低顯存也能輸出高解析度影片｜MiniMax H3 二採 720p 以上（ComfyUI 模板與教學）

只要用過 MiniMax H3，大概都遇過這個畫面：解析度一往上拉，ComfyUI 的節點就變紅，跳出 OutOfMemoryError 或 out of memory。在 RTX 5070（12GB）、RTX 5080（16GB）這類顯卡上，一採（第一次採樣）超過約 0.4 MP（864×480）就容易爆，也就是說，想直接生成 720p 以上的影片很吃力。

這篇文章整理的是另一條路：二採。先用 0.4 MP 完成最花力氣的第一次採樣，再把結果放大、只用 3 個低噪聲步驟重新精修，最後得到 至少 720p 的影片。文章會從「OOM 為什麼會發生」講起，接著帶你在已經會用 MiniMax H3 的基礎上補裝二採需要的 Custom Node，並拆解模板裡兩組最容易看不懂的數字：一採的 9 個數字（1 → 0）與二採的 4 個數字（1 → 0 的尾段）。

閱讀建議：如果你只想先跑起來，看第三～五章（模板、安裝、載入）就夠了。想知道「為什麼這樣設」再看第六～八章。這篇假設你已經看過 ComfyUI + MiniMax H3 本機 AI 影片教學，ComfyUI、Director、H3 主模型與 Turbo LoRA 都已經裝好；沒有的話請先回去照那篇完成。

文章目錄

1. OOM 是什麼？為什麼一採超過 0.4 MP 就爆
2. 二採怎麼解決：先低解析度、再放大精修
3. 兩份模板：下載、R2V 與 FL2V 怎麼選
4. 安裝二採需要的 Custom Node 與小模型
5. 載入模板、換上模型、檢查紅色節點
6. 一採的 9 個數字（1 → 0）怎麼訂的
7. 二採的 4 個數字（1 → 0）怎麼訂的
8. 二採的自動解析度：跟著一採變，至少 720p
9. 實際出片流程與 720p 裁切
10. 調整方向與常見問題
11. 參考範例影片

一、OOM 是什麼？為什麼一採超過 0.4 MP 就爆

OOM 是 Out Of Memory，記憶體不足。生成影片時，模型權重、運算中間結果、最後解碼成影片的畫面，都要放進顯示卡的 VRAM；某一步需要的空間超過可用 VRAM，又沒辦法暫時搬到系統 RAM，就會 OOM。ComfyUI 會把當下的節點標紅，而且程式還活著，改設定後可以重新 Queue。OOM 與「直接崩潰」的差別、--reserve-vram 的用法，在 前一篇的 OOM 小節 有完整說明，這裡不重複。

為什麼是 0.4 MP 這條線？MP 是百萬像素。H3 本身的主模型就有約 21GB，比 12GB、16GB 的顯卡還大，一直都靠「一部分放 VRAM、一部分搬 RAM」在跑。真正決定會不會爆的，是 隨「像素數 × 影格數」一起放大的運算空間，以及最後 Video VAE 解碼的瞬間尖峰：

以 16:9 來看，0.4 MP 約 864×480（480p）；拉到 0.5 MP 約多 25% 的像素。這個增量看起來不大，但只要剛好跨過臨界點，結果不是「稍微慢一點」，而是直接 OOM。依本站實測經驗，RTX 5070／5080 一採想直接做到大於 0.4 MP 就很容易遇到，更別說直接做 720p（約 0.92 MP）或 1080p。

