AI 概览
MiniMax H3 视频画质的最佳设置是什么？
使用 1344×768 分辨率（16:9），res_multistep 采样器，simple 调度器，20 步去噪，引导系数（guidance）设为 1，视频偏移（video shift）设为 12，音频偏移（audio shift）设为 3。这是可靠、开源权重的画质基准。
在 ComfyUI 中，MiniMax H3 应该使用多少步？
为获得高质量渲染，请使用 res_multistep 采样器配合 20 步；仅当迭代速度比极致细节更重要时，才在兼容 Turbo LoRA 的前提下使用 4–8 步。
MiniMax H3 本地运行与通过 API 调用时的输出分辨率分别是多少？
已发布的本地权重目标为 768p，通常为 1344×768（16:9）。托管版 H3 可提供更高分辨率输出，包括其上下文内（in-context）的 Regenerate-2K 流水线。
准备好亲自试试了吗？
注册即送免费积分，套餐每月 $20 起。
如何控制 MiniMax H3 中的音频？
为每种声音、人声或乐器命名，并明确说明其出现时间。保持原生 32 kHz 立体声音轨，将音频偏移（audio shift）设为 3（即已发布基准值）；若音画同步发生漂移，则应简化相互冲突的提示线索。
为何 MiniMax H3 设置与其他视频模型不同
MiniMax H3 并不表现得像传统扩散模型（例如 CFG 设为 7.5 左右的模型）。它是经引导蒸馏（guidance-distilled）训练的模型，因此引导系数 1 才是预期值；提高该值可能导致边缘硬化、运动失稳，甚至使结果变差。此外，H3 同时生成视频与立体声音频，且两路流各自采用独立的 sigma 调度表。
帧数遵循 17n+5 的网格规则（24 fps 下）。一段实用的五秒本地视频为 124 帧；更长的视频目标应四舍五入至合法帧数，而非随意输入任意数值。上述三条规则——引导系数 1、视频与音频双偏移、以及帧数网格——构成了以下所有设置的基础。如需先获取完整工作流图，请参阅 MiniMax H3 ComfyUI 配置指南。
分辨率设置 —— 768p、1080p 与 2K 详解
分辨率应匹配当前工作阶段。本地开源权重上限为 768p 类别；1344×768 是标准的 16:9 画布，接近 100 万像素。0.5MP 画布适用于构图与提示词方向检查。托管输出则消除了本地显存压力，并新增了更高分辨率的再生路径。
| 目标 | 典型设置 | 最佳用途 | 权衡点 |
|---|---|---|---|
| 本地预览 | 约 0.5MP | 提示词与运动测试 | 速度最快，细节较柔和 |
| 本地高质量输出 | 1344×768（16:9） | 最终本地渲染 | 已发布本地最高尺寸 |
| 托管 1080p 类别 | 服务预设 | 社交媒体、广告、客户审阅 | 细节更丰富，无需本地 VRAM |
| 托管 2K | Regenerate-2K | 商业交付、小字号文本、裁剪需求 | 成本与处理时间最高 |
决策十分简单：以 0.5MP 迭代，以 768p 验证，仅对选定镜头使用托管 2K。下方官方 H3 生成片段是极佳的质量检验参考：请检查皮肤纹理、手部、背景行人、咖啡馆招牌及音频连续性，而非仅凭单帧静图评判。
步数、采样器与调度器 —— 行之有效的基准配置
对于当前 ComfyUI 工作流，最实用的基准配置是：res_multistep 采样器 + simple 调度器 + 20 步去噪。部分节点将其显示为 21 个 sigma 点，因为 21 个点可生成 20 次 DiT 前向传播。切勿在未确认节点标签含义的前提下，将两个数值均误设为 20。
| 目标 | 采样器 | 调度器 | 步数 | 使用时机 |
|---|---|---|---|---|
| 高质量基准 | res_multistep |
simple |
20 | 最终本地渲染与对比分析 |
| 快速迭代 | Turbo 兼容路径 | simple |
4–8 | 提示词、运动与构图测试 |
| 兼容旧版复现 | Euler | 已发布调度表 | 49–50 次调用 | 精确复现旧有工作流 |
Turbo 并非通用的“减少步数”开关；它需要匹配的适配器与工作流图。建议从 4 步开始进行布局测试，当面部或精细运动需更高稳定性时，提升至 6–8 步，并在最终交付前与一个 20 步基准结果进行比对。MiniMax H3 Turbo LoRA 指南 展示了正确的加载器放置方式，而 LoRA 训练指南 则涵盖自定义风格适配器相关内容。
引导系数（Guidance Scale）、偏移（Shift）与音频参数
