minimax-h3 turbo + RTX VSR 合并镜像使用说明

📚

一个镜像 =minimax-H3 生视频服务（ComfyUI:8188）+ 视频超分服务（VSR API:8001），单张 RTX 5090（32GB）跑通「768p 生成 → 2K 超分」全链路，产物带音轨

一、快速开始：5 步跑通全链路

Step 1 — 探活（两个服务各一次）

curl -s $COMFY/system_stats        # 返回 200 + JSON 即活（ComfyUI 无 /health）
curl -s $VSR/healthz               # {"status":"ok","service":"rtxvsr",...}

Step 2 — 提交一条 H3 生成任务（768p / 5 秒 / 4 步 turbo）

curl -s -X POST $COMFY/prompt \
  -H "Content-Type: application/json" \
  -d '{"prompt": {…workflow…}, "client_id": "my-app-1"}'

⚠️ node_errors 非空 = 工作流有错，根本没入队

Step 3 — 轮询到 success，下载 768p 产物

curl -s $COMFY/history/7498f8fe-… | jq '.[].status.status_str'   # "success"

curl -s -o h3_raw.mp4 "$COMFY/view?filename=<文件名>&subfolder=&type=output"

Step 4 — 提交超分任务（2 倍放大 → 2688×1536）

curl -s -X POST $VSR/api/v1/upscale/file \
  -F "file=@h3_raw.mp4" -F "scale=2.0" -F "quality=HIGH" \
  -F "vcodec=libx264"

⚠️ 共绩平台必须用 vcodec=libx264（节点 NVENC 当前不可用，详见 5.4 节）。本地/自建机器可用默认 h264_nvenc。

Step 5 — 轮询 done，下载 2K 产物

curl -s $VSR/api/v1/tasks/d1247542e667       # {"status":"done","meta":{"total_s":30.9,…}}
curl -s -o h3_2k.mp4 $VSR/api/v1/tasks/d1247542e667/result

⚠️ /result 返回的是 video/mp4 二进制流（带 Content-Disposition 头），不是 JSON——直接当文件下载。

二、镜像概览与启动模式

项	内容
基础镜像	minimax-h3 turbo 官方预制（ComfyUI 0.31.0 + int8 DiT×2 + turbo 4-step LoRA + qwen3vl 文本编码器 + 双 VAE）
附加层	RTX VSR（nvidia-vfx/Maxine VFX）FastAPI 服务、cupy-cuda12x 运行栈、python-multipart
显存	生成峰值 ~27.8GB；超分峰值 ~6-10.5GB（随分辨率）
启动配置	ENTRYPOINT=`/entrypoint-merge.sh`，CMD=`both`

启动模式（run 参数选一个）

模式	行为	什么时候用
`both`（默认）	ComfyUI(8188) + VSR(8001) 双进程	一体机（注意显存叠加，见下）
`comfyui`	仅 ComfyUI	纯生成节点
`vsr`	仅 VSR API	纯超分节点（可部署在便宜机器上）
`selftest`	依次自检 cupy→nvvfx→VSR→NVENC 后退出	部署后冒烟验证（一次性容器）

显存布局（both 模式，同卡）

ComfyUI(H3):  峰值 ~27.8 GiB（模型 int8 ~20G + 文本编码器 nvfp4 ~15G 走 CPU offload + KV）
VSR:          逐任务 ~6-10.5 GiB

三、部署

3.1 预制镜像

3.2 共绩 openapi 部署

① 查资源拿 mark（mark 是资源标识，随库存变动，每次部署前查）：

curl -s "https://openapi.suanli.cn/api/deployment/resource/search" \
  -H "token: <你的API密钥>" -H "version: 1.0.0" -H "timestamp: <毫秒时间戳>"

