MiniMax H3本地部署指南：低显存也能跑AI漫剧视频

本地部署AI视频模型的意义

云端AI视频生成工具虽然方便，但积分消耗、次数限制和内容审查始终是绕不开的痛点。MiniMax H3这类可本地部署的模型给出了另一条路径：把全部计算放在本地设备上运行，不依赖云端账号，也就不存在积分或生成次数的限制。

据B站UP主演示，这套基于MiniMax H3的ComfyUI工作流可以直接把想要的画面丢进去，生成自带音效和配音的AI漫剧、短剧。纯中文界面降低了上手门槛，这对国内创作者而言是一个相当实用的切入点。

不过需要客观看待：所谓"地表最强"的宣传措辞更多是传播话术，真正的价值在于它把本地化视频生成的硬件门槛拉低到了普通玩家可以接受的范围。

低显存设备也能运行

这套工作流最值得关注的地方，是它针对低显存用户做了专门优化。UP主自述使用的设备是5060Ti 16G显存、32G内存，配置并不算高端。

关键在于工作流中加入了两个"低显存神器"节点，底层逻辑是将模型数据和视频生成数据进行分块处理。填入的分块数字越大，显存压力就越小。按UP主说法，哪怕是12G显存的显卡也能跑起来。

代价则是速度。在5060Ti这种中端卡上，一段8秒的视频大约需要10分钟，14秒的视频约20分钟。对追求效率的用户来说偏慢，但对只想在本地免费、无限次生成的玩家而言，这个速度是可以接受的。如果换成4090、5090级别的高端显卡，出图速度会快很多，基本十几分钟内就能出一条视频。

模型与LoRA的搭配优化

这份工作流在模型选择上做了调整，从此前单一的FL模型换成了融合模型——将FL和RE两个模型的特点结合，既保留参考能力又具备一定的美学表现。

在LoRA的使用上，UP主做了几层区分：

• 破线LoRA：主要作用是减少人物生成时的"油腻感"，解决了以往脸部效果不佳的问题；
• 加速LoRA：用于提升生成效率；
• 动作LoRA（Combat）：额外准备，适合打戏、武器挥舞等动作幅度较大的场景。开启动作LoRA后不建议再同时启用Mystic，若要保留则需将其权重降到0.2。

这种按场景切换LoRA组合的思路，体现了工作流设计者对实际创作需求的理解——不同题材对模型能力的要求差异很大，一套固定参数难以通吃。

LoRA（Low-Rank Adaptation）是一种轻量级的模型微调技术，其核心思路是在不修改原始大模型权重的前提下，通过训练一个小型的"适配层"来改变模型的生成风格或能力。对视频生成而言，一个基础模型可以搭配多个不同用途的LoRA文件，每个LoRA只有几十到几百MB，却能显著影响人物外观、动作流畅度或美学风格。权重参数（通常0到1之间）控制LoRA对最终输出的影响程度——权重越高，该LoRA的特征越突出，但也越容易与其他LoRA产生冲突，这也是文中建议开启动作LoRA后需降低Mystic权重的原因。

二采方案与采样步数设置

工作流的另一处优化在二采（二次采样）环节。传统做法需要重新编码，而这套方案直接将一采的潜空间数据上传到节点，在节点内对潜空间进行放大处理后再进入采样器，省去了重新编码的过程，因此速度更快。

在采样步数上，基本调度器设为12步总降噪步数，通过分离Sigma拆分：前8步给一采，剩余步数给二采。若想追求更快速度，可改为总共10步、一采6步、二采4步的配置。分辨率方面，一采像素系数为0.4，二采为0.7，用户可根据自身显卡性能和目标分辨率对照参数表调整。

潜空间（Latent Space）是扩散模型的核心工作区域。图像或视频并非在像素级别直接生成，而是先在一个经过压缩的低维空间（即潜空间）中完成去噪和采样计算，最后再通过解码器（VAE Decoder）还原为可见的像素画面。传统二采流程需要将一采结果先解码为像素图，再重新编码回潜空间后才能进入第二轮采样，这个编解码环节既耗时又可能引入画质损失。文中方案直接在潜空间层面完成放大和传递，跳过了这次往返转换，因此在速度和细节保留上都有优势。Sigma分离则是控制两轮采样各自承担多少"去噪工作量"的机制，前几步负责确定整体结构，后几步负责细化细节。

使用方式与整体评价

整套工作流预置了六个普通加载节点、两个视频上传节点和两个音频参考节点，通过Ctrl+B快捷键即可启停。提示词输入区、分辨率选择器、视频时长、二采像素大小等参数都有对应的调整入口，整体操作对ComfyUI使用者较为友好。

从创作者视角看，这套方案的核心价值在于三点：无积分和次数限制、低显存可运行、纯中文无门槛。它把本地AI视频生成的实用性往前推了一步。

但也要提醒读者注意风险：UP主强调的"无审查无限制"特性意味着内容生成缺乏约束，使用时应自觉遵守相关法律法规和平台规范。此外，整合包来源于第三方分享，下载和使用需注意安全性。对于追求稳定性和画质上限的专业用户，高端显卡配合官方工具链仍是更稳妥的选择。