企业官网建设流程全解析

视频为什么模糊？minimax-h3-int8 分辨率 5 层限制与显存权衡完全解析

【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8

在 minimax-h3-int8 项目中生成 AI 视频时，你是否遇到过画面模糊、不够清晰的问题？本文用实测数据完整解析 MiniMax H3 视频生成的分辨率 5 层限制与显存权衡：为什么视频会模糊、1344×768 为什么是推荐分辨率、以及如何在显存预算内做出最清晰又不爆显存（OOM）的配置。

一分钟结论：视频模糊的根源

先说结论：默认工作流早期使用的 736×416 分辨率，只有模型能力上限的 30%，这才是视频模糊的根因——而不是采样步数不够、也不是权重量化问题。

升级记录见 docs/t2i-i2v-pipeline.md：

官方节点默认值就是1344×768（官方 768p，短边 768 为训练基线），这才是模型的原生最优分辨率。

5 层限制详解：分辨率不是随便填的

详细实测记录见 docs/video-resolution-guide.md。下面用大白话讲清每一层限制。

L1 节点参数：必须是 32 的倍数

ComfyUI 节点MiniMaxH3ImageToVideo的 width/height 参数定义为min=32, max=16384, step=32——宽高必须是 32 的整数倍（注意不是 16）。填错会直接报错。

L2 VAE 下采样：宽高要被 16 整除

视频 VAE 解码时，像素尺寸会除以 16 得到隐空间（latent）尺寸：latent = 像素 / 16。宽高不能被 16 整除就会报错或画面错位。好在这个约束已被 L1 的 32 步长自动满足。

L3 时空 patch：2 的倍数即可

模型内部以 2×2 空间 patch 处理隐空间张量，要求宽高是 2 的倍数——16 整除时天然满足，无需额外操心。

L4 训练分布：这是"模糊"的关键一层 ⚠️

官方权重是在 **768p（短边 768）**分辨率上训练的：

• 原生最优：1344×768（16:9 横屏），对应权重文件名里的_768p_系列
• 远低于 768 短边（如 736×416）：像素太少，细节撑不起来 →画面模糊
• 远高于 768 短边（如 2048×1152）：超出训练分布，模型"没见过" →质量劣化、画面畸形

💡 一句话：分辨率太低糊，太高怪，768 短边是甜蜜点。

L5 显存/时长：真正的硬瓶颈

显存占用由 token 数决定，而token 数 ∝ (宽/16) × (高/16) × 时长。实测数据（双卡 Ascend 910，每卡 64G）：

注意：时长同样影响显存——length每增加 17 帧（约 0.7 秒），token 线性增长。分辨率和时长是显存预算上"此消彼长"的两个变量。

如何配置：改哪里、改成多少？

在哪改：工作流 JSON 里的 131 节点

分辨率在 workflows/api_t2v_int8_turbo.json 等三个工作流文件的MiniMaxH3ImageToVideo（节点 131）里配置：

• workflows/api_t2v_int8_turbo.json：默认，8 步最快（实测 76s）
• workflows/api_t2v_int8_dual.json：20 步，质量更好
• workflows/api_t2v_int8_single.json：仅单卡机器

找到节点"131"的width/height/length三个字段修改即可，无需重装。

推荐配置清单（按场景选）

时长建议保持在124 帧（约 5.2 秒，24fps）——这是训练范围（124~362 帧）内的起点，质量最稳。

配置错误排查速查表

遇到报错或画质异常，对照下表 30 秒定位原因：

进阶：显存不够怎么办

如果你的显存放不下 1344×768 + 长时长，按优先级依次尝试：

1. 缩短视频：length 从 124 降到 61（约 2.5 秒），显存近似减半
2. 降分辨率：退回 1024×576 速度档
3. 双卡分担：本项目的双卡部署（文本编码器 27G 放 npu:1、扩散 21G + VAE 放 npu:0）正是为绕开单卡显存峰值设计的，详见 docs/resource-profile.md
4. Turbo LoRA 省时间不省显存：8 步加速只省耗时；想要"又快又清晰"，保持 1344×768 + 8 步是当前双卡环境的最优解

⚠️ 另外提醒：提示词里的soft / mist / bokeh / film grain等柔焦词也是画面发糊的常见主因（实测影响大于步数），想要清晰画面可加sharp focus, highly detailed，写法要点见 CREATIVE-GUIDE.md。

总结

• 视频模糊的根因是分辨率：736×416 只有模型能力的 30%，升级到1344×768后画面清晰
• 5 层限制记住两层就够：宽高是 32 的倍数（L1）、显存扛得住 token 数（L5），中间三层自动满足
• 显存权衡口诀：清晰度看短边 768，显存看 分辨率 × 时长，二者此消彼长
• 完整限制边界与实测数据，随时查阅 docs/video-resolution-guide.md

【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8