drbaph/MiniMax-H3-Turbo-Lora-ComfyUI · Hugging Face

MiniMax-H3 Turbo 4-Step — ComfyUI 剪枝模型 LoRA

本仓库包含原始 MiniMax-H3 Turbo LoRA — 4 步音视频生成预览 的第三方 ComfyUI 兼容转换版本，原始模型由 larryvrh (https://huggingface.co/larryvrh) 创建。

此外，仓库还包含两个 进一步训练的 checkpoint-500 变体，采用相同的剪枝模型 ComfyUI 格式。

这些 LoRA 专为 ComfyUI 使用的 剪枝/曲线形式 MiniMax-H3 checkpoint 设计。

另请查看 https://github.com/Larryvrh/ComfyUI-MiniMax-H3-Turbo

ComfyUI 测试输出

下载 ComfyUI 工作流 (https://huggingface.co/drbaph/MiniMax-H3-Turbo-Lora-ComfyUI/resolve/main/fl_minimax_h3_turbo_lora_example_workflow.json?download=true)

ComfyUI 工作流截图 (https://cdn-uploads.huggingface.co/production/uploads/63473b59e5c0717e6737b872/zfVV_yKP-njnOrGinGy8K.png)

原始项目

原始 LoRA 权重、训练工作、四步蒸馏方法、双重视频/音频采样实现、文档和源文件均由 larryvrh 创建并发布：

原始仓库： larryvrh/MiniMax-H3-Turbo-Lora (https://huggingface.co/larryvrh/MiniMax-H3-Turbo-Lora)

我 没有 训练、蒸馏或创建原始的 Turbo LoRA 权重。本仓库提供的是修改后的兼容版本，目的是让兼容的 LoRA 适配器能够在使用剪枝/曲线形式模型时，通过 ComfyUI 内置的 MiniMax-H3 LoRA 加载器加载。

原始 MiniMax-H3 Turbo LoRA 及其蒸馏方法的全部功劳归于 larryvrh。

包含文件

EMA 和非 EMA 文件保持独立，包含不同的张量值。

原始转换文件保留了初始预览权重，而 ckpt500 文件提供了进一步训练的变体。

这些是原始全模型 Turbo LoRA 的部分兼容版本，用于剪枝/曲线形式的 MiniMax-H3 架构。

应该使用哪个文件？

对于进一步训练的权重，请从以下文件开始：

minimax\_h3\_turbo\_4step\_ckpt500\_pruned\_comfyui\.safetensors

如需使用进一步训练的 EMA 变体进行对比：

minimax\_h3\_turbo\_4step\_ema\_ckpt500\_pruned\_comfyui\.safetensors

不带 ckpt500 的两个文件保留了早期的预览版本：

• minimax\_h3\_turbo\_4step\_pruned\_comfyui\.safetensors
• minimax\_h3\_turbo\_4step\_ema\_pruned\_comfyui\.safetensors

非 EMA 变体通常保持更锐利的响应和更强的快速运动表现，而 EMA 变体旨在提供更平滑的时间平均权重。

关于原始 Turbo LoRA

原始 MiniMax-H3 Turbo LoRA 是一个早期预览 checkpoint，旨在以大约 4 个采样步数（而不是通常的大约 20 个步数）生成联合视频和同步立体声音频，从而实现采样墙钟时间大约 5 倍 的缩减。

原作者明确指出，初始版本是正在进行中的训练运行所产生的未完成预览 checkpoint：

• 训练不足；
• 初始 EMA 权重尚未完全成熟；
• 质量不能代表完整运行的结果；
• 旨在作为项目方向的早期演示。

本仓库中额外的 ckpt500 文件是在该初始预览 checkpoint 基础上进一步训练的变体。

有关原始作者的文档、生成脚本、调度器实现和未来更新，请参阅原始仓库：

larryvrh/MiniMax-H3-Turbo-Lora (https://huggingface.co/larryvrh/MiniMax-H3-Turbo-Lora)

为什么进行此转换

原始 Turbo LoRA 文件使用如下张量键：

blocks\.0\.attn\.qkv\_proj\.lora\_A\.weight

ComfyUI 内置的 MiniMax-H3 LoRA 解析器期望键位于模型命名空间下：

diffusion\_model\.blocks\.0\.attn\.qkv\_proj\.lora\_A\.weight

如果没有该命名空间，ComfyUI 会报告如下警告：

\[WARNING\] lora key not loaded: blocks\.0\.attn\.out\_proj\.lora\_A\.weight

对保留的张量应用了以下命名空间转换：

• blocks\.\* → diffusion\_model\.blocks\.\*
• token\_refiner\.\* → diffusion\_model\.token\_refiner\.\*