② 创建任务（完整可用 payload——这是实测通过的模板，字段名不能改，serde 严格解析）：

{
  "task_name": "h3vsr_merge_014",
  "points": 1,
  "repository_username": "bala",
  "repository_password": "<bala 账号密码>",
  "resources": [{
    "mark": "<第①步查到的 mark>",
    "resource": {"device_name": "5090", "region": "tj1q", "gpu_name": "5090",
                  "gpu_count": 1, "gpu_memory": 32600, "memory": 64512, "cpu_cores": 16},
    "region_name": "天津一区",
    "weight": null
  }],
  "services": [{
    "service_name": "h3vsr-svc",
    "service_image": "harbor.suanleme.cn/bala/h3vsr-merge:0.1.4-5090",
    "env": [{"name": "NVIDIA_DRIVER_CAPABILITIES", "value": "compute,utility,video"}],
    "remote_ports": [{"service_port": 8188}, {"service_port": 8001}],
    "start_script_v2": {"command": null, "args": []},
    "resource_weight": {"cpu_weight": 1, "mem_weight": 1, "gpu_weight": 1}
  }]
}

curl -s -X POST "https://openapi.suanli.cn/api/task/deployment/create" \
  -H "token: <密钥>" -H "version: 1.0.0" -H "timestamp: <毫秒>" \
  -H "Content-Type: application/json" --data-binary @payload.json

③ 轮询到 Running，拿公网 URL：

curl -s "https://openapi.suanli.cn/api/task/deployment/detail?task_id=3402316" \
  -H "token: …" -H "version: 1.0.0" -H "timestamp: …"

四、服务 A：H3 文生视频

4.1 探活

ComfyUI 没有 /health 端点，探活用 GET /system_stats（HTTP 200 即活）。刚启动 1~3 分钟内可能拒绝连接（模型链加载中），重试即可。

4.2 T2V 工作流（权威版，逐节点注释）

这是实测跑通的 turbo 4-step 工作流。为什么是这五个采样节点：H3 的 turbo LoRA 要求 CFG=1.0，此时不需要 negative 分支，用 SamplerCustomAdvanced 五节点链（RandomNoise→BasicGuider→KSamplerSelect→BasicScheduler→SamplerCustomAdvanced）替代普通 KSampler——普通 KSampler 也能跑但这套是官方 turbo 工作流的原版结构，参数语义最清晰。

{
  "10": {"class_type": "UNETLoader", "inputs": {
      "unet_name": "minimax_h3_fl2va_pruned_int8_convrot.safetensors",
      "weight_dtype": "default"}},
  "11": {"class_type": "LoraLoaderModelOnly", "inputs": {
      "model": ["10", 0],
      "lora_name": "minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors",
      "strength_model": 1.0}},
  "12": {"class_type": "MiniMaxH3SigmaShift", "inputs": {
      "model": ["11", 0], "shift_video": 12.0, "shift_audio": 3.0}},
  "13": {"class_type": "CLIPLoader", "inputs": {
      "clip_name": "qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors",
      "type": "minimax", "device": "default"}},
  "14": {"class_type": "VAELoader", "inputs": {"vae_name": "minimax_h3_video_vae_fp16.safetensors"}},
  "15": {"class_type": "VAELoader", "inputs": {"vae_name": "minimax_h3_audio_vae_fp32.safetensors"}},

  "16": {"class_type": "MiniMaxH3ImageToVideo", "inputs": {
      "clip": ["13", 0], "vae": ["14", 0],
      "prompt": "Cinematic anime style, a red sports car drifting through a neon-lit Tokyo street at night, rain-slick asphalt reflections, motion blur. Audio: engine roar, tire screech.",
      "width": 1344, "height": 768, "length": 124}},

  "20": {"class_type": "RandomNoise", "inputs": {"noise_seed": 123456}},
  "21": {"class_type": "BasicGuider", "inputs": {"model": ["12", 0], "conditioning": ["16", 0]}},
  "22": {"class_type": "KSamplerSelect", "inputs": {"sampler_name": "euler"}},
  "23": {"class_type": "BasicScheduler", "inputs": {
      "model": ["12", 0], "scheduler": "simple", "steps": 4, "denoise": 1.0}},
  "24": {"class_type": "SamplerCustomAdvanced", "inputs": {
      "noise": ["20", 0], "guider": ["21", 0], "sampler": ["22", 0],
      "sigmas": ["23", 0], "latent_image": ["16", 1]}},

