MiniMax H3 ComfyUI Workflow: T2V & I2V için Tam Kılavuz

MiniMax H3'ü ComfyUI'de çalıştırmak, tensör şekil hatalarını, sessiz MP4 dışa aktarımlarını veya model çökmelerini önlemek için uzamsal ve zamansal ızgara kurallarına sıkı sıkıya bağlı kalmayı gerektirir. MiniMax H3, bu darboğazları tek bir ileri geçişte 2K video ve yerel senkronize stereo ses sentezleyerek çözer.

Önemli Çıkarımlar: MiniMax H3 ComfyUI İş Akışı

• Yerel Çok Modlu Geçiş: MiniMax H3, tek bir ComfyUI difüzyon geçişinde 2K video ve senkronize 32 kHz stereo ses sentezler.
• Donanım Eşiği: INT8 nicelenmiş yürütme için en az 16 GB VRAM gerekir; yerel 2K oluşturma için 24 GB önerilir.
• Uzamsal Izgara Kuralı: Tuval ve ana kare çözünürlükleri, uzamsal VAE tensör şekil hatalarını önlemek için 1344×768 gibi kesinlikle 32'ye bölünebilir olmalıdır.
• Zamansal Izgara Formülü: Kliplerin uzunlukları, gizli kesmeyi önlemek için Toplam Kare = 17k + 5 denklemine (24 fps'de 5, 22, 39, 56, 141 kare) uymalıdır.
• Hız Optimizasyonu: CFG 1.0'da kilitliyken işleme sürelerini ~%60 düşürmek için resmi 8 adımlı Turbo LoRA'yı destekler.

Metinden Videoya (T2V) saf metin odaklı gizli başlatmaya dayanırken, Görüntüden Videoya (I2V), hareket yörüngelerini first_frame, last_frame veya MiniMaxH3AddGuide koşullandırma düğümlerini kullanarak sabitler. Aşağıdaki bölümler, her iki iş hattı için eksiksiz ortam kurulumunu, düğüm bağlantı şemalarını ve sorun giderme protokollerini detaylandırmaktadır.

Temel Ön Koşullar ve Model Dizin Yapısı

32B metin kodlayıcısını models/text_encoders yerine models/checkpoints klasörüne yerleştirmek, ComfyUI'nin grafik derleme sırasında donmasına veya yararsız bir KeyError ile başarısız olmasına neden olur. Çoğu kurulum hatası, dosyaların yanlış alt klasörlere yerleştirilmesi veya MiniMax H3 tarafından gereken özel görsel metin kodlayıcı yerine standart Qwen ağırlıklarının kullanılması nedeniyle oluşur.

Sistem Uyumluluk Gereksinimleri

Model ağırlıklarını indirmeden önce, kurulumunuzun aşağıdaki temel donanım ve ortam özelliklerini karşıladığından emin olun:

• ComfyUI Çekirdeği: Sürüm v0.30.0 veya üzeri.
• Özel Düğümler: ComfyUI-MiniMaxH3-Easy veya resmi Comfy-Org paketi.
• GPU VRAM: 16 GB (INT8 min) / 24 GB (2K önerilen).
• Yazılım Yığını: Python 3.10+ ile PyTorch 2.4+ ve CUDA 12.1+.

Model Dizin Yerleşim Matrisi

Resmi MiniMax H3 açık kaynak model ağırlıklarını Hugging Face model deposundan indirin ve her dosyayı belirlenen hedef alt klasöre yerleştirin.

Kritik Kurulum Notu

qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors dosyası, MiniMax H3 istem koşullandırması için özel olarak ince ayarlanmış, özel bir 4-bit AWQ nicelenmiş görsel-metin kodlayıcısıdır (Qwen3-VL mimarisi). text_encoders klasöründe standart dil dönüştürücüleriyle değiştirmeyin, çünkü genel dil modelleri, gizli video oluşturma için gereken çok modlu görsel projeksiyondan yoksundur.

Metinden Videoya (T2V) ComfyUI Düğüm Grafiği Oluşturma

ComfyUI'de temiz bir Metinden Videoya (T2V) düğüm grafiği oluşturmak, metin katıştırmalarını, uzamsal çözünürlük ayarlarını ve gizli kare tensörlerini katı bir doğrusal sırayla yönlendirmeyi gerektirir.

Düğüm Paketi Notu: Bu iş akışı kılavuzu boyunca kullanılan MiniMaxH3TextToVideo ve MiniMaxH3ImageToVideo gibi düğüm adları, ComfyUI-MiniMaxH3-Easy özel paketine atıfta bulunur. Resmi Comfy-Org çekirdek paketini kullanıyorsanız, bu işlemler ayrı MiniMaxH3Sampler ve MiniMaxH3Conditioning düğümlerine bölünmüştür.