保留的张量值、BF16 数据类型、张量形状、LoRA 秩以及 A/B 方向均保持不变。

转换细节

每个原始全模型 Turbo LoRA 包含：

每个剪枝模型兼容转换版本包含：

被剪枝的适配器包括：

• 来自 blocks\.0 到 blocks\.49 的 50 个 AdaLN 投影对；
• 来自 final\_layer\.adaln\_proj\.linear 的 1 个 AdaLN 投影对。

保留的适配器包括：

• 所有主块注意力适配器；
• 所有主块 MLP 适配器；
• 所有 token-refiner 注意力适配器；
• 所有 token-refiner MLP 适配器。

保留的注意力、MLP 和 token-refiner 张量具有与剪枝/曲线形式的 MiniMax-H3 checkpoint 兼容的维度。

验证

已检查转换后 LoRA 结构的以下方面：

• 完整的 LoRA A/B 适配器对；
• 没有孤立的 A 或 B 张量；
• 保留的键使用 diffusion\_model\.\* 命名空间；
• 没有重复的 diffusion\_model\.diffusion\_model\.\* 前缀；
• 没有不兼容的 adaln\_proj 张量；
• 保留 BF16 数据类型；
• 保留张量形状；
• 保留 LoRA 秩；
• EMA 和非 EMA 权重彼此分离；
• 在 ComfyUI 加载器级别的验证中没有未解析的保留键。

原始源文件未被覆盖。

这些 LoRA 已在 ComfyUI 中测试通过以下可选加速方法：

• SageAttention
• Sol Attention
• Gradient
• Spectrum

这些加速方法是可选的，不包含在本仓库中。

重要限制

这些文件是 剪枝/曲线形式 MiniMax-H3 checkpoint 的部分 ComfyUI 兼容版本。

进一步训练的 ckpt500 变体在初始兼容版本的基础上有所改进，

使用方法

将 LoRA 文件放入：

ComfyUI/models/loras/

与 适用于 ComfyUI 的剪枝/曲线形式 MiniMax-H3 checkpoint 配合使用。

推荐的进一步训练版本：

minimax\_h3\_turbo\_4step\_ckpt500\_pruned\_comfyui\.safetensors

进一步训练的 EMA 版本：

minimax\_h3\_turbo\_4step\_ema\_ckpt500\_pruned\_comfyui\.safetensors

建议的 ComfyUI 设置：

• 视频 sigma shift：12
• 音频 sigma shift：4\-6
• 已测试可行的步数：8–10 / 6\-8（ckpt500）
• 推荐采样器：res\_multistep
• 建议 LoRA 强度：0\.8–1\.8
• 采样步数越少，通常可以使用越高的 LoRA 强度
• 比较文件时，请使用相同的提示词、种子、分辨率、模型 checkpoint、采样器和工作流

已确认可用的可选加速器：

• SageAttention
• Sol Attention
• Gradient
• Spectrum

在检查采样器、调度器和音频 sigma 偏移配置之前，不要假定音频损坏是由 LoRA 引起的。

音频与调度器说明

MiniMax-H3 将视频和同步音频生成为独立流，二者具有不同的调度要求。

原始作者的独立生成实现使用专门为超低步数生成设计的双重视频/音频调度系统。

对于此 ComfyUI 剪枝模型版本，已测试的设置如下：

• 视频 sigma shift：12
• 音频 sigma shift：4\-6
• 步数：8–10 / 6\-8（ckpt500）
• 采样器：res\_multistep

错误的音频调度可能导致：

• 音频爆音；
• 严重失真；
• 类似噪声的音频；
• 音频能量不稳定；
• 音频完全损坏。

有关原始全模型设置、模型文件、分辨率指南、帧数规则和双调度器实现，请遵循原始 README：

larryvrh/MiniMax-H3-Turbo-Lora (https://huggingface.co/larryvrh/MiniMax-H3-Turbo-Lora)

署名

原始 MiniMax-H3 Turbo LoRA 作者：

larryvrh (https://huggingface.co/larryvrh)

原始项目：

MiniMax-H3-Turbo-Lora (https://huggingface.co/larryvrh/MiniMax-H3-Turbo-Lora)

本仓库包含用于剪枝/曲线形式 MiniMax-H3 checkpoint 的第三方部分 ComfyUI 兼容版本，包括进一步训练的 checkpoint-500 变体。

我不声明对以下内容的作者身份：

• 原始 Turbo LoRA 权重；
• 原始 LoRA 训练；
• 原始蒸馏方法；
• 原始四步采样方法；
• 原始双重视频/音频调度器；
• 原始 generate\.py；
• 原始文档；
• MiniMax-H3 基础模型；
• 剪枝/曲线形式的 MiniMax-H3 checkpoint。

在使用或再分发这些文件时，请保留对 larryvrh 的署名，并遵守原始 LoRA 和 MiniMax-H3 基础模型的许可证与条款。