  "30": {"class_type": "VAEDecode", "inputs": {"samples": ["24", 0], "vae": ["14", 0]}},
  "31": {"class_type": "VAEDecodeAudio", "inputs": {"samples": ["24", 0], "vae": ["15", 0]}},
  "32": {"class_type": "CreateVideo", "inputs": {"images": ["30", 0], "audio": ["31", 0], "fps": 24.0}},
  "33": {"class_type": "SaveVideo", "inputs": {
      "video": ["32", 0], "filename_prefix": "H3VSR", "format": "auto", "codec": "auto"}}
}

节点说明：

10-15 加载器链：DiT(int8) → turbo LoRA → sigma shift（turbo 专用，shift 参数勿乱动）→ 文本编码器 → 双 VAE（视频/音频分开）
16 生成参数全在这里（见下表）；注意它输出两个值：conditioning（接 21）和 latent（接 24）
20-24 采样链：4 步 euler + CFG 隐含 1.0（BasicGuider 只接 positive 就是 CFG=1）
30-33 解码成片：视频 VAE + 音频 VAE 分别解码 → 合成 mp4（fps=24，H3 原生帧率）

4.3 生成参数表

参数	含义	可选值与约束
`width`/`height`	分辨率	必须 32 的倍数。常用：864×480（480p）/ 1280×720（720p）/ 1344×768（768p，推荐） / 1920×1080（1080p，32G 卡 10s/15s 会 OOM）
`length`	帧数（24fps）	必须落在 17k+5 网格：5s=124、10s=243、15s=362。校验式：`(length-5) % 17 == 0` 且 `124 ≤ length ≤ 362`
`prompt`	提示词	同时描述画面和音轨（"Audio: …"），H3 生成同步音频

⚠️ 帧数网格是最容易踩的坑：提交非法值（如 245）不会报错，节点静默向上取整（245→260 帧），多花时间且超出训练范围质量下降。实测记录：提交 245 实际生成 260 帧、365→379 帧。

⚠️ 产物帧数 = 请求 +3（H3 帧数补偿）：请求 124 实际 127 帧，属正常，不是 bug。

⚠️ 防缓存：同参数同 seed 第二次提交会命中执行缓存秒回旧结果。批量跑每条要随机 seed（改节点 20 的 noise_seed）。

4.4 提交、轮询、下载

POST /prompt          body: {"prompt": <workflow>, "client_id": "<任意 ID>"}
  → {"prompt_id": "...", "node_errors": {}}     # node_errors 非空=工作流有错没入队
GET  /history/{prompt_id}
  → status.status_str: "success" / "error"
  → outputs.{node_id}.gifs[] / videos[]: [{filename, subfolder, type}]
GET  /view?filename=<名>&subfolder=<子目录>&type=output   → 文件流

错误详情：status_str=error 时看 status.messages 里的 execution_error，有节点名和异常栈。

性能基准（5090 单卡 turbo 4-step，实测 P50）：

分辨率	5s	10s	15s
480p	38s	65s	117s
720p	75s	168s	375s
768p	81~138s	243s	452s（接近 OOM 边界）

（768p/5s 的区间：本地热态 80.1s、本地冷启动 110.2s、共绩远程冷启动 138.2s）

4.5 参考生视频（R2V）

T2V 换三处成 R2V 链，其余不变：

节点	T2V（默认）	R2V
10 unet_name	fl2va	`minimax_h3_ref2va_pruned_int8_convrot.safetensors`
11 lora_name	fl2v_turbo…v1.0	`minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors`
16 class_type	MiniMaxH3ImageToVideo	`MiniMaxH3ReferenceToVideo`（多必填 `audio_vae: ["15",0]`）

