ComfyUI MiniMax H3 加速 LoRA ＋ VRAM 監控節點（第 32 集） ☕ Buy me a coffee

🧑‍🏫 這支是 ComfyUI 系列第 32 集，教你用 LoRA 讓 MiniMax H3 生影片快好幾倍，並用監看節點隨時掌握顯卡記憶體。作者附了實測過的參數，還示範了文字生影片、首格生影片、首尾格、唱歌、說話幾種 workflow，照著用就能少走很多冤枉路。

• 00:00 MiniMax H3 很強，但生成影片可能很慢。本集示範用 LoRA 加速，同時監看 VRAM。
  ↳ MiniMax H3 是能生成影片的 AI 模型，效果好但很慢。本集做兩件事：用 LoRA（掛在主模型上的小型附加檔）加速，並隨時看 VRAM（顯示卡記憶體）夠不夠用。
• 00:00 先做更新。有 Easy Installer 的人可從 launcher 更新，沒有的人用 bat 檔更新。
  ↳ 開工前先更新。裝過作者 Easy Installer（一鍵安裝包）的人，在啟動器（launcher）按更新就好；沒裝的人就點 bat 檔（Windows 雙擊就會執行的腳本）更新。
• 00:00 更新 Easy Install 會順便更新 PiXarooma nodes，也可以用 git pull 手動更新。
  ↳ 更新 Easy Install 時，作者做的 PiXarooma nodes（擴充節點包）會一起更新。也可以自己下 git pull，這是從網路抓最新版程式碼的指令。
• 00:00 接著更新 ComfyUI，因為近期的更新修正了一些 bug。
  ↳ ComfyUI（用拉節點、連線來跑 AI 生圖生影片的工具）本身也要更新，因為最近幾版修了一些錯誤。
• 00:30 ComfyUI 可用瀏覽器版或桌面版啟動。作者建議用 Kitchen Attention 啟動，因為它已整合進 ComfyUI；Sage Attention 速度差不多。
  ↳ ComfyUI 可以開在瀏覽器，也可以用桌面版。作者建議用 Kitchen Attention 啟動，它是加快模型運算的方式，已內建在 ComfyUI；Sage Attention 是類似的加速方式，速度差不多。
• 00:30 兩種做法二選一：用啟動參數啟用，或在 workflow 加 Sage/Kitchen Attention 節點並正常啟動。用參數啟動時，workflow 裡就不要再加這些節點。
  ↳ 加速有兩種開法，二選一：啟動時加參數，或在 workflow（節點連成的一整套流程）裡放加速節點並正常啟動。用了參數，就別再加節點。
• 00:30 可加 Version Check 節點，確認 ComfyUI 與 PiXarooma nodes 版本和作者相同或更新。版本較舊時，部分功能可能不正常。
  ↳ Version Check 節點會檢查你的 ComfyUI 和 PiXarooma nodes 版本，要跟作者一樣或更新。版本舊了，有些功能可能跑不正常，出問題時先查這裡。
• 01:01 免費 workflows 放進 workflows 資料夾後，可從 PiXarooma nodes 的選單開啟，也可從左側一般的 workflows 選單開啟。
  ↳ 作者的免費 workflow 檔丟進 workflows 資料夾後，可以從 PiXarooma nodes 的選單打開，也可以從 ComfyUI 左邊的 workflows 清單打開。
• 01:01 本集的 MiniMax workflows 看懂做法後，可以改寫成更多 H3 workflows。
  ↳ 本集的幾個 MiniMax workflow 可以當範本。看懂做法後，可以自己改出更多 H3 的用法。
• 01:01 安裝細節在 episode 29。節點裡列出所有需要下載的模型和擺放位置。
  ↳ 第一次安裝的步驟在第 29 集。workflow 裡有節點列出要下載哪些模型、各放哪個資料夾，照著做就行。
