From c469616e0d10ab47b0398ece3301684029e0164c Mon Sep 17 00:00:00 2001 From: lin-bot23 Date: Wed, 16 Sep 2026 09:42:05 +0800 Subject: [PATCH 1/2] docs: add FastVideo FastH3 fast generation guide for MiniMax H3 --- docs.json | 12 +- .../video/minimax/minimax-h3-fastvideo.mdx | 141 ++++++++++++++++++ .../video/minimax/minimax-h3-fastvideo.mdx | 141 ++++++++++++++++++ .../video/minimax/minimax-h3-fastvideo.mdx | 132 ++++++++++++++++ .../video/minimax/minimax-h3-fastvideo.mdx | 141 ++++++++++++++++++ 5 files changed, 563 insertions(+), 4 deletions(-) create mode 100644 ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx create mode 100644 ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx create mode 100644 tutorials/video/minimax/minimax-h3-fastvideo.mdx create mode 100644 zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx diff --git a/docs.json b/docs.json index f35e9d41c..dbf8a7be2 100644 --- a/docs.json +++ b/docs.json @@ -310,7 +310,8 @@ "tutorials/video/minimax/minimax-h3-native", "tutorials/video/minimax/minimax-h3-multiframe", "tutorials/video/minimax/minimax-h3-fun-controlnet", - "tutorials/video/minimax/minimax-h3-prompt-guide" + "tutorials/video/minimax/minimax-h3-prompt-guide", + "tutorials/video/minimax/minimax-h3-fastvideo" ] }, { @@ -3951,7 +3952,8 @@ "zh/tutorials/video/minimax/minimax-h3-native", "zh/tutorials/video/minimax/minimax-h3-multiframe", "zh/tutorials/video/minimax/minimax-h3-fun-controlnet", - "zh/tutorials/video/minimax/minimax-h3-prompt-guide" + "zh/tutorials/video/minimax/minimax-h3-prompt-guide", + "zh/tutorials/video/minimax/minimax-h3-fastvideo" ] }, { @@ -7268,7 +7270,8 @@ "ja/tutorials/video/minimax/minimax-h3-native", "ja/tutorials/video/minimax/minimax-h3-multiframe", "ja/tutorials/video/minimax/minimax-h3-fun-controlnet", - "ja/tutorials/video/minimax/minimax-h3-prompt-guide" + "ja/tutorials/video/minimax/minimax-h3-prompt-guide", + "ja/tutorials/video/minimax/minimax-h3-fastvideo" ] }, { @@ -10598,7 +10601,8 @@ "ko/tutorials/video/minimax/minimax-h3-native", "ko/tutorials/video/minimax/minimax-h3-multiframe", "ko/tutorials/video/minimax/minimax-h3-fun-controlnet", - "ko/tutorials/video/minimax/minimax-h3-prompt-guide" + "ko/tutorials/video/minimax/minimax-h3-prompt-guide", + "ko/tutorials/video/minimax/minimax-h3-fastvideo" ] }, { diff --git a/ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx new file mode 100644 index 000000000..01a635ad3 --- /dev/null +++ b/ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -0,0 +1,141 @@ +--- +title: "ComfyUI MiniMax H3 高速生成：FastVideo FastH3" +description: "FastVideo FastH3 ディスティルドチェックポイントを使い、ComfyUI で 8 サンプリングステップで同期オーディオ付きの MiniMax H3 動画を生成します。