R2V 关键点（实测）：

参考图上传：POST /upload/image（multipart，字段名 image），客户端超时设 ≥600s（35MB 大图用默认 120s 会 write timeout）
ref_images 接线：API 里是列表："ref_images": [["201",0], ["202",0]]；写成 ref_image_1 会报 TypeError: unexpected keyword argument
提示词前部用 <Picture 1>、<Picture 2> 引用参考图
fl2va ↔ ref2va 模型切换有 ~124s 冷加载（同进程内来回切很亏，尽量按模型分组批量跑）

五、服务 B：VSR 视频超分

超分 API 文档位置：部署链接 + /docs

5.1 接口一览

方法	路径	用途
GET	`/healthz`	健康检查
POST	`/api/v1/upscale/file`	multipart 直传视频
GET	`/api/v1/tasks/{id}`	状态轮询
GET	`/api/v1/tasks/{id}/result`	下载产物

5.2 参数详解

curl -X POST $VSR/api/v1/upscale/file \
  -F "file=@input.mp4" \      # 必填：输入视频（mp4/h264 最佳；带音轨会原样保留）
  -F "scale=2.0" \            # 放大倍数，支持小数（1.5 实测 OK）；768p→2K 用 2.0
  -F "quality=HIGH" \         # 质量档，见下表
  -F "vcodec=libx264" \       # 编码器，见 5.4 节（平台差异！）
  -F "bitrate=50M"            # 输出码率，2K 建议 50M

quality 枚举（非法值返回 400 “bad quality”）：

值	速度	用途
BICUBIC	最快	不跑模型，纯插值（自检链路用）
LOW / MEDIUM	快	预览
HIGH	中	768p AI 生成源推荐
ULTRA	略慢	与 HIGH 差距很小（13.5s vs 10.1s），可选
HIGHBITRATE_*		高码率源专用

status 轮询响应：

{"task_id":"…","status":"done","progress":1.0,"error":null,
 "meta":{"total_s":30.9,"size_mb":54.3,"quality":"HIGH","scale":2.0}}

status 取值：queued → running → done | error。error 时 error 字段是完整异常文本。

5.3 错误码实测

请求	响应
scale="abc"	422 + `{"detail":[{"loc":["body","scale"],"msg":"Input should be a valid number…"}]}`
缺 file 字段	422
quality="NOT_A_LEVEL"	400 "bad quality"（worker 层校验，提交时是 200 queued，稍后 error）⚠️ 即：quality 错误是异步暴露的，轮询时才能看到
task_id 不存在	404

5.4 并发

/healthz 的 concurrency.max=3，但同卡 both 模式下受显存约束实际安全并发=1（生成空闲时）。queue_visible 是「已提交未开始」数，不是队列深度，别当监控用。

六、全链路整合：完整可运行客户端

单文件、纯标准库、带超时与错误处理。覆盖典型场景：探活 → 生成（校验帧数网格）→ 下载 → 超分（自动选编码器）→ 下载 → 校验。。

#!/usr/bin/env python3
"""h3vsr-merge 全链路客户端：H3 生成 768p -> VSR 2x 超分 -> 2K mp4
用法：python h3vsr_client.py "提示词" [输出目录]
依赖：仅 Python 标准库
"""
import json, time, random, sys, os, urllib.request, urllib.parse, uuid


COMFY = "https://deployment-452-xxxx-8188.550w.link"
VSR   = "https://deployment-452-xxxx-8001.550w.link"
VCODEC = "libx264"        # 共绩平台用 libx264；本地机器可改回 h264_nvenc