↑ 回到目錄

二、二採怎麼解決：先低解析度、再放大精修

二採（Two-pass）的想法很單純：把「決定影片長什麼樣子」和「把細節補齊」拆成兩次做，而且兩次都不必在高解析度下從頭算到尾。

為什麼二採能克服 0.4 MP 的限制？要分清楚三件事，才不會誤會：

1. 最重的部分留在低解析度。8 個高噪聲步驟是整支影片最花運算的部分，它被限制在 0.4 MP，所以不會越線。
2. 高解析度只做 3 個低噪聲步驟。二採的每一步在 720p 以上的尺寸其實仍比一採重，單次的峰值並不會自動變小，所以模板另外用了兩個「分塊」手段把峰值切開：前饋分塊（把 token 切成 4 份依序算，結果與不分塊相同，只是變慢）此外 Refine 節點本身也提供空間分塊與時間分塊選項（把畫面或影格切開，分次前向再接回，是否開啟請看節點上的開關）。這些都是用速度換記憶體。
3. 放大不靠採樣。模板用 Lanczos 像素插值放大，再交給 VAE 重新編碼（節點標題寫「Lanczos＋FP16重編碼」），不需要再跑一個大型模型來放大，所以「放大」這一步不是主要的 OOM 來源。

要提醒的是：這兩份空白模板的檔內說明仍保留「尚未做 GPU 生成測試」的原始註記；文末已有使用 RTX 5080（16GB）完成的二採範例，供你查看實際成片。單一範例不能保證所有顯卡與片長都不會 OOM；如果你用的是 12GB 的 RTX 5070，仍可能需要縮短片長、增加分塊數，或調整 --reserve-vram 並實測。

↑ 回到目錄

三、兩份模板：下載、R2V 與 FL2V 怎麼選

兩份模板放在同一個雲端資料夾，檔名裡的「空白製片模板」表示圖片與 Prompt 都是空的，要自己填：

• Google Drive 模板資料夾
• H3參考幀_R2V_RTX5080_720p二採_空白製片模板.json：用 1～數張參考圖生成影片（Reference to Video）
• H3首尾幀_FL2V_RTX5080_720p二採_空白製片模板.json：指定首幀與尾幀，讓 AI 補中間的動作（First-Last Frame to Video）

兩份 JSON 的節點逐一比對之後，除了「主模型」「Turbo LoRA」「任務類型」三個地方不同，其餘節點、連線與二採設定完全一樣。所以學會一份，另一份只要換三樣東西。

模型的下載來源與資料夾，與前一篇相同：主模型與 VAE、文字編碼器來自 Comfy-Org / MiniMax-H3，Turbo LoRA 來自 lightx2v / Minimax-h3-Turbo。用 FL2V 的話，請另外下載 FL2V 的主模型（約 21 GB）與 FL2V 的 Turbo LoRA minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors（約 1.96 GB，放進 models\loras）。

FL2V 要特別注意：Director 官方說明提到，首尾幀（fl2v）鏡頭預設會跳過二採，原因是二採會改動畫面，容易把「釘死」的首幀、尾幀畫飄。要讓 FL2V 也走二採，Refine 節點上的「跳過首尾幀（skip_fl2v）」開關必須關掉。FL2V 模板裡這個開關預設是關閉的；不過模板內的 Refine 節點欄位比公開版 Director 多一些，建議第一次載入後自己確認一次，確定開關是關閉的再開始跑。

↑ 回到目錄

四、安裝二採需要的 Custom Node 與小模型

前提：已經照前一篇裝好 ComfyUI Portable、Git 與 Director。二採模板需要的第三方節點有三個，加上兩顆很小的模型檔。步驟都和當初裝 Director 一樣：到 custom_nodes 資料夾、右鍵「在終端機開啟」，貼指令。

步驟 1：先確認 ComfyUI 與 Director 夠新

Director 要求 ComfyUI 版本在 0.30.0 以上（內含官方 MiniMax H3 節點）。照前一篇的方式執行 update_comfyui.bat 更新。接著把 Director 本身更新到最新版，在 custom_nodes 的終端機貼上：

git -C ComfyUI_MiniMaxH3_Director pull
..\..\python_embeded\python.exe -m pip install -r ComfyUI_MiniMaxH3_Director\requirements.txt

