> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.
# Pika H3 Flex ComfyUI 工作流
> 在 ComfyUI 中运行 Pika H3 Flex：支持同步立体声音频的六步文生视频、参考生视频与首尾帧工作流。
[Pika H3 Flex](https://github.com/Pika-Labs/Pika-H3-Flex) 是 [MiniMax H3](https://docs.comfy.org/zh/tutorials/video/minimax/minimax-h3.md) 经过后训练得到的版本。Pika 在精心筛选的多任务语料库（涵盖视频、音频和参考示例）上对 H3 进行了微调，将原本 50 步的生成器蒸馏至**六步**，随后又通过奖励反馈和偏好优化对其进行了改进。它以两个 LoRA 适配器的形式发布，可直接运行在你的 ComfyUI 中已有的 MiniMax H3 基础模型上，因此不涉及新的模型架构。
> [!NOTE]
>
> 这些适配器依据 [MiniMax H3 社区许可证协议](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE) 分发。在将输出用于商业用途之前，请先了解其条款，包括地域和商业使用条件。
## 主要特性
* **六步即成，水准不打折**：一段 5 秒、1344x768 的片段在单卡上约一分钟即可完成，而无需像未蒸馏的 H3 那样跑 20 到 50 步
* **原生立体声音频**：对白、音效与音乐随画面在同一次生成中一并产出
* **参考驱动的控制**：每次生成最多可使用 12 个参考（9 个图像、3 个视频、3 个音频片段），其中包括运动参考视频与声音样本
* **多镜头调度**：在一个提示词中描述硬切、镜头编排与对白
* **开放权重**：这两个适配器均已公开，并通过标准的 `LoraLoaderModelOnly` 节点加载
## 选择模板工作流
**模板库** > **视频** 中提供了三个 `video_pika_h3_flex_*` 模板工作流。三者都加载 H3 基础模型加一个适配器，并且都运行 Pika 的六步采样调度。
> **[文生视频](#text-to-video-t2v)**
>
> 仅使用提示词，无图像输入。ComfyUI **0.43.2+**。
> **[参考生视频](#reference-to-video-ref2va)**
>
> 两个或更多图像参考决定主体身份、道具和场景。ComfyUI **0.30.0+**。
> **[首尾帧](#first-and-last-frame-fl2va)**
>
> 两帧分别锚定镜头的开头和结尾。ComfyUI **0.30.0+**。
> [!NOTE]
>
> 这三个模板采用 Pika 公布的六步采样调度：`lcm` 搭配 `ManualSigmas`，并通过 `BasicGuider` 使用 CFG 1.0。请保持 sigma 列表不变，并将适配器强度设为 1.0，不要在其上叠加 turbo 或 Lightning LoRA，因为该适配器已经蒸馏到六步，再叠加第二个加速 LoRA 会破坏输出。
## 文生视频（T2V）
仅凭提示词即可生成带同步音频的视频。
> **[在 Comfy Cloud 上运行](https://cloud.comfy.org/?template=video_pika_h3_flex_t2v\&utm_source=docs\&utm_medium=referral\&utm_campaign=pika-h3-flex)**
>
> 在 Comfy Cloud 中打开
> **[下载工作流](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_pika_h3_flex_t2v.json)**
>
> 下载 JSON，或在模板库中搜索“Pika H3 Flex: Text to Video”
### 模型下载
> **[Diffusion Model: minimax\_h3\_fl2va\_pruned\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors)**
>
> 放置到 `ComfyUI/models/diffusion_models/`
> **[LoRA: pika\_h3\_flex\_fl2va\_v1\_bf16](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/loras/pika_h3_flex_fl2va_v1_bf16.safetensors)**
>
> 放置到 `ComfyUI/models/loras/`
> **[Text Encoder: qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors)**
>
> 放置到 `ComfyUI/models/text_encoders/`
> **[VAE: minimax\_h3\_video\_vae\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_video_vae_int8_convrot.safetensors)**
>
> 放置到 `ComfyUI/models/vae/`
> **[VAE: minimax\_h3\_audio\_vae\_fp32](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_audio_vae_fp32.safetensors)**
>
> 放置到 `ComfyUI/models/vae/`
## 参考生视频（Ref2VA）
根据参考图像生成带同步音频的视频。参考图承载身份、服装、物体形状与环境，而提示词承载动作与镜头。
> **[在 Comfy Cloud 上运行](https://cloud.comfy.org/?template=video_pika_h3_flex_ref2va\&utm_source=docs\&utm_medium=referral\&utm_campaign=pika-h3-flex)**
>
> 在 Comfy Cloud 中打开
> **[下载工作流](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_pika_h3_flex_ref2va.json)**
>
> 下载 JSON，或在模板库中搜索“Pika H3 Flex: Reference to Video”
> **[输入图像：ref\_pilot\_profile.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/ref_pilot_profile.png)**
>
> 模板中的参考 1。请将其替换为你自己的主体。