• 01:01 和 episode 29 不同的是新增一個 LoRA，可把步數從 20 降到只要 4 或 8，藉此加快生成。
  ↳ 跟第 29 集的差別是多了一個 LoRA。steps（步數）是 AI 反覆修飾畫面的次數，原本要 20 步，加了 LoRA 只要 4 或 8 步，所以快很多。
• 01:35 LoRA 下載後放在 LoRAs 資料夾內的 H3 資料夾。
  ↳ LoRA 下載後，要放在 LoRAs 資料夾底下的 H3 資料夾，workflow 才讀得到。
• 01:35 在 workflow 中，把 LoRA Loader 加在 diffusion model 載入之後、KSampler 之前。
  ↳ LoRA Loader 是讀取 LoRA 的節點。順序是：先載入 diffusion model（負責生成的主模型），接著接 LoRA Loader，再接 KSampler（實際跑步數、產生結果的節點）。
• 01:35 Claude 發現這個 LoRA 是用 shift 6 訓練的，所以不用 ComfyUI 預設的 12，改用 6。
  ↳ Shift 是影響生成過程的一個參數。Claude（AI 助手）查到這個 LoRA 訓練時用的是 6，所以照訓練條件設成 6，不用 ComfyUI 預設的 12。
• 02:07 作者試過不同 shift 值，這組設定效果良好。
  ↳ 作者實際試過不同的 shift 值，比較後這組效果好，可以直接照用。
• 01:35 作者改過節點名稱。想查原始名稱，可複製節點、按右鍵選 Fix Node Recreate，就能看到預設外觀、數值和原始標題。
  ↳ 作者把節點改過名字。想看原名，就複製一個節點，按右鍵選 Fix Node Recreate，它會重建成預設樣子，顯示原始標題和預設數值。
• 02:07 選擇影片尺寸時先從小開始，測試顯卡能負荷多大；橫向、直向都可以試。作者常用的尺寸旁有星號標記。
  ↳ 影片尺寸先從小的試，看你的顯卡撐得到多大，橫的直的都能試。清單裡標星號的是作者常用的尺寸。
• 02:07 時長以秒為單位，最多 15 秒。
  ↳ 影片長度直接填秒數，最長 15 秒。
• 02:07 prompt 要寫得詳細，而且需要用特定方式撰寫。
  ↳ prompt（給 AI 的文字描述）要寫得很詳細，而且要照這個模型適合的寫法寫，不能隨便丟一句話。
• 02:07 作者把測過的 sampler、scheduler、steps 最佳設定都放進一個節點。對他來說最佳組合是 Euler ＋ simple、8 steps。
  ↳ sampler 和 scheduler 決定每一步怎麼計算、步驟怎麼分配。作者把測過的最佳設定放進一個節點，他的首選是 Euler＋simple 跑 8 步。
• 02:07 4 steps 更快，但音訊只有 4 步不夠時間變好聽，許多 seed 下音質較差。不在意音質的話可以用 4 steps。
  ↳ 這模型會連聲音一起生成。4 步雖然快，但聲音來不及修好，很多 seed（決定隨機結果的起始號碼）下都偏難聽。不在乎聲音就可以用。
• 02:41 8 steps 的音訊好很多。要最佳品質，就不用 LoRA、改跑 20 steps。
  ↳ 8 步的聲音好很多。要最好的品質，就把 LoRA 拿掉，跑完整 20 步。
• 02:41 這個節點是 dropdown PiXarooma node，本週有更新：在 settings 中最多可設四個輸出，值可以是文字或數字。
  ↳ 這個節點是 dropdown PiXarooma node，也就是下拉選單節點。本週更新後，settings 裡最多能設四個輸出，文字或數字都行。
• 02:41 下拉選單的每個選項都能各自設定這些輸出值。作者放的是 samplers、schedulers、steps。
  ↳ 選單裡每個選項都能有自己的一組輸出值。作者放的是 sampler、scheduler、steps，選一個選項就一次切換三項設定。
• 02:41 也可以放 models、sizes、prompts 等各種東西。詳情看節點的 help 區。
  ↳ 這個選單不限用途，也能放模型、尺寸、prompt 等。設定方式寫在節點的 help 說明區。
• 03:13 作者在下拉選單加了 5 個選項，每個選項有 3 個輸出值。按加號新增選項，按 X 移除。
  ↳ 作者的選單有 5 個選項，每個選項帶 3 個值。按加號新增選項，按 X 刪除。
• 03:13 monitor 節點會顯示 VRAM、RAM、溫度等資訊。在 settings 裡可決定要顯示或隱藏哪些值。
  ↳ monitor 節點是監看面板，會顯示 VRAM、RAM（電腦主記憶體）、溫度等。在 settings 裡可以決定哪些要顯示、哪些要隱藏。
• 03:44 monitor 做成節點，所以可以隨意移動或移除。
  ↳ 它做成節點而不是固定介面，所以想放哪就拖到哪，不要也能直接刪掉。
• 03:44 另有更極簡的 strip 版面，可在 settings 調整顯示內容，並手動縮放到想要的大小。也能控制節點上出現哪些按鈕。
  ↳ 另外還有更精簡的 strip 版，是一條細長的顯示列。在 settings 可以選要顯示哪些數字、節點上出現哪些按鈕，大小也能自己拉。
• 03:44 還有另一個 VRAM 節點，接在你想清除 VRAM 的節點之後。
  ↳ 另一個 VRAM 節點是 free VRAM，接在哪個節點後面，那一步跑完就清掉 VRAM。
• 04:14 例如先用別的模型產生 prompt，之後清掉記憶體，才有足夠空間載入影片生成的 workflow。
  ↳ 舉例來說，先用另一個模型寫 prompt，寫完就清記憶體，空出位置，後面的影片模型才載得進來。
• 05:00 作者把它放在 workflow 最後、VAE decode 之後。原因是近期 ComfyUI 更新後快取會一直累積到記憶體不足，這樣可以避免。
  ↳ 作者把它放在流程最後，接在 VAE decode（把 AI 內部運算結果轉成真正畫面）之後。因為最近版本的快取會一直累積到記憶體不足，這樣可以避免。
• 05:00 缺點是：如果 VRAM 本來就夠，模型需要重新載入記憶體，會多花一點時間。
  ↳ 代價是：如果你的 VRAM 本來就夠，清掉後模型得重新載入，會多花一點時間。
• 05:32 作者和 Claude 做了 54 次測試，比較不同 sampler 與 scheduler。text-to-video 以 Euler ＋ Simple 分數最高，所以設為預設。
  ↳ 作者和 Claude 做了 54 次測試，比較各種 sampler、scheduler 組合。text-to-video（純文字生影片）裡 Euler＋Simple 分數最高，所以設為預設。
• 05:32 依風格和 prompt 不同，也可以試其他表現不錯的組合。有些組合結果非常差，應避免。
  ↳ 不過畫風和 prompt 不同時，其他表現不錯的組合也值得試。有些組合結果非常差，要避開。
• 05:32 steps 也另外測過：8 steps 在品質與速度間最平衡。4 steps 較快，但可能搞砸音訊，所以推薦 8 steps。
  ↳ 步數也另外測過：8 步在品質和速度間最平衡；4 步快，但可能把聲音弄壞，所以推薦 8 步。
• 06:06 12 steps 能再提升品質。真要最佳品質，就完全不用 LoRA、改用 20 steps。
  ↳ 12 步品質還能再好一點。真的要最好，就完全不用 LoRA，改跑 20 步。
• 06:06 這幾個是資訊性質的節點，只留需要的就好，三個全刪也可以。workflow 可自由調整。
  ↳ 這幾個是輔助看資訊的節點，只留需要的就好，三個全刪也可以。workflow 可以照自己的習慣改。
• 06:06 改用 Gemini 寫 prompt，因為效果好又快。它免費，任何 Google 帳號都能登入。
  ↳ 寫 prompt 改用 Gemini（Google 的 AI 聊天工具），效果好又快，而且免費，有 Google 帳號就能登入。
• 06:06 告訴 Gemini 你要 text-to-video 的 prompt，給它時長，再描述想要的內容。
  ↳ 跟 Gemini 說你要 text-to-video 的 prompt，告訴它影片幾秒，再描述你想看到的內容。
• 06:42 幾秒內就會得到一段長 prompt，用 replace 按鈕直接替換原本的 prompt。
  ↳ 幾秒內它就會給出一段長 prompt，用 replace 按鈕直接蓋掉原本的 prompt。
• 06:42 時長設 5 秒以配合 prompt，這次改用橫向。
  ↳ 時長設 5 秒，跟 prompt 寫的長度對上；這次畫面改用橫向。
• 06:42 執行時可在 Monitor PixAroma 節點看到 VRAM 用量等資訊。
  ↳ 執行時可以看 Monitor PixAroma 節點，即時知道 VRAM 用了多少等資訊。
• 06:42 workflow 結尾放了 free VRAM 節點，所以執行完會清除 VRAM。不想要的話，刪除節點或按右鍵選 bypass。
  ↳ 流程最後有 free VRAM 節點，所以跑完會清掉 VRAM。不想清的話可以刪掉它，或按右鍵選 bypass（暫時跳過不執行，但保留節點）。
• 07:15 free VRAM 節點的輸入值和輸出值相同，所以可放在其他節點之間而不中斷連線。它不改變數值，只清 VRAM。
  ↳ free VRAM 節點收到什麼就原樣傳出去，所以插在兩個節點中間也不會斷線。它不改任何數值，只負責清記憶體。
• 07:15 這個 workflow 花了 55 秒。清除後 VRAM 只用約 2 GB。
  ↳ 這次跑了 55 秒，清完後 VRAM 只佔約 2 GB。
• 07:46 結果符合要求而且相當快。但解析度越高，生成時間越長。
  ↳ 結果符合要求，速度也快。但解析度設得越高，生成時間越長。
• 07:46 解析度對速度的影響最大；時長其次，但影響沒那麼大。
  ↳ 影響速度最大的是解析度，其次是影片長度，但長度的影響比較小。
• 07:46 first frame to video workflow 加入了和前一個 workflow 相同的 LoRA 與 Shift。
  ↳ first frame to video（給一張圖當第一格畫面，讓它動起來）的 workflow，也加了同一個 LoRA 和 shift 設定。
• 08:16 這個 workflow 需要保持第一幀一致，所以也另外測試。結果很接近，Euler ＋ Beta 分數最高、設為預設，Euler ＋ Simple 第二。
  ↳ 這個流程要讓第一格跟原圖一致，所以另外測組合。結果很接近，Euler＋Beta 最高、設為預設，Euler＋Simple 第二。
• 08:16 因為有聲音，steps 一樣是 8 步效果較好。
  ↳ 這個流程也會生成聲音，所以一樣用 8 步比較好。
• 08:16 用同一個 Google Gemini gem 生成 first frame to video 的 prompt，並描述想發生的事。
  ↳ 用同一個 Gemini gem（在 Gemini 裡預先設好指示的專用小幫手）寫 first frame to video 的 prompt，描述你想讓畫面發生什麼事。
• 08:16 在 save MP4 節點中，於影片開頭加上 audio fade（音訊淡入）。
  ↳ 在 save MP4（存成影片檔）節點裡，替影片開頭加上 audio fade，也就是讓聲音從小慢慢變大。
• 08:48 很多 MiniMax 影片一開頭聲音就很強，加 120 毫秒的淡入可以修正部分問題。
  ↳ 很多 MiniMax 影片一開頭聲音就很衝，加 120 毫秒的淡入可以改善一部分。
• 08:48 生成 5 秒影片花了 48 秒。
  ↳ 這支 5 秒影片花了 48 秒生成。
• 08:48 想測下拉選單裡沒有的設定，可刪掉它自行設值，例如 20 steps、不用 LoRA。
  ↳ 想試下拉選單裡沒有的設定，可以把選單刪掉自己填值，例如不用 LoRA、跑 20 步。
• 08:48 first frame and last frame workflow 可以控制影片的結尾幀。
  ↳ first frame and last frame 是同時給開頭和結尾的畫面，讓影片停在你指定的最後一格。
• 09:20 把兩張圖都給 Gemini，請它寫 5 秒的首尾幀 prompt。範例是一個旋轉動作，結尾時角色從紅洋裝換成牛仔褲。
  ↳ 把兩張圖都丟給 Gemini，請它寫 5 秒的首尾格 prompt。範例是角色轉一圈，結尾從紅洋裝換成牛仔褲。
• 09:20 這個 workflow 的結果又不同，Euler ＋ Simple 較好。可見 sampler 和 scheduler 對結果影響很大。耗時 55 秒。
  ↳ 這個流程反而是 Euler＋Simple 比較好，可見 sampler 和 scheduler 對結果影響很大。這次花了 55 秒。
• 10:00 影片解析度由 longest side 設定決定。設越高越久，VRAM 不夠時可能崩潰。
  ↳ longest side 是影片最長那一邊的長度，用來決定解析度。設越高越慢，VRAM 不夠時可能直接崩潰。
• 10:00 作者顯卡上的 VRAM 峰值約 22 GB，峰值數值可以在節點上重設。
  ↳ 作者顯卡的 VRAM 峰值約 22 GB。這個峰值紀錄可以在節點上重設，重新量。
• 10:00 如果接下來要用不同模型，有時可以開新 workflow 並先清除 VRAM。
  ↳ 接下來要換別的模型時，有時可以開新的 workflow，先清一次 VRAM 再跑。
• 10:00 唱歌 workflow 讓角色用你上傳的音軌唱歌。目的是保留原本的音訊，而不是重新生成相似的聲音。
  ↳ 唱歌 workflow 讓角色跟著你上傳的音軌唱。重點是保留你原本的聲音，而不是讓 AI 重新生成一段很像的。
• 10:31 先決定影片時長，上傳的音訊會依此裁切，作者的例子約 6 秒。接著上傳要唱歌的角色圖。
  ↳ 先設影片長度，上傳的音訊會照這個長度裁切，作者的例子約 6 秒。接著上傳要唱歌的角色圖。
• 10:31 這些輸入素材都隨 workflows 一起附上。
  ↳ 範例用的音訊和圖片都跟 workflow 一起附上，可以直接拿來練習。
• 10:31 作者經過大量測試，寫出一個多數情況都有效的通用 prompt，有助於保持圖像一致。
  ↳ 作者測了很多次，寫出一段多數情況都有效的通用 prompt，幫忙讓角色維持原圖的樣子。
• 11:04 這不是 first-frame to video，而是 reference to video，用的是不同模型。prompt 提到的任何東西都可能改變角色。
  ↳ 這裡用的是 reference to video（拿圖片當參考來生成），和 first frame 是不同模型。prompt 裡提到的任何東西，都可能讓角色變樣。
• 11:04 為了避免角色或服裝跑掉，盡量貼近原圖，所以用較長的 prompt。之後選好 longest side 就能執行。
  ↳ 為了不讓角色或衣服跑掉，prompt 寫長一點、盡量貼近原圖。選好 longest side 就能執行。
• 11:04 這裡不生成音訊、用的是現成音軌，所以不需要為音質用 8 steps，改用快很多的 4 steps。
  ↳ 這裡的聲音是現成音軌，不是 AI 生成，所以不用為了音質跑 8 步，改用快很多的 4 步。
• 11:36 也不加 audio fade，因為自訂音訊本身已經好聽。
  ↳ 也不加淡入，因為你自己的音檔本來就好聽。
• 11:36 note 裡有更多說明，看完可以收合或刪除。
  ↳ workflow 裡的 note（文字註解）有更多說明，看完可以收起來或刪掉。
• 11:36 測試發現，小尺寸下效果還可以，放大後就開始改變畫面內容。
  ↳ 測試發現，小尺寸時效果還可以，尺寸一放大，畫面內容就開始被改動。
• 12:09 到某些尺寸時，模型會不那麼精確地遵循 prompt。小尺寸有效的做法，放大後不一定有效，至少作者用的 reference 模型是如此。
  ↳ 尺寸大到某個程度，模型就比較不照 prompt 走。小尺寸有效的做法，放大後不一定有效，至少作者用的 reference 模型是這樣。
• 12:09 first-frame 模型比較遵守 prompt。reference 模型較有創意，能吃音訊和圖片等，但可能不夠精確。
  ↳ first frame 模型比較聽 prompt 的話；reference 模型比較有創意，能同時吃聲音和圖片，但可能不夠精準。
• 12:39 說話 workflow 和唱歌的是同一個，只是長 prompt 改為說話用：不跳舞、鏡頭固定等。
  ↳ 說話 workflow 跟唱歌的是同一套，只把長 prompt 換成說話版，例如不要跳舞、鏡頭固定。
• 12:39 prompt 提到的東西都可能被加進畫面，即使寫「不要加黑背景」也可能加上。要小心下 prompt，並嘗試不同 seed 與尺寸。
  ↳ prompt 寫到的東西都可能被加進畫面，連寫「不要加黑背景」都可能真的加上。下 prompt 要小心，並多換 seed 和尺寸試試。
• 13:18 longest side 有快捷按鈕，也可在 settings 加入常用尺寸。VRAM 夠的話甚至能做 full HD。
  ↳ longest side 有快捷按鈕，也能在 settings 加入常用尺寸。VRAM 夠的話，甚至可以做 full HD。
• 13:18 pixaroma.com 網站有更新。課程免費，所有集數和附帶內容都能從網站取得。
  ↳ pixaroma.com 網站更新了。課程免費，所有集數和附帶檔案都能在網站上拿到。
• 13:18 通常每週一集，假期或作者度假時除外。下週因作者度假不會有新集數。
  ↳ 通常每週一集，假期或作者休假時例外。下週作者去度假，不會有新的一集。
• 13:49 更多 workflows 可以看 episode 29。workflows 全部免費，本集影片上傳後會一併放上。
  ↳ 想要更多 workflow 可以看第 29 集。workflow 全部免費，本集的會在影片上傳後一起放上。
• 13:49 網站也有 RunPod 上的雲端 workflows，以及 gems（例如本集用來生成 prompt 的那些），都是免費的。
  ↳ 網站也有 RunPod（租用雲端顯卡的服務）上用的 workflow，以及本集寫 prompt 用的那些 gem，都免費。
• 13:49 唯一不免費的是 YouTube 與 Discord 會員，放上網站是因為很多人想支持頻道卻不知道怎麼加入。
  ↳ 唯一要付費的是 YouTube 和 Discord（社群聊天平台）會員。放上網站是因為很多人想支持頻道，卻不知道怎麼加入。
• 14:23 最高等級是 Legends，對頻道幫助最大、福利也較多。YouTube 現在也提供免費試用。
  ↳ 最高等級是 Legends，對頻道幫助最大，福利也比較多。YouTube 現在也有免費試用。
• 14:23 把 Discord 帳號連結到有會員的 YouTube 帳號，就能進 Discord 並取得各等級的身分組。
  ↳ 把 Discord 帳號連結到有加入會員的 YouTube 帳號，就能進 Discord，並拿到對應等級的身分組。
• 14:23 片尾展示用 MiniMax H3 以 HD 尺寸生成的示範影片，尺寸不算大但看起來仍相當好。
  ↳ 片尾示範了用 MiniMax H3 以 HD 尺寸生成的影片。尺寸不算大，但畫面看起來還是相當好。

影片中，加入加速 LoRA 後，作者把 shift 設成多少？