テキストから動画、最初と最後のフレームワークフローに対応。" +sidebarTitle: "高速生成（FastH3）" +translationSourceHash: e5a337b0 +translationFrom: tutorials/video/minimax/minimax-h3-fastvideo.mdx +translationBlockHashes: + "_intro": 096c332e + "Requirements": bcdeb37e + "FastH3 Text to Video": e9a7420a + "FastH3 Image to Video": ec7d82bf + "Model downloads": bc93d525 + "Workflow structure notes": 77b7c476 +--- + +[FastVideo FastH3](https://huggingface.co/FastVideo/FastVideo-FastH3-8-Step-V2) は、FastVideo チームが MiniMax H3 を DMD2 で蒸留したチェックポイントで、ベースモデルの完全なスケジュールの代わりに **8 サンプリングステップ**でネイティブ同期オーディオ付きの動画を生成します。H3 のテキストエンコーダー、動画 VAE、オーディオ VAE をそのまま使うため、出力設定はベースモデルと同じままで、サンプリングだけが大幅に短縮されます。 + +FastH3 プレビューは Nuva Lab と NVIDIA FastGen チームとの共同開発によるものです。蒸留の詳細は [FastH3 発表記事](https://haoailab.com/blogs/fasth3-preview/) を参照してください。ComfyUI に同梱されているのは 8 ステップ V2 チェックポイントで、Comfy-Org が [FastVideo-FastH3-Comfy](https://huggingface.co/FastVideo/FastVideo-FastH3-Comfy) リポジトリで再パッキングしました。 + +FastH3 は、動きとオーディオの忠実度をいくらか犠牲にして速度を得るモデルです。ドラフト、反復、短時間での仕上げに適しています。最高品質が必要な場合はベースの MiniMax H3 ワークフローを使用してください。 + + + + +この蒸留チェックポイントはテキストから動画、最初と最後のフレームによる画像から動画のみに対応しています。Ref2VA（マルチリファレンス条件付け）は蒸留されていません。リファレンスベースの生成にはベースの [MiniMax H3 ワークフロー](/ja/tutorials/video/minimax/minimax-h3-native) を使用してください。 + + +## 要件 + +- ComfyUI 0.36.0 以降 +- MiniMax H3 のテキストエンコーダーと VAE（ベースモデルと共通、下記の一覧を参照） + +## FastH3 テキストから動画 + +テキストプロンプトから 8 ステップで同期オーディオ付きの動画を生成します。 + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + Comfy Cloud で開く + +*/} + + + + JSON をダウンロード、またはテンプレートライブラリで "FastVideo FastH3: Text to Video" を検索 + + + +### プロンプトのコツ + +1. **シーン全体を説明する**: まず全体のシーン（場所、キャラクター、何が起きているか）を述べ、次に時間順のショットに分割します +2. **ショット・カメラ・オーディオ**: ショット、カメラワーク、伴奏オーディオ（セリフ、効果音、音楽）を 1 つのプロンプトブロックで記述します +3. **解像度**: H3 のネイティブキャンバスは短辺 768px、上限は 768x1344 で、解像度は 32 の倍数に丸められます +4. **長さ**: 長さの入力は、24fps におけるモデルの 17 フレーム/ブロック（17k+5）グリッドにスナップされます +5. **ステップ数は 8 で固定**: この蒸留チェックポイントは 8 ステップで学習されています。スケジューラのステップ数を変更すると品質が低下します + +プロンプト作成のリソースについては、[プロンプトガイド](/ja/tutorials/video/minimax/minimax-h3-prompt-guide) を参照してください。 + +## FastH3 画像から動画 + +静止画を同期オーディオ付きで動かします。最初と最後のフレームの制御にも対応しています。 + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + Comfy Cloud で開く + +*/} + + + + JSON をダウンロード、またはテンプレートライブラリで "FastVideo FastH3: Image to Video" を検索 + + + +**入力素材** + +このファイルを対応する `LoadImage` ノードにアップロードするか、自分の画像を使用してください: + + + + 画像から動画ワークフローのサンプル最初のフレーム + + + +### 最初と最後のフレームモード + +`MiniMaxH3ImageToVideo` ノードの `first_frame` と/または `last_frame` に画像を接続すると、2 つのキーフレーム間の動きを生成します。どちらも接続しない場合はテキストから動画になります。 + +### プロンプトのコツ + +1. **動きとオーディオを説明する**: 見た目は画像が担うため、プロンプトは動き、カメラ、伴奏オーディオに集中してください +2. **長さ**: 長さの入力は、24fps におけるモデルの 17 フレーム/ブロック（17k+5）グリッドにスナップされます +3. **ステップ数は 8 で固定**: スケジューラは 8 ステップのままにしてください。チェックポイントはそのスケジュールで蒸留されています + +## モデルダウンロード + +拡散モデルは FastVideo リポジトリから、テキストエンコーダーと VAE はベースの MiniMax H3 モデルと共通です。 + + + + ComfyUI/models/diffusion_models/ に配置 + + + ComfyUI/models/text_encoders/ に配置 + + + ComfyUI/models/vae/ に配置 + + + ComfyUI/models/vae/ に配置 + + + +### モデルの保存場所 + +``` +ComfyUI/ +├── 📂 models/ +│ ├── 📂 diffusion_models/ +│ │ └── fastvideo_fasth3_8step_v2_pruned_int8_convrot.safetensors +│ ├── 📂 text_encoders/ +│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors +│ └── 📂 vae/ +│ ├── minimax_h3_video_vae_fp16.safetensors +│ └── minimax_h3_audio_vae_fp32.safetensors +``` + +## ワークフロー構造のメモ + +両方の FastH3 ワークフローは、ベースの H3 構成と以下のノードを共有し、蒸留固有の設定が加わっています: + +- **BlockSparseAttention**: Video Sparse Attention（VSA）を `keep_percent` 10、スケジュールの 20% から実行し、品質を保ちながら注意計算のコストを削減します +- **MiniMaxH3SigmaShift**: 蒸留スケジュールに合わせた H3 シグマシフト（動画 10、オーディオ 3）を適用します +- **ComfyMathExpression**: 長さの入力を、24fps の 17k+5 グリッド上の有効なフレーム `length` に変換します +- **サンプラー**: `res_multistep` サンプラー、`simple` スケジューラ、8 ステップ diff --git a/ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx new file mode 100644 index 000000000..500606620 --- /dev/null +++ b/ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -0,0 +1,141 @@ +--- +title: "ComfyUI MiniMax H3 고속 생성: FastVideo FastH3" +description: "FastVideo FastH3 증류 체크포인트로 ComfyUI에서 8 샘플링 스텝으로 동기화 오디오가 포함된 MiniMax H3 비디오를 생성합니다. 텍스트 to 비디오 및 처음/마지막 프레임 워크플로우를 지원합니다." +sidebarTitle: "고속 생성(FastH3)" +translationSourceHash: e5a337b0 +translationFrom: tutorials/video/minimax/minimax-h3-fastvideo.mdx +translationBlockHashes: + "_intro": 096c332e + "Requirements": bcdeb37e + "FastH3 Text to Video": e9a7420a + "FastH3 Image to Video": ec7d82bf + "Model downloads": bc93d525 + "Workflow structure notes": 77b7c476 +--- + +[FastVideo FastH3](https://huggingface.co/FastVideo/FastVideo-FastH3-8-Step-V2)는 FastVideo 팀이 MiniMax H3를 DMD2로 증류한 체크포인트로, 베이스 모델의 전체 스케줄 대신 **8 샘플링 스텝**으로 네이티브 동기화 오디오가 포함된 비디오를 생성합니다. H3의 텍스트 인코더, 비디오 VAE, 오디오 VAE를 그대로 사용하므로 출력 설정은 베이스 모델과 동일하면서 샘플링만 크게 단축됩니다. + +FastH3 프리뷰는 Nuva Lab 및 NVIDIA FastGen 팀과 협력하여 개발되었습니다. 증류에 대한 자세한 내용은 [FastH3 발표 블로그](https://haoailab.com/blogs/fasth3-preview/)를 참고하세요. ComfyUI에는 8스텝 V2 체크포인트가 포함되어 있으며, Comfy-Org가 [FastVideo-FastH3-Comfy](https://huggingface.co/FastVideo/FastVideo-FastH3-Comfy) 저장소에 재패키징했습니다. + +FastH3은 일부 모션과 오디오 충실도를 속도와 맞바꾸는 모델입니다. 초안, 반복 작업, 빠른 제작에 적합하며, 최고 품질이 필요할 때는 베이스 MiniMax H3 워크플로우를 사용하세요. + + + + +이 증류 체크포인트는 텍스트 to 비디오와 처음/마지막 프레임 이미지 to 비디오만 지원합니다. Ref2VA(멀티 레퍼런스 조건)는 증류되지 않았습니다. 레퍼런스 기반 생성에는 베이스 [MiniMax H3 워크플로우](/ko/tutorials/video/minimax/minimax-h3-native)를 사용하세요. + + +## 요구 사항 + +- ComfyUI 0.36.0 이상 +- MiniMax H3 텍스트 인코더 및 VAE(베이스 모델과 공유, 아래 목록 참조) + +## FastH3 텍스트 to 비디오 + +텍스트 프롬프트에서 8스텝으로 동기화 오디오가 포함된 비디오를 생성합니다. + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + Comfy Cloud에서 열기 + +*/} + + + + JSON을 다운로드하거나 템플릿 라이브러리에서 "FastVideo FastH3: Text to Video" 검색 + + + +### 프롬프트 팁 + +1. **전체 장면 묘사**: 먼저 전체 장면(장소, 캐릭터, 무슨 일이 일어나는지)을 설명한 뒤 시간 순서의 샷으로 나눕니다 +2. **샷, 카메라, 오디오**: 샷, 카메라 움직임, 함께할 오디오(대사, 효과음, 음악)를 하나의 프롬프트 블록에 설명합니다 +3. **해상도**: H3의 네이티브 캔버스는 짧은 변 768px, 최대 768x1344이며, 해상도는 32의 배수로 반올림됩니다 +4. **길이**: 길이 입력은 24fps에서 모델의 17프레임/블록(17k+5) 그리드에 맞춰집니다 +5. **스텝 수는 8로 고정**: 이 증류 체크포인트는 8스텝으로 학습되었습니다. 