Skip to main content
FastVideo FastH3 是 FastVideo 团队基于 MiniMax H3 蒸馏得到的 DMD2 模型，能以 8 个采样步数生成带原生同步音频的视频，而不是基础模型的完整调度。它复用了 H3 的文本编码器、视频 VAE 和音频 VAE，因此输出设置与基础模型一致，而采样步数大幅减少。 FastH3 预览版由 Nuva Lab 与 NVIDIA FastGen 团队合作开发；蒸馏细节请阅读 FastH3 发布公告。ComfyUI 内置的是 8 步 V2 检查点，由 Comfy-Org 重新打包在 FastVideo-FastH3-Comfy 仓库中。 FastH3 以部分运动和音频保真度换取速度。适合草稿、迭代和快速出片；对画质要求最高时请使用基础版 MiniMax H3 工作流。
该蒸馏检查点仅支持文本生成视频和首尾帧图生视频。Ref2VA（多参考条件）未做蒸馏；基于参考的生成请使用基础版 MiniMax H3 工作流。

​
环境要求

  • ComfyUI 0.36.0 或更高版本
  • MiniMax H3 的文本编码器和 VAE（与基础模型共用，见下方列表）

​
FastH3 文本生成视频

以 8 个步数从文本提示词生成带同步音频的视频。

下载工作流

下载 JSON，或在模板库中搜索 “FastVideo FastH3: Text to Video”

​
提示词技巧

  1. 描述完整场景：先说明整体场景（地点、角色、正在发生什么），再拆分为按时间排列的分镜
  2. 分镜、镜头与音频：在一段提示词中同时描述分镜、镜头运动和配套音频（对白、音效、音乐）
  3. 分辨率：H3 的原生画布短边为 768px，上限为 768x1344，分辨率会取整到 32 的倍数
  4. 时长：时长输入会对齐到模型 24fps 下每块 17 帧（17k+5）的网格
  5. 步数固定为 8：该蒸馏检查点按 8 步训练；更改调度器的步数会降低质量
提示词编写资源请参阅提示词指南。

​
FastH3 图生视频

让静态图片动起来并带同步音频，支持可选的首尾帧控制。

下载工作流

下载 JSON，或在模板库中搜索 “FastVideo FastH3: Image to Video”
输入素材 将此文件上传到对应的 LoadImage 节点，或使用你自己的图片：

red_line_barrier.png

图生视频工作流的示例首帧

​
首尾帧模式

将图片连接到 MiniMaxH3ImageToVideo 节点的 first_frame 和/或 last_frame，即可在两个关键帧之间生成运动。两者都不连接时为文本生成视频。

​
提示词技巧

  1. 描述运动与音频：画面外观由图片提供，提示词应聚焦运动、镜头和配套音频
  2. 时长：时长输入会对齐到模型 24fps 下每块 17 帧（17k+5）的网格
  3. 步数固定为 8：调度器保持 8 步；该检查点按此调度蒸馏

​
模型下载

扩散模型来自 FastVideo 仓库；文本编码器和 VAE 与基础版 MiniMax H3 模型共用。

扩散模型: fastvideo_fasth3_8step_v2_pruned_int8_convrot

放置于 ComfyUI/models/diffusion_models/

文本编码器: qwen3vl_32b_minimax_h3_nvfp4_awq

放置于 ComfyUI/models/text_encoders/

VAE: minimax_h3_video_vae_fp16

放置于 ComfyUI/models/vae/

VAE: minimax_h3_audio_vae_fp32

放置于 ComfyUI/models/vae/

​
模型存放位置

​
工作流结构说明

两个 FastH3 工作流与基础版 H3 设置共用以下节点，并带有蒸馏相关的设置：
  • BlockSparseAttention：以 VSA（Video Sparse Attention）运行，keep_percent 为 10，从调度的 20% 开始生效，在保持质量的同时降低注意力计算成本
  • MiniMaxH3SigmaShift：应用与蒸馏调度匹配的 H3 sigma shift（视频为 10，音频为 3）
  • ComfyMathExpression：将时长输入转换为 24fps 下 17k+5 网格上的有效帧 length
  • 采样器：res_multistep 采样器，simple 调度器，8 步