步驟 2：安裝 MiniMax H3 Audio T8（前饋分塊節點）

git clone https://github.com/T8mars/comfyui-minimax-h3-audio-T8.git minimax-h3-audio-T8

這個套件的基礎節點不需要額外安裝 Python 套件（作者在 requirements.txt 中說明 torch 等都由 ComfyUI 提供），所以不必再跑 pip。它的功能很多，我們只用到其中一個前饋分塊節點。它在 ComfyUI 的搜尋名稱是 MiniMax H3 Chunk FeedForward（分塊前饋，Advanced EXP/T8），模板裡已經放好，不用自己加。

步驟 3：安裝 ComfyUI-KJNodes

git clone https://github.com/kijai/ComfyUI-KJNodes.git
..\..\python_embeded\python.exe -m pip install -r ComfyUI-KJNodes\requirements.txt

步驟 4：下載兩顆小模型（選用，但建議）

1. H3 Latent Upscaler：到 LBH-123-AI / Minimax_h3_latent_Upscaler，下載 minimax_h3_latent_upscaler_3d_conv_v1_fp16.safetensors（約 691MB），放進 ComfyUI\models\latent_upscale_models\。資料夾不存在就自己建立。
2. taeh3 預覽模型：到 t8star / Taeh3-Comfy，下載 models/vae_approx/taeh3.safetensors，放進 ComfyUI\models\vae_approx\。

步驟 5：重新啟動並檢查

完全關閉 ComfyUI 的黑色視窗再重新啟動（run_nvidia_gpu.bat），網頁重新整理。在畫布空白處連點兩下，分別搜尋 MiniMax H3 Director Refine、Chunk FeedForward、ModelPreviewOverride，三個都找得到就代表安裝成功。如果你有裝 ComfyUI-Manager，也可以載入模板後，直接按「Install Missing Custom Nodes」讓它幫你補裝，結果與手動安裝相同。

小提醒：模板裡的節點如果在你的 ComfyUI 找不到對應，節點會變成紅色。紅色節點代表「缺 Custom Node」，不是模板壞掉。

↑ 回到目錄

五、載入模板、換上模型、檢查紅色節點

1. 從雲端資料夾下載想用的 JSON（先試 R2V 最簡單），直接拖進 ComfyUI 網頁。
2. 左側「模型與採樣」群組裡，把 UNETLoader、CLIPLoader、兩個 VAELoader、Turbo LoRA 的下拉選單選成你電腦上的檔名（檔名要與上一章表格相同；沒有選項就代表檔案放錯資料夾）。
3. 在 Director 大節點的時間軸上方按「添加素材組」，上傳參考圖，填 Prompt，設定時長。Prompt 與時長直接在 Director 的素材組裡改。
4. 先照模板預設跑 5 秒（約 124 格、24 FPS；H3 會對齊影格數）。第一次不要同時改很多東西，確認能出片再調整。
5. 出現紅色節點：回到第四章，看缺哪個節點，補裝後重啟。

模板下方有一張說明便箋與「720p二採與說明」群組，裡面就是二採的所有設定：二採 Sigmas、Refine 節點、前饋分塊。下面兩章就是在解釋這兩組數字。

↑ 回到目錄

六、一採的 9 個數字（1 → 0）怎麼訂的

模板的「一採」有一個 ManualSigmas 節點，內容是：

1.00000000, 0.98823529, 0.97297297, 0.95238095, 0.92307692, 0.87804878, 0.80000000, 0.63157895, 0.00000000

為什麼是 9 個？Sigma 代表每一步開始時的「噪聲比例」，1.0 是純噪聲，0 是乾淨的畫面。採樣 8 步就需要 8 個「起點」加上最後的終點 0，所以是 8 步 → 9 個數字，像 8 段路需要 9 根柱子。