请将引导系数保持为 1。H3 已将引导能力内置于已发布的权重中，因此高 CFG 值无法像在旧版图像模型中那样增强提示词遵从性。对于已发布的开源权重调度表，请同时使用视频偏移 12 与音频偏移 3。部分社区工作流图暴露了音频偏移 4；仅当精确复现该特定工作流时才保留该值；若人声、节拍或音效出现漂移，请恢复为 3。
音频提示词在明确指明声源与时刻时效果最佳：陶瓷杯于 00:03 触碰桌面、全程轻柔交通环境音 或 落地时一声干涩的脚步声。避免在同一五秒片段中请求对话、音乐、人群噪声、天气音效及多种效果叠加。如需更优的句子结构与时间表达方式，请参阅 MiniMax H3 提示词指南。
ComfyUI 设置速查表
| 参数 | 优先质量 | 优先速度 |
|---|---|---|
| 百万像素数（Megapixels） | 1.0（1344×768） | 0.5 预览 |
| 步数（Steps） | 20 | 4–8（启用 Turbo LoRA） |
| 采样器（Sampler） | res_multistep |
兼容 Turbo 的采样器 |
| 调度器（Scheduler） | simple |
simple |
| 引导系数（Guidance） | 1 | 1 |
| 视频偏移（Video shift） | 12 | 12 |
| 音频偏移（Audio shift） | 3 | 3 |
| 帧数（Frames） | 合法的 17n+5 数量 |
最短合法测试帧数 |
| 随机种子（Seed） | A/B 测试时固定 | 探索时随机 |
每次仅修改一行。在对比分辨率、步数或偏移量时，请保持随机种子（seed）固定；否则你实际对比的是不同生成结果，而非不同设置。若希望不下载检查点（checkpoint）或不调优图（graph）即可获得结果，请使用 Seedance 并选择优化预设进行生成 →。
各模式对应设置 — T2V、I2V、FLF2V 与 Ref2VA
| 模式 | 模型路径 | 需锁定项 | 设置优先级 |
|---|---|---|---|
| T2V | FL2VA | 提示词（prompt）与随机种子（seed） | 先保证构图，再优化运动与声音 |
| I2V | FL2VA | 首帧图像与宽高比（ratio） | 使潜在画布（latent canvas）匹配输入图像 |
| FLF2V | FL2VA | 首帧与末帧 | 同时匹配两端；提示词仅描述中间过程（journey） |
| Ref2VA | Ref2VA | 参考身份（reference identity）与顺序（ordering） | 仅为该镜头分配其真正需要的参考素材 |
T2V 完全依赖提示词结构，因此请按如下顺序明确主体、动作、摄像机、环境与音频。I2V 从首帧图像继承构图；更改宽高比将导致本可避免的裁剪。FLF2V 锁定首尾两帧，因此应精简提示词，仅保留运动、时机、摄像机路径与声音描述。首帧与末帧指南 包含兼容的图像预处理方法及过渡修复技巧。
Ref2VA 支持更丰富的上下文预算——在受支持的工作流中，最多可接受九张图像、三段视频与三段音频参考——但“最多”并非目标。尽可能仅使用一至两张身份图像、一段运动视频与一段干净的音频参考。额外输入会相互争夺注意力，并加大调试难度。
结论
请牢记 MiniMax H3 基线设置为：768p、20 步、res_multistep、simple、引导系数为 1、偏移量为 12/3；仅在快速迭代阶段使用 0.5MP 与 4–8 步的 Turbo 渲染，待选定满意结果后，再将其迁移至托管式 2K 渲染以获取最终细节。根据所选模式匹配 FL2VA 或 Ref2VA，确保帧数符合 17n+5 网格，用带时间标记的方式描述音频源，并始终一次只调整一个参数。
MiniMax H3 首帧与末帧：如何精准控制 AI 视频两端
了解 MiniMax H3 首帧与末帧（FLF2V）视频工作原理，准备首尾两帧图像，编写以动作为先的提示词，使用 ComfyUI，并解决常见 FLF2V 问题。
阅读文章
MiniMax H3：30 步 vs 50 步——质量与速度究竟有何变化
对比 MiniMax H3 在 20、30 和 50 步下的图像细节、生成耗时、音频质量、Turbo LoRA 速度，以及各工作流的最佳步数设置。
阅读文章
MiniMax H3 LoRA 训练：面向自定义视频风格的完整微调指南
准备 MiniMax H3 视频数据集，选择 T2V、I2V、首尾帧（first-last-frame）或 Ref2VA 训练方式，调节 rank 和学习率，并在云端或本地工作流中使用生成的 LoRA。
阅读文章