3 段参考视频;修复漂移时一次只改一个输入。
MiniMax-H3-Image 的 pDMD 2 步 LoRA 在 ComfyUI 0.45.0 和 RTX 4070 12GB 上,把 9 次图像编辑的平均生成时间从 38.83 秒降到 27.62 秒,缩短约 28.9%。
一位创作者在布达佩斯用单张 RTX 5090 在 ComfyUI 本地跑 MiniMax H3,完成了一部 2 分 36 秒的科幻 AI 短剧试播集。每镜先以 672x384 四步预览筛选,再以 1344x768 二十步正式渲染,经 2 倍超分降至 1080p,全程无云端、无按次计费。
作者实测MiniMax H3 Image,以一张插画为原图,仅用提示词即可完成水彩、油彩、钢笔、木版画等10种画风转换;开启ComfyUI模板内置的提示词扩展后,风格变化更明显,但平均生成时间从60.50秒增至187.12秒。
开源社区将 MiniMax H3 Image 量化至 Q2_K,显存需求从 68GB 降至 6.4GB,8G 显卡可本地跑 4K 生图。量化版原生直出 4096×4096 及 21:9 宽屏,官方蒸馏 6 步出图,生图与修图一体,最多支持 16 张参考图。
作者在 M1 Max 64GB 上实测 MiniMax-H3-Image 的社区 GGUF 量化版(Q4_K_M,11.57GB),4MP 动漫插画约 5 分钟生成,6 步采样每步约 47 秒。
Reddit 用户实测 MiniMax H3-Image 在 AMD Radeon RX 9060 XT(16 GB 显存)上生成 2368×3552(8.41 MP)图像耗时约 35-43 秒,六步采样,峰值显存 12.1 GB。该模型基于 MiniMax H3 视频模型构建,作者称其速度远超其他已测模型,并给出完整 ComfyUI 工作流与低显存配置供复现。
ComfyUI 教程用 RelayVSR 与 DLSS5 节点修复 MiniMax H3 视频放大细节丢失,在 6GB 显存下可将 0.7 MP 视频放大至 2K,耗时约 7 分钟。相比 MiniMax 隐空间放大约 45 分钟,该方法显著缩短放大时间。
Stable Diffusion Art 提供一套 ComfyUI 工作流,把三段 MiniMax H3 视频串联,从单张照片生成 360 度环绕的子弹时间镜头。
作者在 RTX 4070(12GB)上优化 MiniMax H3 的 FastH3 OmniRef 工作流,将 1024×1792、5 秒、带音频的视频生成时间从 459.6 秒缩短至 66.6 秒(约 6.9 倍)。
Reddit 用户 Select_Bowler3099 分享了一个 ComfyUI 工作流,用 MiniMaxH3-TemporalWindow-SpatialTiles 节点在 16GB VRAM + 32GB RAM 上生成 10 秒 4K 视频,全程无 OOM,耗时约 2 小时。
使用 MiniMax H3 的 360 Orbit LoRA 配合首尾帧技巧,可在 ComfyUI 中把单张静态照片生成为 360 度环绕无限循环视频。完整步骤包括模型下载、工作流加载、参数设置(768x768、73 帧、28 步)和 frozen-time prompt,RTX 4090 上渲染约 4-6 分钟。
作者在 ComfyUI 中为 MiniMax H3 搭建 RefMods 工作流,无需 LoRA 训练即可在 6 GB 显存上保持角色与声音一致。从 8 张图片提取角色参考或从短音频提取声音参考,保存为可复用 mod 后加载到任意生成,视觉与音频强度均设为 0.9。两个角色时建议每个角色和声音单独存 mod 文件,并在 prompt 中清楚描述主体。
kongo_jun 在 ComfyUI 中实测 MiniMax H3 的 open regenerate 2k refiner LoRA,并给出完整搭建步骤与生成结果。两种 rank(384 和 16)的 LoRA 生成时间均为 270 秒,效果差异不大,作者推荐使用 rank_16。作者建议指定首帧以控制画面,否则画面会被改变;实际测试中因内存考虑将分辨率设为 FHD(1920×1080)。
pixaroma 实测 MiniMax H3 在 ComfyUI 中的表现,公开 25 个免费工作流加 2 个奖励工作流。H3 是带声音的视频模型,工作流覆盖角色替换、对口型、唱歌、时间线长视频与 2K 重制,需 ComfyUI 0.42+ 和 Pixaroma 1.4.239+。
作者分享了一个 ComfyUI 工作流,用 MiniMax H3 Singularity V2 与 Pika H3 LoRA 在 6 步内生成 0.6MP 视频,再经再生式 2K 超分增强到 Full HD。总生成加超分时间约 1 小时,最终分辨率 1920×1080,6GB 显存可运行。作者附上了所需 LoRA、自定义节点和工作流链接。
Pika H3 Flex 的 6 步 lcm 设置比 30 步基础采样快约 4.8 倍,同种子下渲染时间从 27.4 分钟降至 5.7 分钟。该 LoRA 为蒸馏模型,模板的 6 步 lcm 调度就是为其设计的。测试在 ComfyUI 0.43 与 RTX 4090 上进行,输入为 Qwen-Image 2.1 生成的 1344×768 静态图,输出 226 帧(9.4s @ 24fps)。
作者用 AI Toolkit 在 RTX 5090 上训练 MiniMax H3 角色 LoRA,29 个 3 秒片段、rank 16、4000 步,耗时约 15 小时 GPU 时间,最终选定第 3000 步检查点。