스케줄러의 스텝 수를 변경하면 품질이 저하됩니다 + +프롬프트 작성 리소스는 [프롬프트 가이드](/ko/tutorials/video/minimax/minimax-h3-prompt-guide)를 참고하세요. + +## FastH3 이미지 to 비디오 + +정지 이미지를 동기화 오디오와 함께 움직이게 합니다. 처음/마지막 프레임 제어도 지원합니다. + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + Comfy Cloud에서 열기 + +*/} + + + + JSON을 다운로드하거나 템플릿 라이브러리에서 "FastVideo FastH3: Image to Video" 검색 + + + +**입력 소재** + +이 파일을 해당 `LoadImage` 노드에 업로드하거나 직접 만든 이미지를 사용하세요: + + + + 이미지 to 비디오 워크플로우의 예시 첫 프레임 + + + +### 처음/마지막 프레임 모드 + +`MiniMaxH3ImageToVideo` 노드의 `first_frame` 및/또는 `last_frame`에 이미지를 연결하면 두 키프레임 사이의 모션을 생성합니다. 둘 다 연결하지 않으면 텍스트 to 비디오로 동작합니다. + +### 프롬프트 팁 + +1. **모션과 오디오 설명**: 이미지가 외관을 담당하므로 프롬프트는 모션, 카메라, 함께할 오디오에 집중해야 합니다 +2. **길이**: 길이 입력은 24fps에서 모델의 17프레임/블록(17k+5) 그리드에 맞춰집니다 +3. **스텝 수는 8로 고정**: 스케줄러는 8스텝을 유지하세요. 체크포인트가 해당 스케줄로 증류되었습니다 + +## 모델 다운로드 + +확산 모델은 FastVideo 저장소에서 제공되며, 텍스트 인코더와 VAE는 베이스 MiniMax H3 모델과 공유됩니다. + + + + ComfyUI/models/diffusion_models/에 배치 + + + ComfyUI/models/text_encoders/에 배치 + + + ComfyUI/models/vae/에 배치 + + + ComfyUI/models/vae/에 배치 + + + +### 모델 저장 위치 + +``` +ComfyUI/ +├── 📂 models/ +│ ├── 📂 diffusion_models/ +│ │ └── fastvideo_fasth3_8step_v2_pruned_int8_convrot.safetensors +│ ├── 📂 text_encoders/ +│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors +│ └── 📂 vae/ +│ ├── minimax_h3_video_vae_fp16.safetensors +│ └── minimax_h3_audio_vae_fp32.safetensors +``` + +## 워크플로우 구조 노트 + +두 FastH3 워크플로우는 베이스 H3 구성과 다음 노드를 공유하며, 증류 관련 설정이 추가되어 있습니다: + +- **BlockSparseAttention**: Video Sparse Attention(VSA)을 `keep_percent` 10으로, 스케줄의 20% 지점부터 실행하여 품질을 유지하면서 어텐션 비용을 줄입니다 +- **MiniMaxH3SigmaShift**: 증류 스케줄에 맞는 H3 시그마 시프트(비디오 10, 오디오 3)를 적용합니다 +- **ComfyMathExpression**: 길이 입력을 24fps의 17k+5 그리드에서 유효한 프레임 `length`로 변환합니다 +- **샘플러**: `res_multistep` 샘플러, `simple` 스케줄러, 8스텝 diff --git a/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/tutorials/video/minimax/minimax-h3-fastvideo.mdx new file mode 100644 index 000000000..3e83ee662 --- /dev/null +++ b/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -0,0 +1,132 @@ +--- +title: "ComfyUI MiniMax H3 Fast Generation with FastVideo FastH3" +description: "Generate MiniMax H3 video with synchronized audio in 8 sampling steps in ComfyUI using the FastVideo FastH3 distilled checkpoint: text-to-video and first/last-frame workflows." +sidebarTitle: "Fast generation (FastH3)" +--- + +[FastVideo FastH3](https://huggingface.co/FastVideo/FastVideo-FastH3-8-Step-V2) is a DMD2-distilled MiniMax H3 checkpoint from the FastVideo team that generates video with synchronized native audio in **8 sampling steps** instead of the base model's full schedule. It reuses the H3 text encoder, video VAE, and audio VAE, so output matches the base model's setup while sampling finishes in a fraction of the steps. + +The FastH3 preview work was developed in collaboration with Nuva Lab