MiniMax-H3-Comfy-NPU 工作流实操指南6 条即拖即用工作流FL2VA 与 Ref2VA 选择全攻略【免费下载链接】MiniMax-H3-Comfy-NPU项目地址: https://ai.gitcode.com/Ascend-SACT/MiniMax-H3-Comfy-NPUMiniMax-H3-Comfy-NPU 是面向 Ascend NPU 多卡推理的 MiniMax-H3 ComfyUI 适配补丁内置 6 条即拖即用的 FL2VA / Ref2VA 音视频生成工作流。本文手把手教你如何在 4 张 NPU 上快速跑通「图生视频 原生音频」并按场景选对 FL2VA 与 Ref2VA 工作流从 8 步 Turbo 加速到 21/50 步质量对照一次讲清。一、项目能帮你做什么简单说把 MiniMax-H3 模型搬上华为 Ascend NPU 多卡环境在 ComfyUI 画布上拖一条工作流就能生成带原生立体声的视频对白、音效、音乐一次性联合生成不是后期叠加。核心卖点摘自 README.md能力说明 多卡加速通用MultiNPUParallelConfig统一调度 1/2/4 张 NPU 上的 DiT、文本编码器、视频/音频 VAE⚡ Turbo 加速支持 euler 50 步、res_multistep 21 步、Turbo LoRA 4~8 步降噪 资源减半对比基线8 卡 768P 15 秒视频需 2400s资源消耗降一半4 卡同场景约 500s 低显存方案支持 ComfyUI int8、pruned 格式权重推理两条任务线先记住这个区别FL2VAFirst-Last to VideoAudio0 图文本生成或 1~2 张图当「首帧 / 尾帧」生成过渡视频Ref2VAReference to VideoAudio单图/多图、图片加音频、单视频/多视频参考强调保住参考图里主体的长相和风格二、6 条工作流总览先看这张表再动手所有工作流随仓库归档在 additional_files/workflows/minimax-h3/安装后自动导入 ComfyUI 的 Workflows 菜单工作流文件模型采样器 / 步数推荐权重适合场景fl2va_8steps_lora.jsonFL2VA DiTTurbo LoRA beta / 8 步BF16 FL2VA EMA LoRA⭐ 日常首选速度快fl2va_21steps.jsonFL2VA DiTres_multistep / 21 步BF16 FL2VA质量对照fl2va_50steps.jsonFL2VA DiTeuler / 50 步BF16 FL2VA质量上限基准ref2va_8steps_lora.jsonRef2VA DiTpruned INT8Turbo LoRA beta / 8 步pruned INT8 INT8 TE⭐ 低显存 快速出片ref2va_21steps.jsonRef2VA DiTres_multistep / 21 步BF16 Ref2VA质量对照ref2va_50steps.jsonRef2VA DiTeuler / 50 步BF16 Ref2VA质量上限基准三、FL2VA 还是 Ref2VA一张图看懂怎么选 一句话决策你手里有「开头这一幕、结尾那一幕」→ 选FL2VA它把两张图当作精确的首帧和尾帧生成中间平滑的电影感过渡你想「保住这个角色的长相/风格但镜头怎么演由提示词说了算」→ 选Ref2VA参考图只做身份与风格约束支持多张参考图动态输入手里完全没有图只有一段文字创意 → 用 FL2VA 工作流把两个LoadImage节点断开即可变成纯 T2VA 文生视频仓库自带的两张示例素材就很直观地展示了 Ref2VA 的用法——ref2va_8steps_lora工作流预置了下面两张参考图红色小英雄 机械龙并用Picture 1/Picture 2在提示词中点名引用四、上手操作5 步跑通第一条视频4.1 环境速装三行命令依赖环境Ascend A3 × 4 NPU、CANN 9.0.1、torch-npu 2.10.0.post2按 README.md 第 2~3 章准备后核心安装只有三步运行安装脚本自动复制 Turbo 自定义节点、工作流和启动脚本COMFY_HOME... bash install_deps_minimax_h3.sh应用多卡补丁git apply comfy-ui-changes.patch先--check校验按权重清单把 BF16 / INT8 权重放进models/或 extra_model_paths.yaml 指向的共享目录4.2 启动服务配置好COMFY_HOME、NPU_DEVICES0,1,2,3、COMFYUI_PORT8189后执行 additional_files/runtime/restart-v1.sh脚本会自动停旧进程、等端口释放、做健康检查然后浏览器打开http://服务器IP:8189/即可。4.3 页面操作五步走从Workflows 菜单打开对应 JSON或直接把 JSON 拖进画布在模型加载节点确认下拉的权重名与第 4 章清单一致Multi-NPU Parallel Config节点设置卡数——4 卡服务保持默认4只有 1/2 卡必须同步改否则运行前校验会失败在LoadImage节点选择素材填写 prompt、时长默认 5 秒和分辨率点击Queue 排队产物在 Queue/History 页面查看重启后记录仍保留 小贴士工作流不打包输入图片首次运行记得在LoadImage节点重新选图FL2VA 的首帧、尾帧均可选断开其中一路就是纯首帧/纯尾帧生成。五、参数怎么调步数、分辨率、LoRA 三个关键旋钮 步数——速度和质量的最大杠杆官方性能数据4 NPU、1344×768、24fps详见 README.md 第 8 章场景Ref2VA768P/15sEuler 50 步res_multistep 21 步Turbo 8 步端到端耗时2263s945s414~496s8 步 Turbo 是推荐性能基线用minimax_h3_turbo_v4_step600_ema.safetensorsEMA 版质量更强6~8 步比 4 步明显更稳21/50 步用于质量对照采样耗时近似随步数线性增长Turbo 的strength保持 1.0调度器保持simple/beta即可更多细节见 ComfyUI-MiniMax-H3-Turbo/README.md 分辨率——用 ResolutionSelector 节点一键切换工作流内置了分辨率选择器选宽高比16:9 / 9:16 等 输入「兆像素」数值自动算出 32 的倍数输出。例如 16:9 下填0.4得 864×480填0.98得 1344×768768P。帧数由秒数自动换算24fps、17k5 网格5 秒 124 帧。️ 显存不够换 pruned INT8 权重ref2va_8steps_lora工作流默认加载的就是minimax_h3_ref2va_pruned_int8_convrot.safetensors INT8 文本编码器15 秒 768P 仅需约 455s单卡 480P 也能跑通约 449s。单卡场景请优先 pruned INT8 降分辨率BF16 单卡不是支持基线。六、常见问题快速排查 现象处理办法首次任务特别慢正常要从存储读取约 66GB DiT 51GB 文本编码器并建模型拓扑后续任务会明显变快OOM 后任务失败读runtime/*.log第一条异常确认队列为空后用 restart 脚本清理 allocator 状态不要直接重跑同一任务启动时报xFormers not available预期提示Ascend 环境推理走 PyTorch/torch-npu 路径可忽略4 卡显存依然很高DiT 是序列并行而非参数分片每卡需完整权重地址空间属于设计使然七、总结你的第一条生成任务怎么选追求出片速度→fl2va_8steps_loraBF16 4 卡或ref2va_8steps_loraINT8 低显存️追求画质上限→ 21 步工作流做对照预算充裕再上 50 步要角色一致性如上面的小英雄 机械龙→ Ref2VA 系列多张参考图 提示词里Picture N点名引用环境跑通后把仓库示例提示词换成你自己的创意MiniMax-H3 的多卡加速工作流就已经真正属于你了 【免费下载链接】MiniMax-H3-Comfy-NPU项目地址: https://ai.gitcode.com/Ascend-SACT/MiniMax-H3-Comfy-NPU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考