def valid_length(n):
    return (n - 5) % 17 == 0 and 124 <= n <= 362

def build_workflow(prompt, width=1344, height=768, length=124, seed=None):
    """构造 T2V 工作流。分辨率须 32 倍数，帧数须 17k+5 网格（124/243/362）。"""
    assert width % 32 == 0 and height % 32 == 0, "宽高必须是 32 的倍数"
    assert valid_length(length), "length 必须是 124/243/362（17k+5 网格）"
    return {
      "10": {"class_type": "UNETLoader", "inputs": {
          "unet_name": "minimax_h3_fl2va_pruned_int8_convrot.safetensors", "weight_dtype": "default"}},
      "11": {"class_type": "LoraLoaderModelOnly", "inputs": {
          "model": ["10", 0],
          "lora_name": "minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors",
          "strength_model": 1.0}},
      "12": {"class_type": "MiniMaxH3SigmaShift", "inputs": {
          "model": ["11", 0], "shift_video": 12.0, "shift_audio": 3.0}},
      "13": {"class_type": "CLIPLoader", "inputs": {
          "clip_name": "qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors",
          "type": "minimax", "device": "default"}},
      "14": {"class_type": "VAELoader", "inputs": {"vae_name": "minimax_h3_video_vae_fp16.safetensors"}},
      "15": {"class_type": "VAELoader", "inputs": {"vae_name": "minimax_h3_audio_vae_fp32.safetensors"}},
      "16": {"class_type": "MiniMaxH3ImageToVideo", "inputs": {
          "clip": ["13", 0], "vae": ["14", 0], "prompt": prompt,
          "width": width, "height": height, "length": length}},
      "20": {"class_type": "RandomNoise", "inputs": {
          "noise_seed": seed if seed is not None else random.randint(1, 2**48)}},  # 每条随机，防缓存秒回
      "21": {"class_type": "BasicGuider", "inputs": {"model": ["12", 0], "conditioning": ["16", 0]}},
      "22": {"class_type": "KSamplerSelect", "inputs": {"sampler_name": "euler"}},
      "23": {"class_type": "BasicScheduler", "inputs": {
          "model": ["12", 0], "scheduler": "simple", "steps": 4, "denoise": 1.0}},
      "24": {"class_type": "SamplerCustomAdvanced", "inputs": {
          "noise": ["20", 0], "guider": ["21", 0], "sampler": ["22", 0],
          "sigmas": ["23", 0], "latent_image": ["16", 1]}},
      "30": {"class_type": "VAEDecode", "inputs": {"samples": ["24", 0], "vae": ["14", 0]}},
      "31": {"class_type": "VAEDecodeAudio", "inputs": {"samples": ["24", 0], "vae": ["15", 0]}},
      "32": {"class_type": "CreateVideo", "inputs": {"images": ["30", 0], "audio": ["31", 0], "fps": 24.0}},
      "33": {"class_type": "SaveVideo", "inputs": {
          "video": ["32", 0], "filename_prefix": "h3vsr_client", "format": "auto", "codec": "auto"}},
    }

def http_json(url, data=None, method=None, timeout=120):
    req = urllib.request.Request(url, method=method)
    if data is not None:
        req.add_header("Content-Type", "application/json")
        req.data = json.dumps(data).encode()
    with urllib.request.urlopen(req, timeout=timeout) as r:
        return json.loads(r.read())

def download(url, path, timeout=1800):
    with urllib.request.urlopen(url, timeout=timeout) as r, open(path, "wb") as f:
        while True:
            chunk = r.read(1 << 20)
            if not chunk: break
            f.write(chunk)

def wait_comfy(pid, poll_s=15, limit_s=3000):
    """轮询 ComfyUI 到 success/error。5s 片约 80-140s，15s 片留足 50 分钟。"""
    t0 = time.time()
    while time.time() - t0 < limit_s:
        time.sleep(poll_s)
        hist = http_json(f"{COMFY}/history/{pid}", timeout=60)
        if pid in hist:
            st = hist[pid]["status"]["status_str"]
            if st == "error":
                msgs = hist[pid]["status"].get("messages", [])
                raise RuntimeError(f"H3 生成失败：{json.dumps(msgs, ensure_ascii=False)[:800]}")
            if st == "success":
                return hist[pid]
        print(f"  ...生成中 {int(time.time()-t0)}s", flush=True)
    raise TimeoutError("H3 生成超时")

def comfy_output(entry):
    """从 history 里抠出产物文件（优先 mp4）。"""
    files = []
    for node_out in entry.get("outputs", {}).values():
        for key in ("gifs", "videos", "images", "audio"):
            files.extend(node_out.get(key, []))
    mp4 = next((f for f in files if f["filename"].endswith(".mp4")), None)
    if not mp4:
        raise RuntimeError(f"产物里没有 mp4: {files}")
    return mp4