and the NVIDIA FastGen team; read the [FastH3 announcement](https://haoailab.com/blogs/fasth3-preview/) for distillation details. ComfyUI ships with the 8-step V2 checkpoint, repacked by Comfy-Org in the [FastVideo-FastH3-Comfy](https://huggingface.co/FastVideo/FastVideo-FastH3-Comfy) repository. + +FastH3 trades some motion and audio fidelity for speed. Use it for drafts, iteration, and fast turnaround; use the base MiniMax H3 workflows when maximum quality matters. + + + + +The distilled checkpoint supports text-to-video and first/last-frame image-to-video only. Ref2VA (multi-reference conditioning) was not distilled; use the base [MiniMax H3 workflows](/tutorials/video/minimax/minimax-h3-native) for reference-based generation. + + +## Requirements + +- ComfyUI 0.36.0 or later +- The MiniMax H3 text encoder and VAEs (shared with the base model, listed below) + +## FastH3 Text to Video + +Generate synchronized video and audio from a text prompt in 8 steps. + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + Open in Comfy Cloud + +*/} + + + + Download JSON or search "FastVideo FastH3: Text to Video" in Template Library + + + +### Prompting tips + +1. **Describe the whole scene**: State the overall scene first (location, character, what is happening), then break it into timed shots +2. **Shots, camera, and audio**: Describe the shots, camera moves, and the accompanying audio (dialogue, SFX, music) in one prompt block +3. **Resolution**: H3's native canvas is a 768px short edge, capped at 768x1344, and resolutions are rounded to a multiple of 32 +4. **Duration**: The duration input snaps to the model's 17-frame-per-block (17k+5) grid at 24fps +5. **Steps are fixed at 8**: The distilled checkpoint is trained for exactly 8 steps; changing the step count in the scheduler degrades quality + +For prompt writing resources, see the [prompt guide](/tutorials/video/minimax/minimax-h3-prompt-guide). + +## FastH3 Image to Video + +Animate a still image with synchronized audio, with optional first/last-frame control. + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + Open in Comfy Cloud + +*/} + + + + Download JSON or search "FastVideo FastH3: Image to Video" in Template Library + + + +**Input material** + +Upload this file to the matching `LoadImage` node, or use your own image: + + + + Example first frame for the Image to Video workflow + + + +### First/last-frame mode + +Connect images to `first_frame` and/or `last_frame` on the `MiniMaxH3ImageToVideo` node to generate the motion between two keyframes. Leave both disconnected for text-to-video. + +### Prompting tips + +1. **Describe the motion and audio**: With an image providing the look, the prompt should focus on motion, camera, and the accompanying audio +2. **Duration**: The duration input snaps to the model's 17-frame-per-block (17k+5) grid at 24fps +3. **Steps