T8mars 的 MiniMax H3 生态速览（2026-09-15）

作者：T8mars（T8star-Aix，B站 space.bilibili.com/385085361）。共 49 个仓库，其中 4 个直接是 H3 相关。 下面按「你的三个实际问题」组织：口型 / 内存与死机 / 速度与步数，另附提示词与兼容性警告。

一、仓库清单（H3 相关）

仓库	Star	是什么
0	★1056	主力节点包（v1.81.0，今天刚更新）。图生/首尾帧/参考图/参考音频/长视频/口型/加速/成片修复，33 个工作流目录
0	★266	H3 提示词增强节点 + H3 Prompt Relay 编排（全局提示词 / 逐事件提示词 / 秒数范围 / 对齐帧数 / 校验报告）
0	★231	Creative DNA 案例库 + 可安装 Skills + Electron 视频查看器（H3 / Seedance 2.0 双模型提示词）
0	★131	实验性 F1B0 Block Cache 节点：算 Block 0，音视频都稳时复用后续 residual，直接跳过 Block 1–49
（相关）0	★91	清显存节点；另有 0 ★49（你相册里已有 YuE2 产物）

二、口型问题：他的 24-mv-lipsync 就是答案

目录 examples/workflows/24-mv-lipsync/ 有三份工作流，V3 用的正是官方 Ref2V + Turbo4，和你现在的链路几乎一样：

• 2026-09-01_H3_Local_MV_VocalLock_V3_Official_Ref2V_Turbo4_Advanced_EXP.json ← 推荐
• 2026-09-01_H3_Local_MV_VocalLock_V2_Ref2VA_8Step_Advanced_EXP.json（历史兼容）
• 2026-09-01_H3_Local_MV_LipSync_Ref2VA_Turbo4_Advanced_EXP.json（旧版：只用完整混音驱动，他自己标注「不能作为独立人声口型验收路线」）

核心机制：Vocal Lock（独立人声驱动画面，完整原曲最后只混一次）

1. MV Vocal Lock Scene Planner V2：要求 full_song 与 vocal_lock_audio 同起点、同 24fps 时长，本地 CPU 分析人声活动，切 5–10 秒分镜；
2. MV Vocal Lock Prompt Compiler V2：固定产出官方六段式（subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music），绑定 <Subject 1>、<Picture 1>、<Audio 1>: fully_copy；「没有精确文本时绝不猜歌词或对白」；
3. Local MV Vocal Lock Renderer V2：只把「隔离人声」逐段送进 H3 lock_source，严格串行，完成一段就原子保存，可同 chain_id 续跑；
4. full_song 不进入 H3 —— 视频合成之后才把完整原曲只混入一次。

已验证配置（照抄就行）

项	值
分辨率	1024×768（必须是 32 的倍数）
采样	4 步、Euler / simple、shift 视频 12 / 音频 3
LoRA	官方 minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors，strength 1.0（就是你机器上那个）
镜头约束	人声镜头强制中近景 + 正面或 3/4 脸 + 嘴部全程无遮挡
参考图	清晰正脸最好；验证过正面与左右 3/4，推拉/手持/横移会增加时域重影风险

成果与它自己的诚实边界

• r4_official_ref2v 真实阶段片：32 秒 / 5 个独立 H3 镜头 / 1024×768 / 768 帧，5/5 严格解码，完整原曲只混入一次；
• 官方 SyncNet 逐镜测得 0/-1/0/-1/0 帧偏移（25fps）；把第 2 镜画面延后 400ms 的负对照测得 9 帧 —— 说明这个数字有判别力；
• 原话：「H3 不是确定性音素求解器」，仍需按正常速度人审音素时机、身份、手部、背景；
• 一条重要对照：旧 V2/V3 用了通用 LarryVrh EMA Turbo LoRA + 非官方 8 步 / shift 6:3，出现双脸与拖影；换成官方 Ref2V Turbo v0.1 完整 4 步配置后，同 Seed 双脸拖影消失。
• 自带工具：本地 ASR（faster-whisper + VAD）、说话人分离、SyncNet 口型检查 —— 也就是「口型对不对」可以量化，不用肉眼猜。

对你的直接含义

• 你现在是 audioMode: source + 完整混音（音乐+人声）驱动 → 这正是他标注「不能作为口型验收路线」的旧做法；
• 要做的是：先本地分离出干声/人声（他的 V2 不提供在线分离），把人声作为驱动音频喂进去，完整原曲留到最后混一次；
• 采样换成 4 步 + Euler/simple + shift 12/3（你现在是 res_multistep、10 步）值得直接 A/B；
• 用 SyncNet 量偏移，而不是只靠眼睛。

