小显存跑通 MiniMax-H3 Turbo LoRA3 组关键设置的完整指南【免费下载链接】MiniMax-H3-Turbo-Lora项目地址: https://ai.gitcode.com/hf_mirrors/larryvrh/MiniMax-H3-Turbo-LoraMiniMax-H3 Turbo LoRA 把视频立体声渲染压到 4 步快速采样约快 5 倍但 33B 底座让显存常常不够。读完这篇小显存也能跑出 1344×768、5 秒的音视频。 显存需求速查10 秒定位你的档位配置项推荐值对显存的影响检查点minimax_h3_turbo_v4_step600_ema.safetensors约 744 MBLoRA 本身几乎不占显存压力全在底座上底座模型量化版int8 / fp8或 bf16走 ComfyUI 流式加载bf16 全精度大约要 80 GB 才从容量化 流式可以下探到小卡分辨率 × 帧数1344×768、124 帧约 5 秒随像素和帧数同步上涨是最先该砍的两项独立脚本模式追加 --offload-adaln约省 13 GB VRAM代价是改吃 CPU 内存先对号入座走 ComfyUI 就盯住第二行跑 generate.py 就盯住第四行其余项两个模式通用。把采样步骤压在 4–8、强度锁在 1.0采样步骤推荐 4–8其中 4 是最小值。6–8 步观感明显更好显存允许就加到 6–8超过 8 步不再有收益反而开始引入过度锐化伪影。强度保持 1.0它对 4–8 步区间都做过调优。只有单条片子翻车时再动它出现拖影、重影就微升到 1.05–1.2出现过锐颗粒就降到 0.8–0.95。分辨率宽高取 32 的倍数短边通常 768如 1344×768。任何一边拉高显存占用同步上涨OOM 时先砍这里。帧数24 fps 下按 17·k5 网格对齐验证过的区间约 124–362 帧5–15 秒。时长翻倍显存跟着翻倍没有额外收益。调度器固定在 simple不用碰。在 ComfyUI 关掉 low_vram、给 generate.py 加 --offload-adaln图形界面ComfyUI默认全关OOM 才开low_vram 开关默认关——运行时挂载 LoRA画面最锐利只有显存爆了才开开启后 LoRA 合并进权重拿到最低峰值显存量化底座上会稍软。节点自动检测Turbo 节点能识别修剪过的底座pruned_int8 / pruned_fp8并在运行时重新注入时间条件所以一个 LoRA 文件覆盖所有底座不用为换底座多占一份显存。接线只需两处改动把 Turbo LoRA 插在模型加载器与采样器之间用 Turbo Sampler 给 SamplerCustomAdvanced 喂流调度器保持 simple、步数 ≥ 4。仓库自带的 minimax_h3_t2v_turbo.json 工作流可以直接拖进画布。独立脚本generate.py只加一个关键 flag--offload-adaln把只随时间步变化的 adaLN 投影权重留在 CPU fp32约省 13 GB VRAM4 步时这次矩阵乘法很便宜几乎无感。--steps默认 4按上文压到 4–8。其余参数一句话带过--base / --lora / --te / --video-vae / --audio-vae 分别指向底座、LoRA、文本编码器和两个 VAE--width / --height / --frames 按速查表填。另外 generate.py 需要本地有一份 ComfyUI 检出commit 14b05228来提供 H3 模型定义--comfyui 指向它即可。最小可运行示例python generate.py \ --comfyui ./ComfyUI \ --base models/diffusion_models/minimax_h3_fl2va_bf16.safetensors \ --lora minimax_h3_turbo_v4_step600_ema.safetensors \ --te models/text_encoders/qwen3vl_32b_minimax_h3_int8_convrot.safetensors \ --video-vae models/vae/minimax_h3_video_vae_fp16.safetensors \ --audio-vae models/vae/minimax_h3_audio_vae_fp32.safetensors \ --prompt A corgi chef flipping a pancake \ --width 1344 --height 768 --frames 124 --steps 6 --out corgi.mp4 --offload-adaln 排查高频问题拖影、过锐、OOM 一句话处理拖影 / 运动涂抹4 步 大幅快速运动时的已知短板是 v4 静态帧增强的代价 → 步数加到 6–8 基本消除坚持 4 步就换 v1 的 minimax_h3_turbo_4step_ema_ckpt850.safetensors。过度锐化 / 塑料感多见于旧 v1 约 850 检查点或步数 8 → 换回 minimax_h3_turbo_v4_step600_ema.safetensors步数压回 8 以内。显存溢出OOM底座 33B 本来就大分辨率帧数又叠高了 → ComfyUI 里开 low_vram 并上量化底座独立脚本加 --offload-adaln再降分辨率或帧数。画面偏软开了 low_vramLoRA 合并进量化权重 → 显存还有余量就把开关关掉回到运行时挂载。调参顺序记一句先定检查点和步数v4 step600 EMA 6–8 步再压分辨率和帧数最后才动 low_vram 与 --offload-adaln 这类显存开关。强度和调度器默认不动只有单条片子翻车时才微调强度。【免费下载链接】MiniMax-H3-Turbo-Lora项目地址: https://ai.gitcode.com/hf_mirrors/larryvrh/MiniMax-H3-Turbo-Lora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 小显存跑通 MiniMax-H3 Turbo LoRA：3 组关键设置的完整指南
