← 返回列表

Singularity双采样工作流-交接说明.md

Singularity + 双采样 1280×704 工作流 —— 交接说明（GPU 机 192.168.31.31）

本文对应报告：H3-Singularity双采样1280x704方案解析与落地.md 执行时间：2026-09-11（DSH 会话落地）

一、这次做了什么

项内容
新工作流ComfyUI/user/default/workflows/minimax_h3_director_二采_Singularity_0.4MP_1.5x_1280x704.json
来源模板minimax_h3_director_二采_加速.json（原文件未改动，可随时回滚）
新模型models/diffusion_models/Minimax-h3_Singularity_ref2va_Pruned_v1.3_int8.safetensors（20.97 GB，aria2c 16 线程 + sha256 校验）
模型来源hf-mirror：WarmBloodAban/Minimax-h3_Singularity（HF 官方域名在本网不可达，走镜像）
已存在、直接复用H3 学习型潜空间放大器 minimax_h3_latent_upscaler_3d_fp16/bf16（models/latent_upscale_models/）、ComfyUI-SolAttn_triton（NVIDIA Sol-Attn）、Turbo LoRA、VAE、文本编码器

没有装：VDN-H3（路线 B；因为 VDN 与本机 Sol-Attn 会争抢 blocks.*.attn.forward，二选一，本次按"提速性价比优先"选 Sol-Attn）。

二、工作流参数（已设好）

一采（主链）— 0.4 MP

项值
UNETMinimax-h3_Singularity_ref2va_Pruned_v1.3_int8.safetensors（ref2va ⇒ r2v / 参考生视频任务）
LoRAminimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors（strength 1.0）
画布Director 输出面板：16:9 / 0.4 MP / multiple 32 → 864×480
采样steps 8、res_multistep / simple、cfg 1.0、shift video 12 / audio 3（沿用模板；配 4 步 Turbo LoRA 时可降到 4 步，见"下一步"）
加速PathchSageAttentionKJ(auto) → MiniMaxH3MemoryEfficientSageAttentionPatch → SolAttnPatch #39

二采（Refine）— 自动推 720P 档 = 1280×704

项值
mode / methodupscale / h3_latent（学习型 3D latent 放大，不是插值）
权重minimax_h3_latent_upscaler_3d_fp16.safetensors
目标画布宽高比 = 跟随导演台 → 864×480 自动推 720P 档 → 1280×704
采样euler、passes 1、seed inherit；配对 BasicScheduler：beta / 3 步 / denoise 0.2
加速第二条链：Turbo LoRA → Sage → SolAttnPatch #40
音频沿用一采原声（Refine 内部按 shift 12/3 处理音频分支）

为什么是 1280×704（实测源码结论）

Director 插件 director/refine_pack.py：

def infer_upscale_target(base_w, base_h):          # 880行附近
    if w >= h:
        nh = 720
        nw = max(32, round(w * nh / h))            # round(864*720/480) = 1296
        return ensure_minimax_canvas(nw, nh)       # snap_dimension: round(v/32)*32
# snap_dimension(1296) = round(40.5)*32 = 40*32 = 1280   ← Python 四舍六入五取偶
# snap_dimension(720)  = round(22.5)*32 = 22*32 = 704

即 864×480 → 1296×720 →（×32 对齐）→ 1280×704。这句话里"0.4 分辨率 + 潜空间 1.5 → 1280/704"的数字，正是这条内置推导链算出来的（0.41 MP × 2.25 = 0.90 MP）。

注意：不要把宽高比设成 16:9 (宽屏) 再填 megapixels——那条路走的是 resolution_from_selector，0.88 MP 会得到 1280×736、1.5 MP 会得到 1664×928，都不是 1280×704。要钉死 1280×704 只有两条路：① 宽高比 = 跟随导演台（本次采用，自动推）；② 宽高比 = 自定义 + 手填 1280 / 704。

三、Sol-Attn 接线方式

在两条模型链的末端（Sage patch 之后、消费者之前）各插一个 SolAttnPatch：

一采链: UNETLoader#1 → LoraLoaderModelOnly#16 → PathchSageAttentionKJ#14
        → MiniMaxH3MemoryEfficientSageAttentionPatch#15 → SolAttnPatch#39 → MiniMaxH3Director#12
二采链: UNETLoader#23 → LoraLoaderModelOnly#32 → PathchSageAttentionKJ#30
        → MiniMaxH3MemoryEfficientSageAttentionPatch#31 → SolAttnPatch#40 → BasicScheduler#33 / DirectorRefine#38

Sol 默认参数（沿用机器上既有工作流的社区调参）：tau=1.3, start_percent=0.2, end_percent=0.9, min_tokens=4096, int8_qk=True, sink_conditioning=exact_kv_and_rows, morton=False, int8_pv=True, use_tma=False, dense_blocks=""。

四、怎么跑

  1. 浏览器打开 http://192.168.31.31:8189
  2. 左侧 Workflows → 选 minimax_h3_director_二采_Singularity_0.4MP_1.5x_1280x704
  3. Director 面板：任务类型 r2v（参考主体生视频），把参考图接进 r2v 组（模板里 r2v_groups 需自己连一组），时长/提示词按需改
  4. 关键确认项：
    • 输出分辨率面板显示 16:9 / 0.4 MP / 864×480
    • Refine 节点宽高比显示 跟随导演台、放大方法 h3_latent、权重 ...3d_fp16...
    • BasicScheduler（二采）= beta / 3 / denoise 0.2
  5. 首跑建议：5 秒 / 124 帧（17k+5 网格），确认二采只加细节、不改身份与音轨，再拉长

常见坑（都已在本模板里避开）：

五、建议的 A/B 与调参顺序

#变量起点说明
1Sol-Attn on/off开Bypass 两个 Sol 节点，比对耗时与画质（Sol 论文定位：长序列/高分辨率收益更大）
2一采步数8 → 4已挂 4 步 Turbo LoRA，4 步是一采性价比档；看质量再决定
3二采 denoise0.2 → 0.3 / 0.40.2 保守（身份稳），0.3–0.4 细节更多但可能改动作
4放大幅度1280×704 → 1280×736 / 0.94MP若想要更接近 16:9；改宽高比为 16:9 (宽屏) + megapixels 0.88
5二采采样器euler → res_multistep插件作者提示高质量二采常用 res_multistep

预期：16 GB 卡上一采 864×480 + 二采 1280×704 的峰值显存远大于单遍 864×480（二采像素是一采的 2.25 倍），首跑请留意 offload 抖动；显存不够时把底座换成 ..._w4a8_mixed（11.8 GB）或降二采目标。

六、回滚

七、附：本次一次跑通的 API 烟测（可选）

/tmp/sing_smoke_prompt.json + /tmp/sing_smoke_run.py（GPU 机）：直接 POST http://127.0.0.1:8189/prompt，用 dasiwa V18 的 33 节点 API 展开图改造——

用途：不依赖 UI，验证「Singularity 能加载 + 4 步 Turbo 能出片 + Sol 内核命中」。跑法：

nohup ~/ComfyUI/venv/bin/python /tmp/sing_smoke_run.py > ~/sing_smoke.log 2>&1 &
tail -f ~/sing_smoke.log

八、烟测与 Sol-Attn A/B 实测结果（2026-09-11，已完成 ✅）

环境：RTX 5060 Ti 16 GB / torch 2.11.0+cu130 / Singularity Pruned int8（staged 19995 MB）+ ref2v Turbo 4-step LoRA 任务：dasiwa V18 REF2VA，864×480（0.4 MP）、294 帧、12 s、24 fps、cfg 1、shift 12/3、固定 seed 666666、4 步

结论 1：链路全通 ✅

结论 2：Sol-Attn 实测提速 13%（采样）/ 7.6%（端到端）

运行采样耗时端到端说明
Sol ON（冷启，含内核 autotune ≈25 s + 首轮预热）2:43（163 s）274.2 s每次重启 ComfyUI 后的首轮要付这个一次性开销
Sol OFF（热）2:09（129 s）236.8 s对照基线
Sol ON（热）1:52（112 s）218.9 s与基线同条件 → 采样提速 13.3%，端到端 7.6%

对比视频（下载中心）：

结论 3：踩过的坑（复现时注意）

  1. API 模板要跟当前节点版本对齐：DaSiWa_LTX2LoraLoader 现在多一个必填 use_cache，老模板直接报 Failed to validate prompt for output 2568 … Required input is missing: use_cache，而且它不会报错失败，只会静默"输出被忽略、0.5 秒就 success"——很容易误判成"跑通了"。
  2. ComfyUI 侧改动要 POST /free 释放显存：烟测前 GPU 被上一轮驻留模型占了 12.7 GB，curl -X POST http://127.0.0.1:8189/free -d '{"unload_models":true,"free_memory":true}' 后降到 332 MB 才够加载 20 GB 模型。
  3. 首轮 vs 热跑差异巨大（274 s vs 219 s），做任何 A/B 必须同温对比，否则结论会反。

本文件与报告同目录发布：http://192.168.31.76:8899/28-H3-Singularity双采样提速方案/

下载此文件