三、内存与死机：他专门有 12-system-memory 目录

文件	用途
2026-08-13_H3_Activation_Chunk_Advanced.json	激活分块
2026-08-13_H3_Environment_Audit_Advanced.json	环境审计
2026-08-13_H3_Qwen_Prefix_Cache_Advanced.json	Qwen 前缀缓存
2026-08-22_H3_External_BlockSwap_Stock20_Advanced_EXP.json	外部 BlockSwap
2026-08-28_H3_Qwen_Prefix_and_Block_Cache_Ref2VA_Stock20_Advanced_EXP.json	前缀缓存 + Block Cache（Ref2VA）

今天（v1.81.0）新发的两个低显存节点（不依赖 KJNodes）：

• MiniMaxH3LowVRAMAttentionT8Advanced（默认 head_chunks=4）：在当前 H3 block 公式内提前释放中间量并按头分组；
• MiniMaxH3ChunkFeedForwardT8Advanced（默认 chunks=2、seq_threshold=4096）：仅当 packed token 超阈值时按 token 轴分块执行 SwiGLU，chunks=1 是真实旁路。

实测（1024×512、73 帧、4 步、同模型/LoRA/提示词/seed，严格串行）： 基线峰值 14922.98 MiB / 79.94 秒 → 组合候选 14616.25 MiB / 82.27 秒，即 少用 306.73 MiB（2.06%）峰值显存，耗时 +2.92%。作者自己强调「不是通用显存或提速承诺」。

⚠️ 注意：这两个节点省的是显存；你这次死机的证据指向的是宿主内存（RSS 28.3 GB / 31.1 GB + --disable-pinned-memory 已处理）。两边都要治。

他的 Block Cache 节点默认 cache_device: cpu（省显存），参数：residual_diff_threshold=0.12、start_percent=0.08、end_percent=0.95、max_consecutive_hits=2。要求 ComfyUI ≥ 0.30.0（你是 v0.34.0 ✓）。它对音频和视频分别判稳——任一超过阈值就完整跑 50 层，比你现在用的 MiniMaxH3Cache 多了音频维度。

四、速度与步数

• OpenVDN 8 步 DMD：模型从 HF 0 下载，配 examples/workflows/10-speed/OpenVDN_DMD8_*_Advanced.json；
• 渐进首采（28-progressive-sampling）：先小画幅采 6 步，学习型潜空间放大后再采 2 步 —— 他自己热测「约 3 秒短片少用约 37%～38% 端到端时间」，且对白组声音和口型正常，但「32 秒路线未通过，不保证所有素材同样提速或保音」；
• 另有 PDD / SLA / Turbo 等 LoRA 与 19-pdd-acceleration、22-sol-engine-h3-super、15-sla-attention 等目录。

五、提示词

• H3 Prompt Relay（comfyui-minimax-h3-prompt-enhancer-T8 的默认关闭模式）：输出全局提示词 + 逐事件提示词 + 秒数范围 + 对齐帧数 + 校验报告 —— 正好对应你「多段 + 唱词时间戳」的痛点（工作流目录 14-prompt-relay）；
• Creative DNA 案例库（minimax-h3-prompt-skill-T8）：可安装 Skills + 成对的双模型提示词案例，适合当提示词范式参考；
• 他的 Prompt Compiler 也印证了我们的做法：六段式结构固定、<Audio 1>: fully_copy 显式绑定、没有精确文本就不猜歌词。

六、⚠️ 兼容性警告（他 README 里明确写的）

1. 不要用通用 LoraLoaderModelOnly 接他那些外部 LoRA，要用项目自带的 H3 兼容加载器；
2. 不要串接 Sage、PyTorch selector、Sol 等多个 Attention 后端；「本路唯一 Attention 后端」；
3. 不同 H3 基模和 LoRA 不是随便混用的，文件名相近不代表结构兼容；
4. 反例已给出：通用 LarryVrh EMA Turbo LoRA + 非官方 8 步/shift 6:3 在 Ref2VA 路线上产生双脸/拖影；换官方 4 步配置即消失。

你机器上那个 minimax_h3_turbo_4步加速_DasiwaREF2VAHybridV1_curveproj1025_compat_v001-T8.safetensors 带 -T8 后缀，看命名很可能出自这个生态——但要按上面第 3 条对待：先确认与你的 ref2va 基模结构兼容再混用。