are fixed at 8**: Keep the scheduler at 8 steps; the checkpoint is distilled for that schedule + +## Model downloads + +The diffusion model comes from the FastVideo repository; the text encoder and VAEs are shared with the base MiniMax H3 model. + + + + Place in ComfyUI/models/diffusion_models/ + + + Place in ComfyUI/models/text_encoders/ + + + Place in ComfyUI/models/vae/ + + + Place in ComfyUI/models/vae/ + + + +### Model storage + +``` +ComfyUI/ +├── 📂 models/ +│ ├── 📂 diffusion_models/ +│ │ └── fastvideo_fasth3_8step_v2_pruned_int8_convrot.safetensors +│ ├── 📂 text_encoders/ +│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors +│ └── 📂 vae/ +│ ├── minimax_h3_video_vae_fp16.safetensors +│ └── minimax_h3_audio_vae_fp32.safetensors +``` + +## Workflow structure notes + +Both FastH3 workflows share these nodes with the base H3 setup, with distillation-specific settings: + +- **BlockSparseAttention**: Runs Video Sparse Attention (VSA) with `keep_percent` 10 starting at 20% of the schedule, reducing attention cost while preserving quality +- **MiniMaxH3SigmaShift**: Applies the H3 sigma shift (10 for video, 3 for audio) that matches the distilled schedule +- **ComfyMathExpression**: Converts the duration input into a valid frame `length` on the 17k+5 grid at 24fps +- **Sampler**: `res_multistep` sampler with the `simple` scheduler at 8 steps diff --git a/zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx new file mode 100644 index 000000000..be097d6c5 --- /dev/null +++ b/zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -0,0 +1,141 @@ +--- +title: "ComfyUI MiniMax H3 高速生成：FastVideo FastH3" +description: "在 ComfyUI 中使用 FastVideo FastH3 蒸馏模型以 8 个采样步数生成带同步音频的 MiniMax H3 视频：文本生成视频与首尾帧工作流。" +sidebarTitle: "高速生成（FastH3）" +translationSourceHash: e5a337b0 +translationFrom: tutorials/video/minimax/minimax-h3-fastvideo.mdx +translationBlockHashes: + "_intro": 096c332e + "Requirements": bcdeb37e + "FastH3 Text to Video": e9a7420a + "FastH3 Image to Video": ec7d82bf + "Model downloads": bc93d525 + "Workflow structure notes": 77b7c476 +--- + +[FastVideo FastH3](https://huggingface.co/FastVideo/FastVideo-FastH3-8-Step-V2) 是 FastVideo 团队基于 MiniMax H3 蒸馏得到的 DMD2 模型，能以 **8 个采样步数**生成带原生同步音频的视频，而不是基础模型的完整调度。它复用了 H3 的文本编码器、视频 VAE 和音频 VAE，因此输出设置与基础模型一致，而采样步数大幅减少。 + +FastH3 预览版由 Nuva Lab 与 NVIDIA FastGen 团队合作开发；蒸馏细节请阅读 [FastH3 发布公告](https://haoailab.com/blogs/fasth3-preview/)。ComfyUI 内置的是 8 步 V2 检查点，由 Comfy-Org 重新打包在 [FastVideo-FastH3-Comfy](https://huggingface.co/FastVideo/FastVideo-FastH3-Comfy) 仓库中。 + +FastH3 以部分运动和音频保真度换取速度。适合草稿、迭代和快速出片；对画质要求最高时请使用基础版 MiniMax H3 工作流。 + + + + +该蒸馏检查点仅支持文本生成视频和首尾帧图生视频。Ref2VA（多参考条件）未做蒸馏；基于参考的生成请使用基础版 [MiniMax H3 工作流](/zh/tutorials/video/minimax/minimax-h3-native)。 + + +## 环境要求 + +- ComfyUI 0.36.0 或更高版本 +- MiniMax H3 的文本编码器和 VAE（与基础模型共用，见下方列表） + +## FastH3 文本生成视频 + +以 8 个步数从文本提示词生成带同步音频的视频。 + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + 在 Comfy Cloud 中打开 + +*/} + + + + 下载 JSON，或在模板库中搜索 "FastVideo FastH3: Text to Video" + + + +### 提示词技巧 + +1. **描述完整场景**：先说明整体场景（地点、角色、正在发生什么），再拆分为按时间排列的分镜 +2. **分镜、镜头与音频**：在一段提示词中同时描述分镜、镜头运动和配套音频（对白、音效、音乐） +3. **分辨率**：H3 的原生画布短边为 768px，上限为 768x1344，分辨率会取整到 32 的倍数 +4. **时长**：时长输入会对齐到模型 24fps 下每块 17 帧（17k+5）的网格 +5. **步数固定为 8**：该蒸馏检查点按 8 步训练；更改调度器的步数会降低质量 + +提示词编写资源请参阅[提示词指南](/zh/tutorials/video/minimax/minimax-h3-prompt-guide)。 + +## FastH3 图生视频 + +让静态图片动起来并带同步音频，支持可选的首尾帧控制。 + + + +{/* TODO: Enable Cloud template when it is available in Comfy Cloud */} +{/* + + 在 Comfy Cloud 中打开 + +*/} + + + + 下载 JSON，或在模板库中搜索 "FastVideo FastH3: Image to Video" + + + +**输入素材** + +将此文件上传到对应的 `LoadImage` 节点，或使用你自己的图片： + + + + 图生视频工作流的示例首帧 + + + +### 首尾帧模式 + +将图片连接到 `MiniMaxH3ImageToVideo` 节点的 `first_frame` 和/或 `last_frame`，即可在两个关键帧之间生成运动。两者都不连接时为文本生成视频。 + +### 提示词技巧 + +1. **描述运动与音频**：画面外观由图片提供，提示词应聚焦运动、镜头和配套音频 +2. **时长**：时长输入会对齐到模型 24fps 下每块 17 帧（17k+5）的网格 +3. **步数固定为 8**：调度器保持 8 步；该检查点按此调度蒸馏 + +## 模型下载 + +扩散模型来自 FastVideo 仓库；文本编码器和 VAE 与基础版 MiniMax H3 模型共用。 + + + + 放置于 ComfyUI/models/diffusion_models/ + + + 放置于 ComfyUI/models/text_encoders/ + + + 放置于 ComfyUI/models/vae/ + + + 放置于 ComfyUI/models/vae/ + + + +### 模型存放位置 + +``` +ComfyUI/ +├── 📂 models/ +│ ├── 📂 diffusion_models/ +│ │ └── fastvideo_fasth3_8step_v2_pruned_int8_convrot.safetensors +│ ├── 📂 text_encoders/ +│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors +│ └── 📂 vae/ +│ ├── minimax_h3_video_vae_fp16.safetensors +│ └── minimax_h3_audio_vae_fp32.safetensors +``` + +## 工作流结构说明 + +两个 FastH3 工作流与基础版 H3 设置共用以下节点，并带有蒸馏相关的设置： + +- **BlockSparseAttention**：以 VSA（Video Sparse Attention）运行，`keep_percent` 为 10，从调度的 20% 开始生效，在保持质量的同时降低注意力计算成本 +- **MiniMaxH3SigmaShift**：应用与蒸馏调度匹配的 H3 sigma shift（视频为 10，音频为 3） +- **ComfyMathExpression**：将时长输入转换为 24fps 下 17k+5 网格上的有效帧 `length` +- **采样器**：`res_multistep` 采样器，`simple` 调度器，8 步 From 434f993cd5c24cb3fe0735f153522b84b604511c Mon Sep 17 00:00:00 2001 From: lin-bot23 Date: Wed, 16 Sep 2026 13:24:33 +0800 Subject: [PATCH 2/2] docs: lead page title with the official FastVideo FastH3 name Align with the template gallery naming ("FastVideo FastH3: Text to Video" / "Image to Video") and the LTX-2.5 page convention of leading with the model name. sidebarTitle simplifies to FastVideo FastH3. --- ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx | 4 ++-- ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx | 4 ++-- tutorials/video/minimax/minimax-h3-fastvideo.mdx | 4 ++-- zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx | 4 ++-- 4 files changed, 8 insertions(+), 8 deletions(-) diff --git a/ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx index 01a635ad3..4a47aec7b 100644 --- a/ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx +++ b/ja/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -1,7 +1,7 @@ --- -title: "ComfyUI MiniMax H3 高速生成：FastVideo FastH3" +title: "FastVideo FastH3：ComfyUI ワークフロー例" description: "FastVideo FastH3 ディスティルドチェックポイントを使い、ComfyUI で 8 サンプリングステップで同期オーディオ付きの MiniMax H3 動画を生成します。