小显存跑通 MiniMax-H3 Turbo LoRA3 组关键设置的完整指南【免费下载链接】MiniMax-H3-Turbo-Lora项目地址: https://ai.gitcode.com/hf_mirrors/larryvrh/MiniMax-H3-Turbo-LoraMiniMax-H3 Turbo LoRA 把视频立体声渲染压到 4 步快速采样约快 5 倍但 33B 底座让显存常常不够。读完这篇小显存也能跑出 1344×768、5 秒的音视频。 显存需求速查10 秒定位你的档位配置项推荐值对显存的影响检查点minimax_h3_turbo_v4_step600_ema.safetensors约 744 MBLoRA 本身几乎不占显存压力全在底座上底座模型量化版int8 / fp8或 bf16走 ComfyUI 流式加载bf16 全精度大约要 80 GB 才从容量化 流式可以下探到小卡分辨率 × 帧数1344×768、124 帧约 5 秒随像素和帧数同步上涨是最先该砍的两项独立脚本模式追加 --offload-adaln约省 13 GB VRAM代价是改吃 CPU 内存先对号入座走 ComfyUI 就盯住第二行跑 generate.py 就盯住第四行其余项两个模式通用。把采样步骤压在 4–8、强度锁在 1.0采样步骤推荐 4–8其中 4 是最小值。6–8 步观感明显更好显存允许就加到 6–8超过 8 步不再有收益反而开始引入过度锐化伪影。强度保持 1.0它对 4–8 步区间都做过调优。只有单条片子翻车时再动它出现拖影、重影就微升到 1.05–1.2出现过锐颗粒就降到 0.8–0.95。分辨率宽高取 32 的倍数短边通常 768如 1344×768。任何一边拉高显存占用同步上涨OOM 时先砍这里。帧数24 fps 下按 17·k5 网格对齐验证过的区间约 124–362 帧5–15 秒。时长翻倍显存跟着翻倍没有额外收益。调度器固定在 simple不用碰。在 ComfyUI 关掉 low_vram、给 generate.py 加 --offload-adaln图形界面ComfyUI默认全关OOM 才开low_vram 开关默认关——运行时挂载 LoRA画面最锐利只有显存爆了才开开启后 LoRA 合并进权重拿到最低峰值显存量化底座上会稍软。节点自动检测Turbo 节点能识别修剪过的底座pruned_int8 / pruned_fp8并在运行时重新注入时间条件所以一个 LoRA 文件覆盖所有底座不用为换底座多占一份显存。接线只需两处改动把 Turbo LoRA 插在模型加载器与采样器之间用 Turbo Sampler 给 SamplerCustomAdvanced 喂流调度器保持 simple、步数 ≥ 4。仓库自带的 minimax_h3_t2v_turbo.json 工作流可以直接拖进画布。独立脚本generate.py只加一个关键 flag--offload-adaln把只随时间步变化的 adaLN 投影权重留在 CPU fp32约省 13 GB VRAM4 步时这次矩阵乘法很便宜几乎无感。--steps默认 4按上文压到 4–8。其余参数一句话带过--base / --lora / --te / --video-vae / --audio-vae 分别指向底座、LoRA、文本编码器和两个 VAE--width / --height / --frames 按速查表填。另外 generate.py 需要本地有一份 ComfyUI 检出commit 14b05228来提供 H3 模型定义--comfyui 指向它即可。最小可运行示例python generate.py \ --comfyui ./ComfyUI \ --base models/diffusion_models/minimax_h3_fl2va_bf16.safetensors \ --lora minimax_h3_turbo_v4_step600_ema.safetensors \ --te models/text_encoders/qwen3vl_32b_minimax_h3_int8_convrot.safetensors \ --video-vae models/vae/minimax_h3_video_vae_fp16.safetensors \ --audio-vae models/vae/minimax_h3_audio_vae_fp32.safetensors \ --prompt A corgi chef flipping a pancake \ --width 1344 --height 768 --frames 124 --steps 6 --out corgi.mp4 --offload-adaln 排查高频问题拖影、过锐、OOM 一句话处理拖影 / 运动涂抹4 步 大幅快速运动时的已知短板是 v4 静态帧增强的代价 → 步数加到 6–8 基本消除坚持 4 步就换 v1 的 minimax_h3_turbo_4step_ema_ckpt850.safetensors。过度锐化 / 塑料感多见于旧 v1 约 850 检查点或步数 8 → 换回 minimax_h3_turbo_v4_step600_ema.safetensors步数压回 8 以内。显存溢出OOM底座 33B 本来就大分辨率帧数又叠高了 → ComfyUI 里开 low_vram 并上量化底座独立脚本加 --offload-adaln再降分辨率或帧数。画面偏软开了 low_vramLoRA 合并进量化权重 → 显存还有余量就把开关关掉回到运行时挂载。调参顺序记一句先定检查点和步数v4 step600 EMA 6–8 步再压分辨率和帧数最后才动 low_vram 与 --offload-adaln 这类显存开关。强度和调度器默认不动只有单条片子翻车时才微调强度。【免费下载链接】MiniMax-H3-Turbo-Lora项目地址: https://ai.gitcode.com/hf_mirrors/larryvrh/MiniMax-H3-Turbo-Lora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考