這 9 個數字是怎麼來的？這不是隨便填的，它和「Shift」直接對應。把 0 到 1 平均切成 8 段（t = 1、0.875、0.75 … 0），再套 Shift 公式 σ = shift × t ÷ (1 + (shift − 1) × t)，用 shift = 12 算出來，就會得到上面這 9 個數字，8 位小數完全吻合。也就是說，Director 預設的 Shift Video = 12 就是這組數字的來源（這是用公式反推比對得到的結果，不是作者說明文件的原文）。你可以用下面這段 Python 自己算一遍：

shift = 12
steps = 8
for i in range(steps + 1):
    t = 1 - i / steps
    s = shift * t / (1 + (shift - 1) * t)
    print(f"{s:.8f}")

這樣訂的效果是什麼？看右邊兩欄就懂：不加 shift 時，走到一半（第 5 個數字）噪聲只剩 50%；加了 shift = 12，走到一半噪聲仍有 92%。前面 7 個數字都停在 0.80 以上，只有最後一步從 0.63 一口氣掉到 0。這代表 8 步裡大部分步數都在「高噪聲」階段決定整體構圖與動作，最後一大步才把畫面收乾淨，這是 Turbo（少步數蒸餾）模型常見的走法。所以用 Turbo LoRA 的 8 步時，建議不要自己亂改這 9 個數字；要換步數就一併照公式重新計算。

補充：Turbo LoRA 的訓練條件與官方排程細節，官方文件沒有逐字說明。上面「數字與公式吻合」是可以自行驗算的事實，對效果的說明則是幫助理解的解讀，不是官方規格。

↑ 回到目錄

七、二採的 4 個數字（1 → 0）怎麼訂的

「720p二採與說明」群組裡有另一個 ManualSigmas，內容只有 4 個：

0.31578947, 0.2, 0.1, 0

4 個數字 = 3 步。和一採的差別有兩個：

1. 不是從 1.0 開始，而是從 0.316 開始。二採的任務不是「從無到有」，而是在放大後、已經有完整構圖的畫面上「補細節」。所以只加回約三成的噪聲，再往下清掉。從 1.0 開始等於重畫一遍，等於前面的一採白做。
2. 只有 3 步，且尾段近乎等差。0.316 → 0.2 → 0.1 → 0，後面兩步每步約降 0.1，節奏平均，沒有一採那種「最後一大步」。

0.31578947 是怎麼來的？它剛好是 6/19，也剛好是一採倒數第二個數字 0.63157895（12/19）的一半。這是比對數字發現的規律，並不是官方公式；模板作者沒有公開說明為什麼選這個值。可以確定的是，它是人工設定的「低噪聲尾段」，後面的 0.2、0.1 同樣是人工設定。

另外要知道：Director 官方說明提到，Refine 節點內部還會再套 H3 的 SigmaShift。這代表表面上的 0.316 並不等於最終實際的噪聲強度，實際強度要看 Refine 內部的換算。這就是為什麼調這組數字時，要用「看結果」的方式調，不要用理論硬算。

每次只改一個數字，並固定同一個 Seed 與 Prompt 比較。上面表中的數字是起點建議，不是實測保證。

↑ 回到目錄

八、二採的自動解析度：跟著一採變，至少 720p

這是二採最方便的地方：你只要決定一採的比例與大小，二採的尺寸會自動算出來，不用自己算寬高。規則如下：

1. 比例跟著一採走。一採在 Director 的輸出列選 16:9 就是 16:9，選 9:16 就是 9:16。Refine 節點上的「比例」選項已經標示「跟随导演台比例」，官方說明也寫明比例始終與導演台一採畫布相同。
2. 大小由「百萬像素（megapixels）」決定。模板設 0.9，代表二採的畫面面積約 0.9 MP，再依比例換算成寬高。
3. 寬高對齊 32 的倍數。H3 的畫布要是 32 的倍數，所以 720 會變成 736。
4. 至少 720p。模板的 Refine 節點選項寫的是「跟随导演台比例（MP，至少720p）」，目的就是不管你一採選什麼比例，二採至少維持 720p 級的畫質。

