P-H3-Image：ComfyUI 8 步文生图与编辑

• 8 步，无 CFG：一条蒸馏采样计划和单个正向条件，不使用负面提示词
• 8 百万像素：支持方形、4:3、3:2、16:9 及其竖版，最高可达 3872 x 2176
• 内置提示词上采样器：你的一句话请求会被扩展为完整提示词，扩展后的提示词会显示在工作流中
• 借助参考图进行编辑：第一张图像是被编辑的对象，后续图像会在提示词中成为 <Picture 2>、<Picture 3> 等
• 仅支持图像：P-H3-Image 不生成视频或音频

• Hugging Face：P-H3-Image
• Hugging Face：P-H3-Image ComfyUI 文件
• Pruna AI 发布公告

​

依赖项

• ComfyUI 0.44.0 或更高版本。两个模板都使用 0.44.0 中新增的 PH3ImageConditioning 节点
• 约 35 GB 的模型文件。该 diffusion 模型与 MiniMax H3 工作流所使用的是同一个，因此你可能已经拥有它
• 用于运行 int8 文件、显存约 21 GB 的 GPU

​

模型下载

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   ├── p-h3-image_text_encoder_int8_convrot.safetensors
│   │   └── p-h3-image_prompt_upsampler_w4a8.safetensors
│   ├── 📂 vae/
│   │   └── p-h3-image_vae_int8_convrot.safetensors
│   └── 📂 loras/
│       └── p-h3-image_lora_bf16.safetensors

​

P-H3-Image 文生图工作流

• 采样：8 步是模型自身的调度。增加步数不会带来更多细节，也没有 CFG 或负面提示词需要调整
• 种子：设为 randomize 可生成新图像，改回 fixed 可复现随附示例
• 上采样后的提示词：Preview Any 节点会显示重写后的提示词。在修改请求之前，值得先读一读

​

P-H3-Image 图像编辑工作流

• 来源尺寸：编辑结果按第一张图像的尺寸渲染，并放大到至少 4 百万像素
• 更多参考：连接额外的图像，即可在提示词中加入 <Picture 2>、<Picture 3> 以及更多参考
• 需要保留的内容：说明哪些部分不能改变。若不说明，模型往往会重绘整个场景

​

提示词技巧

1. 说明图像是什么：用一句话点明真实物体，例如“由经验丰富的街头摄影师拍摄的照片”或“双色 Risograph 印刷品”。这比风格词更能可靠地确定外观
2. 只描述一个场景：给出一个视角、一个被定格的瞬间中的主要主体、几个辅助元素，以及有来源和方向的光线
3. 为每一段文字加上引号：没有写出确切词语的文字会变成伪文字。把每个字符串放进引号中，保持简短，说明它所在的位置，并以“no other text”结尾
4. 去掉溢美之词：诸如 stunning、epic、cinematic 或 8k 之类的词会把模型推向光滑、过饱和的外观

​

限制

• 较低分辨率会出现更多瑕疵：在 2 百万和 4 百万像素下，面部、手部和小细节比在 8 百万像素下更容易崩坏
• 手部和背景人物可能会崩坏：背景中的小人可能会变形。以 8 百万像素渲染会有所改善
• 文字并非完全可靠：短的引号字符串渲染良好，但正文文案或长代码等密集文字会变成伪文本
• 对提示词敏感：过长的提示词会让图像变差，而过短的提示词在缺少 upsampler 时效果不佳