AI VIDEO · 实战部署 2026.10
官方说要 4 张 H100 集群？
我用一张 16G 显卡
把它跑起来了
全模态视频生成 · 带声音 · 参考生视频 · 从零部署
音乐和啤酒 · 折腾实录
COMFYUI 教程
7 Parts + Conclusion
滑动
PART 01
模型能干嘛
先搞清目标
PART 02
机器够不够
精度选型对照
PART 03
改虚拟内存
别跳过这步
PART 04
装环境
加速三件套
PART 05
下模型
41G 避坑
PART 06
接线与出片
跳舞视频
PART ///
坑位总结
很多人看到 33B 就劝退了
一台 16G 消费级显卡，真的能跑
前几天刷到一个视频模型MiniMax H3，官方说法是 BF16 精度要 4 张 H100 集群、384G 内存。
我看了看自己这台机器：RTX 5060 Ti，16G 显存。差了一个量级。
但我没死心，研究了两天之后，它真跑起来了。
这篇就把整个过程写成教程，你照着抄就能装。
01
PART
先说清楚：能干嘛
WHAT CAN IT DO
在动手之前，你得知道它值不值得折腾。
废话不说直接看效果：
这是人物角色设定图
然后又在网上找了个原视频跳舞动作的。在本地拿MiniMax H3花了20分钟生成。MiniMax H3 是 33B 的全模态视频生成模型，2026 年 7 月底刚开源。最关键的一点是——它生成的视频自带声音。对白、环境音、配乐，是跟画面在同一次扩散里一起算出来的，不是后面再配的。
它有两个 checkpoint：
型号
用途
fl2va
文生视频、图生视频、首尾帧控制
ref2va
参考生视频，锁定身份、风格、动作、镜头
我们要的是第二个。
ref2va 这个模式的意思是：给它最多 9 张图 + 3 段视频 + 3 段音频，它能理解哪个是主角、哪个是场景、哪段是动作，然后按这些素材生成新视频。
相当于把调色、剪辑、动画三个活儿合并了
我们最终要实现的效果是：给几张角色设定图 + 一张场景图 + 一段跳舞视频 + 提示词 → 输出角色在那段舞蹈动作下、被放在那个场景里的视频。
顺便说个坏消息：H3 远距离人脸是弱项。16G 显卡也救不回来，官方也没修。所以构图的时候老老实实用中近景。
02
PART
你的机器够不够
CAN MY PC RUN IT
网上一堆教程说需要大显存，你可能被吓退了。其实没那么夸张。
下面是官方给的 BF16 精度要求：4 张 H100 80G，加 384G 内存。
但我们不用 BF16。
BF16 精度
需要 4×H100 集群，你不能。
INT8 裁剪版
消费级显卡可以，但余量不多。
INT8 + NVFP4 文本编码器
本文方案。16G 显存的 5060 Ti 刚好装得下，这就是接下来要搭的环境。
整个部署的核心就一句话
把能压的精度全压一遍
我实测跑下来，生成过程显存占用稳定在 11.7G 左右，16G 完全够用。
03
PART
改虚拟内存
PAGING FILE · 别跳过
这一步 90% 的人会栽跟头，我也在栽。
ComfyUI 跑这个模型的时候，文本编码阶段要在内存里加载 14.6G 的编码器权重。你物理内存 32G，听起来够。但程序还要给模型 offload 缓冲、VAE、浏览器留位置。
Windows 的虚拟内存（就是页面文件）默认才 2G，等于没有安全垫。
后果是：跑到一半窗口直接闪退，没有任何报错。这是我见过最难查的故障，因为它连个错误信息都不给你。
STEP 01
撑大页面文件
用系统自带的就行，不用装第三方工具。开始菜单搜「查看高级系统设置」，性能那栏点设置，切到高级，虚拟内存里点更改。
取消勾选「自动管理」
然后选一个盘，推荐 NVMe 所在的盘。
初始大小填 32768
最大值填 65536，单位都是 MB。
确定，然后重启电脑
不重启不生效，这是 Windows 的规矩。
. . . powershell
Get-CimInstance Win32_PageFileSetting
！真正的战场
别偷懒跳过这步。你后面所有「莫名其妙闪退」的问题，根子都在这。
04
PART
装环境与加速
ENV & ACCELERATION
这一步有个坑：如果你不知道要选什么版本，装完了也跑不起来，而且报错信息完全不告诉你真实原因。
关键在 cu128 这个数字。
RTX 50 系是 Blackwell 架构，指令集代号 sm_120。老版本 PyTorch 的 CUDA 编译产物里根本没有 sm_120 的代码，跑起来就是 no kernel image is available。
PyTorch 必须装 cu128 及以上，cu130 是目前的选择。装之前先删干净旧的虚拟环境重来，比 troubleshoot 省时间。
装完必做一步验证
. . . bash
python -c "import torch; print(torch.__version__, torch.cuda.get_device_capability(0))"
看到这两个就对了
2.14.1+cu130 和 (12, 0)
装好 PyTorch 只是能跑。要跑得舒服，还得装三个东西。
加速三件套
STEP 02
comfy-kitchen
提供 INT8 量化运算的 CUDA 内核。H3 官方就是 INT8 权重量化发布的，没这个内核就是跑不动。
. . . bash
pip install comfy-kitchen
pip install triton-windows
pip install sageattention
triton 这行要注意：Windows 上没有 triton 这个包，别去 PyPI 找，找不到会以为是网络问题。要装 triton-windows。
！SageAttention 有坑
它在 sm_120 上有过已知的 bug。装完必须自己跑一遍验证，不能只信版本号。能打印出 shape 才说明真能跑。
. . . python
import torch, sageattention
from sageattention import sageattn
q = torch.randn(1, 4, 128, 64, dtype=torch.float16, device='cuda')
print('SAGE RUNTIME OK', sageattn(q, q, q).shape)
三个都装完，H3 的性能才算榨出来。
05
PART
下载 41G 模型
DOWNLOAD & VERIFY
模型一共 41.4G。文件清单我直接给你，别下错：
文件
大小
放哪
minimax_h3_ref2va_pruned_int8_convrot
19.53 GB
diffusion_models
qwen3vl_32b_minimax_h3_nvfp4_awq
14.61 GB
text_encoders
minimax_h3_video_vae_fp16
4.85 GB
vae
minimax_h3_audio_vae_fp32
0.56 GB
vae
minimax_h3_ref2v_turbo_4step
1.82 GB
loras
为什么是这几个组合
文本编码器这个最容易下错。H3 用的不是 CLIP 也不是 T5，是 Qwen3-VL-32B。官方 int8 版要 25.28GiB，你的卡装不下；必须选nvfp4_awq 版，压到 14.61GiB 刚好塞进去。
主干用 int8_convrot 版，依赖 comfy-kitchen 的内核，前面装的那个东西就是为它服务的。
视频 VAE 用 fp16 版。官方工作流默认写的是 int8_convrot，但那个文件我没下，所以要把 VAELoader 节点里的名字手动改掉，否则会报文件找不到。
千万别下 fl2va_* 那套。那是文生视频用的，你只要参考生视频，下了纯属浪费 21G 硬盘。
别用 HuggingFace 直连
我下到 14G 的时候卡住了，文件大小反复停在同一个数字，进程还活着但就是不动。测速一下一度到 90MB/s，然后就死在那儿了。
换 ModelScope 镜像，一次过。国内走 ModelScope 才是正道：
. . . python
import os
from modelscope import snapshot_download
snapshot_download(
'Comfy-Org/MiniMax-H3',
allow_patterns=['diffusion_models/*.safetensors'],
local_dir=r'F:\AI\ComfyUI\models',
max_workers=4,
下载完必须校验
不然你不知道文件是不是完整的。模型文件坏掉的表现是跑到一半崩，很难定位。
. . . python
from safetensors import safe_open
import os
p = r'F:\...\minimax_h3_ref2va_pruned_int8_convrot.safetensors'
print('%.2f GB' % (os.path.getsize(p)/1024**3))
with safe_open(p, framework='pt') as f:
print('tensors =', len(list(f.keys())))
能看到 932 个张量、19.53G
就是完整的
06
PART
接线与出片
WIRING & FIRST RUN
打开 ComfyUI，把 R2V 工作流拖进去。核心是 MiniMaxH3ReferenceToVideo 节点，槽位这样接：
. . . wiring
ref_image_0← 角色设定图（正面清晰照）
ref_image_1 ← 场景图
ref_image_2 ← 服装道具图（可选）
ref_video_0 ← 跳舞参考视频 ★
prompt ← 提示词
这里有个核心技巧，很多人搞错
参考视频只提供动作，身份靠图锁
如果你把参考视频也拿去锁身份，画面会拧巴。所以分工要明确——视频只管编舞动作，图片管长什么样，音频管节拍音色。
提示词：像写分镜，别写散文
反面例子：「一个女孩在跳舞，很优美。」
PROMPT 正面例子
[Shot 1] 00:00-00:10
场景： 中的霓虹天台，夜晚。
主体： 中的女孩，高马尾、白色卫衣，
形象严格与参考图一致。
动作：跟随 的编舞节奏起舞——起手摆臂、
扭胯下蹲、右转身 90 度、定点收势看向镜头。
镜头：中景全身，缓慢环绕推进，轻微手持感。
音频： 作为节拍参考。
non_diegetic_music：电子舞曲，120 BPM。
动作要具体到关节和角度。「转身 90 度」和「优雅地转身」，出来的完全是两个东西。
第一次跑，别好高骛远
一句话原则
跑通比跑好看重要一百倍
参数
第一次用
分辨率
0.2~0.3 MP
608×352，先看构图
时长
5 秒
5 秒 = 125 帧
步数
20
别急着开加速
Lightning LoRA
关闭
先跑通基础链路
有个坑必须说：帧数不能手改。H3 的帧数必须满足 17n+5 公式，5 秒是 125 帧，10 秒是 243 帧。好在官方工作流里有个节点会自动算，你只要改时长那个数字。
预期耗时（我这台卡实测）
任务
耗时
5 秒 @ 0.4MP, 20 步
约 10 分钟
5 秒 @ 0.4MP, 4 步加速
约 3 分钟
10 秒 @ 0.4MP, 20 步
约 20-25 分钟
先跑 20 步确认构图满意了，再开加速版提速出片。顺序别反，4 步出片快但细节糙，构图没定就提速等于白跑。
41G 模型跑出 10 分钟一个 5 秒片段，这就是 16G 卡的正常水平。别指望它跟云端一样快。
LAST
WRAP UP
整个装下来，我踩的坑大致是这几类。
CLASS 01
环境类的坑
占了一半以上——CUDA 版本选错、triton 在 Windows 找不到、SageAttention 有 bug、pip 装到一半被拒绝访问导致缺依赖。报错信息基本都不指向真实原因，只能一个个排除。
CLASS 02
选型类的坑
文本编码器是 Qwen3-VL 不是 CLIP、帧数必须 17n+5、VAE 文件名和工作流里写的不一致。这几个都是下错、连错、填错。
CLASS 03
习惯类的坑
HF 直连会卡死、文件不校验、虚拟内存不设。这三个是纯可以避免的。
最后说一句实在的：这个模型现在的短板很明确。远距离人脸崩、768p 在 16G 卡上基本跑不动、加速版细节会糙。它不是万能的。
但它能让你用一张 16G 的消费级显卡，做以前得上服务器才干得了的事。光这一点，就够折腾了。
如果你也在折腾本地模型，评论区说说你踩了啥坑，说不定能帮到后面的人。
我是音乐和啤酒，一个折腾 AI 工具和内容创作到底的公众号主理人。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
转发
THANKS FOR READING
热门跟贴