Adım Adım T2V Düğüm Bağlantı Kılavuzu

T2V gizli oluşturmayı ayarlamak, örnekleyici geçişini yürütmeden önce metin koşullandırmasını ve uzamsal parametreleri izole etmeyi gerektirir.

1. Metin Kodlayıcı Bağlantısı: Metin istemi düğümünüzü Qwen3-VL görsel metin kodlayıcı yükleyicisine yönlendirin. Çıktı tensörünü doğrudan MiniMaxH3TextToVideo düğümünün pozitif istem koşullandırma portuna aktarın.
2. Uzamsal Boyut Hesaplama: ResolutionSelector'dan çıkan değerleri ImageScaleToTotalPixels'e aktarın. Bu adım, 32'ye bölünebilir kalan uzamsal boyutları zorlarken piksel tahsisini hesaplar.
3. Örnekleyici ve Gizli Oluşturma: Model ağırlıklarını, pozitif koşullandırma tensörlerini ve çözünürlük parametrelerini doğrudan MiniMaxH3TextToVideo'ya yönlendirerek ham video gizlisini oluşturun.
4. VAE Kod Çözme ve Video Dışa Aktarma: Gizli tensörü minimax_h3_video_vae_fp16 aracılığıyla kod çözmek için gönderin, ardından oluşturulan kare topluluğunu doğrudan SaveVideo'ya aktarın.

T2V Düğüm Yönlendirme Matrisi

Bu grafiği bozuk bağımlılıklar olmadan oluşturmak için aşağıda belirtilen tam düğüm bağlantılarını izleyin:

MiniMax H3, neredeyse tamamen Qwen3-VL görsel-dil modeli tarafından ayrıştırılan ayrıntılı pozitif istemlere dayanır; bu nedenle geleneksel negatif koşullandırma düğümleri, çıktı kalitesini artırmadan gereksiz hesaplama yükü ekler. SaveVideo'yu doğrudan video VAE kod çözme düğümüne bağlamak, düşen kuyruk kareleri olmadan uygun 24 fps MP4 oluşturmayı sağlar.

Görüntüden Videoya (I2V) ve İlk/Son Kare İş Akışı Oluşturma

Statik bir portreyi canlandırmaya veya iki ana kareyi birleştirmeye çalışmak, başlangıç ve bitiş görüntüleriniz birkaç piksel farklılık gösterdiğinde genellikle şiddetli özne bozulmasına veya anında tensör şekil çökmelerine neden olur. Standart bir metin iş hattını Görüntüden Videoya (I2V) iş akışına dönüştürmek, temel örnekleyici düğümünü değiştirmeyi ve başlangıç ve son karelerinizde hassas görüntü koşullandırma iş hatları oluşturmayı gerektirir.

Ana Kare Enterpolasyonu ve Düğüm Yapılandırması

T2V'den İlk-Son-Kare (FL2V) video oluşturmaya geçmek için MiniMaxH3TextToVideo'yu MiniMaxH3ImageToVideo ile değiştirin. Bu düğüm, first_frame ve last_frame için özel giriş portları sunarak başlangıç durumlarını, kapanış durumlarını veya tam dönüşüm geçişlerini tanımlamanıza olanak tanır.

1. Görüntü Yükleme Düğümleri: Tuvalinize başlangıç ve hedef ana karelerinizi tutmak için iki LoadImage düğümü yerleştirin.
2. Boyut Eşleştirme: Görüntü çıktılarını, ham genişlik ve yükseklik boyutlarını çıkarmak için GetImageSize üzerinden yönlendirin. Bu, tensörler örnekleyiciye girmeden önce uzamsal ızgara uyumsuzluklarını önler.
3. Tensör Koşullandırma: İşlenmiş piksel tensörlerini standart tek görüntü animasyonu için first_frame'a veya ana kare enterpolasyonu yürütmek için hem first_frame hem de last_frame'e bağlayın.

I2V ve FL2V Düğüm Bağlantı Matrisi

MiniMax H3, ana kare girişleri arasında katı boyut eşitliği uygular. Her iki ana kare de tam uzamsal çözünürlükle eşleşmelidir. first_frame ve last_frame boyut olarak farklıysa, örnekleme gizli başlatma sırasında durur. Aynı piksel boyutlarını sağlamak için her iki görüntüyü de aynı ölçekleme düğümünden geçirin.