テキストから動画、最初と最後のフレームワークフローに対応。" -sidebarTitle: "高速生成（FastH3）" +sidebarTitle: "FastVideo FastH3" translationSourceHash: e5a337b0 translationFrom: tutorials/video/minimax/minimax-h3-fastvideo.mdx translationBlockHashes: diff --git a/ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx index 500606620..e4bc9421e 100644 --- a/ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx +++ b/ko/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -1,7 +1,7 @@ --- -title: "ComfyUI MiniMax H3 고속 생성: FastVideo FastH3" +title: "FastVideo FastH3: ComfyUI 워크플로 예제" description: "FastVideo FastH3 증류 체크포인트로 ComfyUI에서 8 샘플링 스텝으로 동기화 오디오가 포함된 MiniMax H3 비디오를 생성합니다. 텍스트 to 비디오 및 처음/마지막 프레임 워크플로우를 지원합니다." -sidebarTitle: "고속 생성(FastH3)" +sidebarTitle: "FastVideo FastH3" translationSourceHash: e5a337b0 translationFrom: tutorials/video/minimax/minimax-h3-fastvideo.mdx translationBlockHashes: diff --git a/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/tutorials/video/minimax/minimax-h3-fastvideo.mdx index 3e83ee662..bb3f77126 100644 --- a/tutorials/video/minimax/minimax-h3-fastvideo.mdx +++ b/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -1,7 +1,7 @@ --- -title: "ComfyUI MiniMax H3 Fast Generation with FastVideo FastH3" +title: "FastVideo FastH3: ComfyUI Workflow Examples" description: "Generate MiniMax H3 video with synchronized audio in 8 sampling steps in ComfyUI using the FastVideo FastH3 distilled checkpoint: text-to-video and first/last-frame workflows." -sidebarTitle: "Fast generation (FastH3)" +sidebarTitle: "FastVideo FastH3" --- [FastVideo FastH3](https://huggingface.co/FastVideo/FastVideo-FastH3-8-Step-V2) is a DMD2-distilled MiniMax H3 checkpoint from the FastVideo team that generates video with synchronized native audio in **8 sampling steps** instead of the base model's full schedule. It reuses the H3 text encoder, video VAE, and audio VAE, so output matches the base model's setup while sampling finishes in a fraction of the steps. diff --git a/zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx b/zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx index be097d6c5..235d92e9b 100644 --- a/zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx +++ b/zh/tutorials/video/minimax/minimax-h3-fastvideo.mdx @@ -1,7 +1,7 @@ --- -title: "ComfyUI MiniMax H3 高速生成：FastVideo FastH3" +title: "FastVideo FastH3：ComfyUI 工作流示例" description: "在 ComfyUI 中使用 FastVideo FastH3 蒸馏模型以 8 个采样步数生成带同步音频的 MiniMax H3 视频：文本生成视频与首尾帧工作流。" -sidebarTitle: "高速生成（FastH3）" +sidebarTitle: "FastVideo FastH3" translationSourceHash: e5a337b0 translationFrom: tutorials/video/minimax/minimax-h3-fastvideo.mdx translationBlockHashes: