一张图变动态视频minimax-h3-int8 图生视频I2V实战指南【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8minimax-h3-int8 是一个专为 Ascend 910 NPU 适配的 MiniMax H3 INT8 量化视频生成仓库内置 ComfyUI 与全套权重支持文生视频与图生视频I2V。本文是一份面向新手的最小可行指南只需准备一张图片加上几句运镜描述就能在 NPU 上生成约 5 秒、1344×768 分辨率、带音效的 MP4 动态视频。一、为什么用 minimax-h3-int8 做图生视频全链路 NPU文本编码器、扩散模型、视频/音频 VAE 全部跑在昇腾 NPU 上双卡2× Ascend910 64G实测最快 76 秒出片含模型加载️图生视频I2VMiniMaxH3ImageToVideo节点支持首帧图输入你提供的图片会成为视频的第一帧并锚定整个画面音视频一体一次推理同时输出视频轨 音频轨提示词里加一段Audio:描述即可生成配乐音效一键部署代码 权重 ComfyUI 同仓分发clone 即得权重经 Git LFS 自动携带组件权重文件精度设备文本编码器models/qwen3vl_32b_minimax_h3_int8_convrot.safetensorsINT8 ConvRotnpu:1扩散模型models/minimax_h3_fl2va_pruned_int8_convrot.safetensorsINT8 ConvRotnpu:0视频 VAEmodels/minimax_h3_video_vae_fp16.safetensorsFP16npu:0音频 VAEmodels/minimax_h3_audio_vae_fp32.safetensorsFP32npu:0二、图生视频I2V是怎么工作的I2V 推理与文生视频T2V共用一条链路区别只在输入端多了一张首帧图首帧图 (你的图片) ── LoadImage ── MiniMaxH3ImageToVideo.first_frame │ 提示词 prompt ── CLIPLoader (npu:1) ── 条件向量 │ 噪声 ── 扩散采样 (DiT INT8, npu:0, 8/20 步) ── 隐空间视频帧 │ VAEDecode像素帧 VAEDecodeAudio音频轨 │ CreateVideo (24fps) ── SaveVideo ── output/video/*.mp4四个阶段一览阶段节点输入 → 输出设备① 文本编码CLIPLoaderprompt → 条件向量npu:1② 扩散采样SamplerCustomAdvanced条件 噪声 首帧 → 隐空间视频帧npu:0③ VAE 解码VAEDecodeVAEDecodeAudio隐空间 → 像素帧 / 音频轨npu:0④ 视频合成CreateVideoSaveVideo帧 音频 → MP4CPU完整链路详解见 docs/video-generation-pipeline.md。三、首帧图要求一张合格的种子图图片质量直接决定成片质量。以下规范全部经过实测验证来自 docs/t2i-i2v-pipeline.md项规范理由格式PNG首选/ JPGPNG 无损JPG 体积更小但有压缩损失尺寸1344 × 768与视频输出一致避免模型内部缩放/裁切导致构图偏移对齐宽高为16 的倍数VAE/采样要求对齐134484×16, 76848×16 ✅色彩RGB无透明通道视频编码不支持 alpha内容无文字 / 水印 / logo / 字幕否则会被印进视频每一帧 小贴士ComfyUI 的LoadImage节点接受 png / jpg / jpeg / webp / gif / bmp / avif / tiff若图片是方图如 1024×1024建议先中心裁剪到 1344×768 横屏再作为首帧。四、快速上手三种方式生成 I2V 视频方式 1ComfyUI 网页界面拖图最推荐新手 ️CREATIVE-GUIDE.md 官方推荐的入门方式启动服务./scripts/start-comfyui-dual-npu.sh start默认端口 8188浏览器打开http://服务器IP:8188加载 workflows/ 下的api_t2v_int8_turbo.json在MiniMaxH3ImageToVideo节点拖入你的首帧图写一段运镜提示词点击 Queue Prompt比 API 方便所见即所得。方式 2创作脚本一键出片适合批量配套的创作仓库h3-video-creations提供一行命令入口详见 README.md「开始创作」一节./scripts/create.sh --image ~/my.png --text camera pushes forward # 图生视频脚本会自动把图片上传到 ComfyUI input 目录经LoadImage → MiniMaxH3ImageToVideo.first_frame链路生成视频。方式 3API 提交适合自动化按 docs/usage.md 的步骤把工作流 JSON POST 给 ComfyUI 的/prompt接口即可MiniMaxH3ImageToVideo节点挂上首帧图路径其余参数照抄 workflows/api_t2v_int8_turbo.json。五、关键参数设置与提示词写法分辨率不是随便填的共有 5 层限制节点 step、VAE 对齐、patch、训练分布、显存完整边界见 docs/video-resolution-guide.md。推荐配置速查场景widthheightlength说明默认质量1344768124官方 768p 原生最优峰值显存 42.7G有余量速度优先1024576124像素减半快约 2 倍竖屏7681344124短边 768适合短视频平台I2V 提示词怎么写图片已经定好了画面是什么提示词应聚焦**怎么动**结构运镜方式 主体动作 环境氛围例如camera glides forward along a reflective street, gentle rain, cinematic想要清晰加sharp focus, highly detailed避免soft / mist / bokeh等柔焦词实测是模糊主因配乐音效末尾加Audio: gentle rain, distant tram bell这类描述负面约束用No text, logos, subtitles or watermark收尾更多灵感示例见 CREATIVE-GUIDE.md 末尾。六、进阶文生图 → 审核 → 图生视频两段式管线 如果你还没有现成的图片仓库内置了「先 T2I 出首帧图 → 人工审核 → I2V 出视频」的两段式管线方案docs/t2i-i2v-pipeline.md详细设计见 docs/t2i-i2v-pipeline-design.mdT2I 文生图 ── 图片审核关卡 ── I2V 图生视频 ── 视频交付 出首帧 PNG 内容/质量/尺寸 首帧锚定动态 output/video核心思路是把图片作为可重复使用的资产审核通过后存档同一张图可以反复生成不同运镜、不同批次的视频保证系列作品画面一致——这正是 I2V 相对直接文生视频的本质优势。七、常见问题排查症状原因处理报 not divisible首帧图/分辨率不是 16 或 32 倍数裁剪/缩放到 32 倍数尺寸OOM 显存溢出分辨率或帧数过高降到 1024×576 或减length画面糊分辨率远低于 768 短边提到 1344×768短边 ≥768首帧构图跑偏图片比例与视频比例不一致先裁剪成 16:9 横屏再上传视频里出现文字水印首帧图本身带文字换干净底图提示词加负面约束INT8 未生效速度骤降NPU patch 未打上重跑./scripts/setup_comfyui.sh --patches⏱️ 耗时参考双卡 NPU 实测冷启动首次约 3 分钟热启动 8 步 124 帧约 1~2 分钟。质量优先可切 20 步的 workflows/api_t2v_int8_dual.json。八、延伸阅读文档内容README.md一键部署、工作流选择、目录结构总览docs/usage.md输入/输出数据说明与 API 调用步骤docs/dual-npu-deployment.md双卡拆分的动机与性能预期docs/video-resolution-guide.md分辨率 5 层限制边界与配置方法CREATIVE-GUIDE.md提示词模板、参数速查、灵感示例准备好一张 1344×768 的干净首帧图写一句运镜描述剩下的交给 NPU——你的第一支 AI 动态视频几分钟即可出炉 【免费下载链接】minimax-h3-int8项目地址: https://ai.gitcode.com/xujiashuai/minimax-h3-int8创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