MiniMaxH3AddGuide ile Gelişmiş Referans Kılavuzu

Standart Görüntüden Videoya grafikleri yalnızca ilk ve son kareleri kontrol eder, ara hareketi sabitlenmemiş bırakır. MiniMaxH3AddGuide düğümü, referans görüntüleri, çok kareli görüntü gruplarını veya ses parçalarını oluşturma zaman çizelgesi boyunca herhangi bir belirli frame_idx'de sabitleyerek bu sorunu çözer.

MiniMaxH3AddGuide'ın Temel Yetenekleri

Referans Video Oluşturma için Sabitleme Düğümlerini Zincirleme

Birkaç MiniMaxH3AddGuide düğümünü birbirine bağlamak, tam referans video oluşturmayı (R2V) mümkün kılar:

1. Birincil Karakter Sabitlemesi: Pozitif koşullandırmanızı, karakter kimliğini başlangıçta kilitlemek için frame_idx 0 olarak ayarlanmış MiniMaxH3AddGuide'a bağlayın.
2. Orta Dizi Hareket Ana Karesi: İkinci bir MiniMaxH3AddGuide düğümünü zincirleyerek, karakterin sahnede belirli bir poza girmesini zorlamak için frame_idx 60'ta bir ana kare görüntüsü besleyin.
3. Ses Bağlantısı: Hedef bir ses parçasını ses giriş portuna bağlayın ve sesin doğrudan bu zaman çizelgesi ofsetinde senkronize olması için audio_vae'nizi iletin.

Bu koşullandırma kılavuzlarını zincirlemek, difüzyon örnekleyicisini gizlileri yeniden başlatmaya zorlamadan zamansal stabiliteyi korur.

Çift VAE Yönlendirme ile Senkronize Yerel Ses Entegrasyonu

İçerik oluşturucular, harici konuşma parçalarını video düzenleme yazılımında manuel olarak hizalamak için saatler harcarlar, ancak yine de doğal olmayan dudak uyumu kayması veya uyumsuz ortam arka plan gürültüsüyle karşılaşırlar. MiniMax H3, doğru çok modlu oluşturmaya dayanarak, video karelerini ve 32 kHz stereo sesi tek bir ileri geçişte birlikte sentezleyerek işlem sonrası ses hizalamasını ortadan kaldırır.

Tek Geçişli Akışın Mimarisi

Video oluşturmadan sonra ayrı metinden sese modellerini zincirleyen geleneksel iş hatlarının aksine, MiniMax H3 metin, görüntü ve zamansal ipuçlarını birleşik bir gizli alana işler. Gürültü giderme aşamasında, SamplerCustomAdvanced hem görsel hem de akustik özellik haritalarını içeren bir bileşik gizli yük çıktısı verir. Bu ortak sentez, ekrandaki aksiyonla hassas bir şekilde hizalanmış nokta atışı diyalog senkronizasyonu ve organik ses efektleri oluşturmayı garanti eder.

Çift VAE Kod Çözme ve Düğüm Yapılandırması

Ham gizlileri oynatılabilir medyaya dönüştürmek için grafik, MP4 çoğullamadan önce çıktıyı iki ayrı kod çözme yoluna ayırır.

Teknik Düğüm Kurulumu

1. Çift VAE Yükleme: Tuvalinize iki ayrı VAELoader düğümü ekleyin. İlkini minimax_h3_video_vae_fp16.safetensors'a, ikincisini minimax_h3_audio_vae_fp32.safetensors'a yönlendirin.
2. Çift VAE Kod Çözme Yürütme: Örnekleyiciden gelen görsel gizli çıktıyı VAEDecode'a ve ses gizli parçasını VAEDecodeAudio'ya yönlendirin. minimax_h3_audio_vae_fp32'yi FP32 hassasiyetinde tutmak, arka plan müziklerinde kırpma artefaktlarını ve frekans bozulmasını önler.
3. SaveVideo ile Çoğullama: Kod çözülmüş görüntü tensörünü ve sıkıştırılmamış ses dalga formunu CreateVideo'ya veya doğrudan SaveVideo'ya besleyin. Düğüm, gömülü stereo ses ile tamamlanmış 24 fps MP4 dosyasını yazarak son kapsayıcı paketlemeyi gerçekleştirir.

Bu yerel çift akışlı kurulum, harici dudak senkronizasyonu eklentileri gerektirmeden ComfyUI içinde doğrudan faz doğru ses yürütme sağlar.

Çözünürlük Matematiği, En Boy Oranı Kısıtlamaları ve Kare Izgarası Hizalama

ComfyUI'de standart 1920x1080 çözünürlük girmek veya klip uzunluğunu 60 kare olarak ayarlamak, anında bir tensör şekil hatasıyla işleme kuyruğunuzu çökertecek veya size ağır şekilde bozulmuş kenar dikişleri bırakacaktır. MiniMax H3, uzamsal boyutlar ve klip süreleri için katı matematiksel sınırlar uygular çünkü 3D VAE mimarisi, video gizlilerini belirli uzamsal bloklar ve zamansal adımlar boyunca sıkıştırır.

Uzamsal Boyutlar ve En Boy Oranı Ön Ayarları

Uzamsal VAE, girişleri 32 faktörüyle alt örnekler. Hedef genişliğiniz veya yüksekliğiniz 32'nin tam katı değilse, difüzyon örnekleyicisi sınır tensör tahsisleri sırasında başarısız olur. Model, hedef megapiksel bütçesine karşı görsel kaliteyi dengeleyerek 768 piksel yerel kısa kenarını hedefler.

Standart olmayan piksel boyutları kullanmak, VAE'yi özellik haritalarını doldurmaya veya germeye zorlayarak ince doku ayrıntılarını bozar.

17k + 5 Kare Izgarası Kuralı

Zamansal boyut hizalama da eşit derecede katı bir formül izler. MiniMax H3 video uzunluğu sınırları içinde kalmak için mimari, video dizilerini 5 karelik bir kuyruk başlatma ile 17 karelik gizli parçalar halinde işler. Zamansal kesme veya sessiz VAE kod çözme çökmelerini önlemek için, her işleme 17k + 5 kare ızgarası denklemini sağlamalıdır; burada k bir tamsayı adım sayacını temsil eder.

Standart bir 24fps kare hızında, bu matematik kesin zamansal süreleri belirler:

• k = 0 (5 Kare): ~0.21 saniye (mikro-hareket veya statik patlama)
• k = 1 (22 Kare): ~0.91 saniye (hızlı aksiyon dilimi)
• k = 3 (56 Kare): ~2.33 saniye (kısa atış dizisi)
• k = 8 (141 Kare): ~5.87 saniye (tam standart klip sınırı)

Hedef sayıyı 60 olarak ayarlamak, ComfyUI'yi k=3 için 56'ya 4 kare düşürmeye zorlar ve örnekleme sırasında VRAM hesaplamasını boşa harcar. Bir oluşturma topluluğunu sıraya koymadan önce düğüm parametrelerinizi her zaman tam 17k + 5 adım sınırına hizalayın.

Hız Optimizasyonu: 8 Adımlı Turbo LoRA Yürütmeyi Etkinleştirme

Tek bir 6 saniyelik önizleme videosunun oluşturulması için altı dakikadan fazla beklemek, tüketici GPU'larında hızlı istem yinelemesini neredeyse imkansız hale getirir. Standart örnekleme çalıştırmaları 20 ila 30 adım gerektirir ve hareket ipuçlarını değiştirirken, kamera hareketlerini test ederken veya ana kare geçişlerini değerlendirirken ciddi bir operasyonel darboğaz oluşturur.

Turbo Damıtma Ağırlıklarını Entegre Etme

Resmi minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16 ağırlık dosyasını entegre etmek, örnekleme geçişlerini 8 adımlı bir çıkarım iş akışına indirger. Bu damıtma işlemi, genel görsel bütünlükten ödün vermeden önemli oluşturma hızı optimizasyonu sağlar.

Bu damıtma kurulumunu ComfyUI'de yapılandırmak için:

1. Model Ağırlıklarını Yerleştirin: minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors dosyasını ComfyUI/models/loras/ dizinine taşıyın.
2. LoraLoader Düğümünü Bağlayın: Birincil difüzyon model tensörünü örnekleyiciye beslemeden önce bir LoraLoader düğümünden geçirin. turbo_model_strength'i 1.0 olarak ayarlayın.
3. Adım Sayısını Ayarlayın: MiniMaxH3Sampler düğümünüzdeki adımlar parametresini standart 20'den tam olarak 8'e düşürün.
4. CFG Ölçeğini Kilitleyin: Aşırı doygunluğu önlemek için sınıflandırıcısız kılavuzluk ölçeği parametresini 1.0'a zorlayın.

Performans Karşılaştırmaları: Standart ve Turbo Yürütme

minimax_h3_fl2v_turbo_8step'i çalıştırırken, CFG'yi 1.0'ın üzerine ayarlamak gereksiz çift koşullandırma geçişlerine neden olarak aşırı renk yanmasına, kontrast patlamalarına ve yüksek hareketli karelerde uzamsal yırtılmaya yol açar. 1.0'da sabit bir Turbo LoRA gücüyle turbo_mode'u etkinleştirmek, içerik oluşturucuların tam 20 adımlı üretim oluşturmalarına geçmeden önce karmaşık kamera hareketlerini üç dakikadan kısa sürede doğrulamasına olanak tanır.

Yaygın ComfyUI MiniMax H3 Grafik Hatalarını Giderme

MiniMax H3 grafiklerindeki çoğu operasyonel arıza, küçük tensör hizalama uyuşmazlıklarından, bağlantısız ses kod çözücülerinden veya model yükleme sırasında GPU bellek darboğazlarından kaynaklanır.

Teşhis Kılavuzu ve Hızlı Düzeltmeler

1. CUDA Bellek Yetersiz (OOM)

   1. Birincil Neden: Bellek boşaltma olmadan 16GB VRAM GPU'larda int8 difüzyon ağırlıklarıyla birlikte 32B metin kodlayıcısını yükleme.
   2. Adım Adım Düzeltme: ComfyUI başlangıç betiğinize --lowvram veya --medvram başlatma bayraklarını ekleyin. Sıkı GPU bellek kurulumları için, temel bellek gereksinimlerini düşürmek amacıyla MiniMax H3'ü ComfyUI'de GGUF niceleme ile çalıştırmayı düşünün. qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors dosyasının kesinlikle models/text_encoders/ içine yerleştirildiğinden emin olun, bu sayede metin ayrıştırma ve örnekleme geçişleri arasında VRAM boşaltmaya izin verir.

2. Şekil Uyuşmazlığı Hatası

   1. Birincil Neden: Özel genişlik/yükseklik değerleri veya giriş ana kare görüntüleri, gerekli 32 piksellik uzamsal bölünebilirlik ızgarasını ihlal eder.
   2. Adım Adım Düzeltme: Örnekleyiciden önce bir ResolutionSelector veya ImageScaleToTotalPixels düğümü ekleyerek tüm tuval ve görüntü boyutlarını en yakın 32'nin katına zorlayın.

3. Dışa Aktarmada Eksik Ses Parçası

   1. Birincil Neden: Ses VAE yolu grafik yürütme sırasında bağlı değil veya atlanmış.
   2. Adım Adım Düzeltme: minimax_h3_audio_vae_fp32'yi VAEDecodeAudio düğümüne bağlayın, ardından kod çözülmüş ses gizlilerini video akışıyla birlikte SaveVideo düğümünün ses portuna aktarın.

4. GetImageSize Düğüm Hatası

   1. Birincil Neden: Uyumsuz ana kare en boy oranları veya I2V örnekleyici girişlerine beslenen geçersiz çok kareli görüntü grupları.
   2. Adım Adım Düzeltme: Gizli başlatmadan önce ana kareleri aynı boyutlara kilitlemek için hem başlangıç hem de bitiş görüntülerini birleşik bir ImageScaleToTotalPixels düğümünden geçirin.

5. ComfyUI Yöneticisi Eksik Düğüm Uyarısı

   1. Birincil Neden: Gerekli MiniMax H3 özel düğüm paketleri yerel ortamda indekslenmemiş veya eksik.
   2. Adım Adım Düzeltme: ComfyUI Yöneticisi'ni açın, Eksik Özel Düğümleri Yükle'yi seçin, ComfyUI-MiniMaxH3-Easy'yi arayın, Yükle'ye tıklayın ve ComfyUI'yi yeniden başlatın.

Bellek Düşüşlerini ve Düğüm Kayıt Çakışmalarını Çözme

Birçok eğitim, ComfyUI'nin ardışık oluşturmalar arasında VRAM tahsisini nasıl yönettiğini gözden kaçırır. İlk geçiş başarılı olmasına rağmen ikinci veya üçüncü bir oluşturma denemesinde ani bir CUDA Bellek Yetersiz hatasıyla karşılaşırsanız, ComfyUI metin kodlayıcısını VRAM'de tutmuştur. Başlangıç betiğinizde açık boşaltma bayrakları ayarlamak, örnekleyici adımları arasında tahsis edilen belleği serbest bırakır.

Topluluk JSON dosyalarını açarken, ComfyUI Yöneticisi eksik düğüm uyarıları genellikle güncel olmayan düğüm kayıtlarını gösterir. ComfyUI-MiniMaxH3-Easy'yi yüklemek, bu eksik bağımlılıkları doğrudan düzeltir. I2V iş hatları için, bir GetImageSize hatasını veya şekil uyuşmazlığı hatasını çözmek, hem başlangıç hem de bitiş ana kare görüntülerinin hedef piksel sınırlarıyla eşleşmesini sağlamayı gerektirir.