> **[输入图像：ref\_subject\_station.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/ref_subject_station.png)**
>
> 模板中的参考 2。请将其替换为第二个主体或一个场景。
### 模型下载
> **[扩散模型：minimax\_h3\_ref2va\_pruned\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_ref2va_pruned_int8_convrot.safetensors)**
>
> 放置到 `ComfyUI/models/diffusion_models/`
> **[LoRA：pika\_h3\_flex\_ref2va\_v1\_bf16](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/loras/pika_h3_flex_ref2va_v1_bf16.safetensors)**
>
> 放置到 `ComfyUI/models/loras/`
> **[文本编码器：qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors)**
>
> 放置到 `ComfyUI/models/text_encoders/`
> **[VAE：minimax\_h3\_video\_vae\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_video_vae_int8_convrot.safetensors)**
>
> 放置到 `ComfyUI/models/vae/`
> **[VAE：minimax\_h3\_audio\_vae\_fp32](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_audio_vae_fp32.safetensors)**
>
> 放置到 `ComfyUI/models/vae/`
## 首尾帧（FL2VA）
在两帧静态图像之间生成动画。第一张图像开启镜头，第二张图像结束镜头，提示词则描述两者之间的运动路径。
> **[在 Comfy Cloud 上运行](https://cloud.comfy.org/?template=video_pika_h3_flex_fl2va\&utm_source=docs\&utm_medium=referral\&utm_campaign=pika-h3-flex)**
>
> 在 Comfy Cloud 中打开
> **[下载工作流](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_pika_h3_flex_fl2va.json)**
>
> 下载 JSON，或在模板库中搜索“Pika H3 Flex: FL2VA”
> **[输入图像：ref\_popart\_woman.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/ref_popart_woman.png)**
>
> 镜头的首帧。
> **[输入图像：lastP\_spin\_jump\_hole.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/lastP_spin_jump_hole.png)**
>
> 镜头的尾帧。
### 模型下载
> **[Diffusion Model：minimax\_h3\_fl2va\_pruned\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors)**
>
> 放置到 `ComfyUI/models/diffusion_models/`
> **[LoRA：pika\_h3\_flex\_fl2va\_v1\_bf16](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/loras/pika_h3_flex_fl2va_v1_bf16.safetensors)**
>
> 放置到 `ComfyUI/models/loras/`
> **[文本编码器：qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors)**
>
> 放置到 `ComfyUI/models/text_encoders/`
> **[VAE：minimax\_h3\_video\_vae\_int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_video_vae_int8_convrot.safetensors)**
>
> 放置到 `ComfyUI/models/vae/`
> **[VAE：minimax\_h3\_audio\_vae\_fp32](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_audio_vae_fp32.safetensors)**
>
> 放置到 `ComfyUI/models/vae/`
## 模型存放位置
三个模板都使用这一目录结构。H3 的基础模型文件与现有 MiniMax H3 模板共用，新增的只有两个适配器。
```
ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ ├── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│ │ └── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│ ├── 📂 loras/
│ │ ├── pika_h3_flex_fl2va_v1_bf16.safetensors
│ │ └── pika_h3_flex_ref2va_v1_bf16.safetensors
│ ├── 📂 text_encoders/
│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│ └── 📂 vae/
│ ├── minimax_h3_video_vae_int8_convrot.safetensors
│ └── minimax_h3_audio_vae_fp32.safetensors
```
## 提示词
提示词的结构与 H3 的其余部分相同。对于 T2V 和 FL2VA，先描述风格，再逐个描述每个镜头及其相机运动，最后是两个声音字段。对于 Ref2VA，使用完整参考形式，包含 `subject_definitions`、`summary`、`retention_analysis`、`detailed_description`、`overall_soundscape` 和 `non_diegetic_music`，并将每个参考标注为 ``、``、`