RTX 3080 10GB で 0.6MP・10秒の R2V が 3分12秒で回る構成です。
ComfyUI 0.33.0 以降（動作確認は 0.33.1 / torch 2.13+cu130）
カスタムノード
cd ComfyUI/custom_nodes
git clone https://github.com/PlagueKind/ComfyUI-PlagueKind-Nodes
H3SLAAttention
を使うためのものです。MIT、Triton が必要（sageattention が入っていれば通常は入っています）。
モデル（すべて Comfy-Org/MiniMax-H3 から）
| ファイル | 置き場所 |
|---|---|
minimax_h3_ref2va_pruned_int8_convrot.safetensors |
|
models/diffusion_models/ |
|
qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors |
|
models/text_encoders/ |
|
minimax_h3_video_vae_fp16.safetensors |
|
models/vae/ |
|
minimax_h3_audio_vae_fp32.safetensors |
|
models/vae/ |
turbo LoRA（models/loras/
に置く）
-
4step: Kijai/MiniMax-H3_comfyの
minimax_h3_fl2v_lightx2v_turbo_4step_v0.1_comfy_resized_avg_rank_21_bf16.safetensors -
8step: drbaph/MiniMax-H3-Turbo-Lora-ComfyUIの
minimax_h3_turbo_4step_ckpt850_pruned_comfyui.safetensors
--vram-headroom 2.0 --use-sage-attention --disable-pinned-memory
--disable-pinned-memory
は強く推奨します。無いと ComfyUI が RAM の40%をページアウト不能に固定し、バッチや構成切り替えで空きRAMが枯れて同じ設定が4倍遅くなります。GPU使用率100%・消費電力は定格のまま遅くなるので外形からは判りません。単発では10%遅くなりますが、その価値があります。
| 構成 | サンプリング | 総所要 |
|---|---|---|
| sage のみ・ckpt850 8step | 7分48秒 | 9分42秒 |
| sage + SLA・ckpt850 8step | 3分57秒 | 5分31秒 |
| sage + SLA + nopin・lightx2v 4step | ||
| 2分03秒 | ||
| 3分12秒 |
同梱の JSON は最後の構成（lightx2v 4step）です。
| step | LoRA | sampler | |
|---|---|---|---|
| 静かなカット | 4 | lightx2v（strength 0.75） | er_sde |
| 動きのあるカット | 8 | ckpt850（strength 1.0） | res_multistep |
速い動きは 4step で破綻します（武器を薙ぐ、ダンス等）。8step で解消します。
| 項目 | 値 | 理由 |
|---|---|---|
| 配置 | チェーンの最後、Scheduler と Guider の両方に直結 | |
| 作者の必須要件。外すと効かない | ||
| sparsity_ratio | 0.90 | break-even は 0.60。それ以下では密より遅い |
| block_size | 64 | |
| 128 は台詞が robotic になる。H3 は音声を毎秒80行で詰めるため | ||
| protect_audio | オン | |
| 音声は系列の約1%しかなく、切ると音だけ劣化する。コスト約7% | ||
| min_seq_len | 8192 | これ未満の系列は自動的に密に戻る（低解像度・短尺では効かない） |
効いているかは stderr のログで確認できます。
SLA: 400 calls | S=49826 | blocks 151/779 kept (80.6% sparse) | 0 dense fall-throughs | displaced attention_sage
displaced attention_pytorch
と出たら sage が無効です。
MiniMaxH3SigmaShift
の音声側は 3.0 が正です。6.0 にすると 4step で音声を踏み越えてノイズになります。turbo 使用時の音声ノイズはほぼこれが原因です。
- プロンプト（プレースホルダが入っています）
example_character.png
/example_background.png
を自分の参照画像に- 出力先
H3/output
背景を固定したいカットが複数ある場合は、背景の一枚絵を2枚目の参照に入れてください。本文で空間を細かく書いても、参照が無いとカットごとに別の場所になります。