表中 16:9 與 9:16 以模板的標示為準；1:1、4:3 是依公開版 Director 的換算公式估算的近似值，實際尺寸請看 Refine 節點右側輸出的 width／height。另外，像 21:9 這種很寬的比例，用 0.9 MP 算出來的短邊會低於 720，實際尺寸會由模板的「至少 720p」規則決定，請以節點輸出的寬高為準。

簡單說：你想做直式短影音？一採選 9:16，二採自動變成約 736×1280；想做橫式？選 16:9，二採自動變成約 1280×736。這就是「隨一採選擇而變」的意思。

↑ 回到目錄

九、實際出片流程與 720p 裁切

1. 確認 Director 的輸出列：模式固定、比例（16:9 或 9:16）、百萬像素 0.4、倍數 32。
2. 確認 Director 的採樣設定：CFG 1、Steps 8、Sampler euler、Scheduler simple、Shift Video 12／Shift Audio 3，並接著一採的 9 個數字。
3. 確認 Refine 節點：模式 upscale、放大方式 lanczos、Sampler euler、Passes 1、Megapixels 0.9，並接著二採的 4 個數字。
4. 按 Queue。ComfyUI 會先完成一採（0.4 MP、8 步），再自動接著做放大與二採（3 步），最後輸出成片。
5. Director 有兩個輸出可以用：images 是二採後的成片，images_pre_refine 是一採的低解析度畫面，可以用來比較二採到底補了什麼。

為什麼是 1280×736，不是 1280×720？因為 H3 的畫布要是 32 的倍數，720 不是，所以二採實際輸出 1280×736。模板說明寫明這個尺寸會用「附帶的匯出工具」裁成標準的 1280×720。如果手邊沒有這個工具，也可以直接用 ffmpeg 置中裁切：

ffmpeg -i 輸入.mp4 -vf "crop=1280:720" -c:a copy 輸出.mp4

不裁切也可以直接使用，736 高的影片仍然是 720p 以上；裁切只是為了符合標準的 1280×720 規格。

↑ 回到目錄

十、調整方向與常見問題

最後再強調一次本文的邊界：空白模板的檔內註記保留了當時「尚未做 GPU 生成測試」的說明；現在文末已有實際二採範例影片。本文對解析度、Sigma 公式與節點行為的解讀，仍不能當成任何顯卡都不會 OOM 的保證。能否完成輸出，還是取決於顯卡、片長、Reference 圖張數與驅動狀態。

↑ 回到目錄

十一、參考範例影片

以下兩支影片可用來看二採後的實際畫面。第一支《狗狗奇遇記2》使用 MiniMax H3 與 RTX 5080，先以 480p 一採，再二採到 720p 以上。

若影片沒有顯示，請直接開啟：《狗狗奇遇記2》。

第二支《高中畢旅的未完告白｜弘前櫻花、岩木山與足利紫藤》是 MiniMax H3 二採 720p 的影片範例。

若影片沒有顯示，請直接開啟：《高中畢旅的未完告白》（YouTube）。

↑ 回到目錄

參考資料

1. 本站：ComfyUI + MiniMax H3 本機 AI 影片教學
2. 二採模板資料夾（Google Drive）
3. 範例影片：《狗狗奇遇記2》（YouTube）
4. 範例影片：《高中畢旅的未完告白》（YouTube）
5. AIMixer / ComfyUI_MiniMaxH3_Director（Refine 二採節點說明）
6. T8mars / comfyui-minimax-h3-audio-T8、低顯存節點說明（Chunk FeedForward）
7. kijai / ComfyUI-KJNodes
8. LBH-123-AI / Minimax_h3_latent_Upscaler
9. t8star / Taeh3-Comfy
10. Comfy-Org / MiniMax-H3
11. LightX2V / MiniMax-H3 Turbo