def vsr_upscale(src_path, scale=2.0, quality="HIGH"):
    """multipart 提交超分并轮询到 done，返回 task_id。"""
    boundary = uuid.uuid4().hex
    with open(src_path, "rb") as f: filedata = f.read()
    parts = [f'--{boundary}\r\nContent-Disposition: form-data; name="file"; filename="{os.path.basename(src_path)}"\r\nContent-Type: video/mp4\r\n\r\n'.encode()
             + filedata + b"\r\n"]
    for k, v in [("scale", str(scale)), ("quality", quality), ("vcodec", VCODEC)]:
        parts.append(f'--{boundary}\r\nContent-Disposition: form-data; name="{k}"\r\n\r\n{v}\r\n'.encode())
    parts.append(f"--{boundary}--\r\n".encode())
    req = urllib.request.Request(f"{VSR}/api/v1/upscale/file", data=b"".join(parts), method="POST")
    req.add_header("Content-Type", f"multipart/form-data; boundary={boundary}")
    with urllib.request.urlopen(req, timeout=600) as r:
        up = json.loads(r.read())
    tid = up["task_id"]
    t0 = time.time()
    while time.time() - t0 < 1800:      # 软编忙时可达 100s/5s片，15s 片留 30 分钟
        time.sleep(8)
        st = http_json(f"{VSR}/api/v1/tasks/{tid}", timeout=60)
        if st["status"] == "error":
            raise RuntimeError(f"超分失败：{st.get('error','')[:500]}")
        if st["status"] == "done":
            print(f"  超分完成：{st['meta']}", flush=True)
            return tid
        print(f"  ...超分 {st['status']} {int(time.time()-t0)}s", flush=True)
    raise TimeoutError("超分超时")

def main():
    prompt = sys.argv[1] if len(sys.argv) > 1 else "Cinematic anime style, a red sports car drifting through neon-lit Tokyo street at night. Audio: engine roar, rain ambience."
    outdir = sys.argv[2] if len(sys.argv) > 2 else "."
    os.makedirs(outdir, exist_ok=True)

    # 0) 探活（ComfyUI 冷启动 1-3 分钟，重试 5 次）
    for i in range(5):
        try:
            http_json(f"{COMFY}/system_stats", timeout=30); break
        except Exception:
            if i == 4: raise
            print("ComfyUI 未就绪，30s 后重试…", flush=True); time.sleep(30)
    http_json(f"{VSR}/healthz", timeout=30)

    # 1) 生成（产物帧数 = 请求 +3 属正常）
    t0 = time.time()
    resp = http_json(f"{COMFY}/prompt", {"prompt": build_workflow(prompt), "client_id": "h3vsr-client"})
    if resp.get("node_errors"):
        raise RuntimeError(f"工作流校验失败：{json.dumps(resp['node_errors'], ensure_ascii=False)[:500]}")
    entry = wait_comfy(resp["prompt_id"])
    gen_s = time.time() - t0
    f = comfy_output(entry)
    q = urllib.parse.urlencode({"filename": f["filename"], "subfolder": f.get("subfolder",""), "type": f.get("type","output")})
    raw = os.path.join(outdir, "h3_raw.mp4")
    download(f"{COMFY}/view?{q}", raw)
    print(f"✅ 生成 {gen_s:.0f}s → {raw} ({os.path.getsize(raw)/1e6:.1f}MB)")

    # 2) 超分（串行：生成完才提交，单卡显存安全）
    t1 = time.time()
    tid = vsr_upscale(raw)
    dst = os.path.join(outdir, "h3_2k.mp4")
    download(f"{VSR}/api/v1/tasks/{tid}/result", dst)     # /result 是 mp4 流
    print(f"✅ 超分 {time.time()-t1:.0f}s → {dst} ({os.path.getsize(dst)/1e6:.1f}MB)")
    print(f"🎉 全链路 {time.time()-t0:.0f}s")

if __name__ == "__main__":
    main()

八、故障排查速查表

症状	原因	解法
`C001 body is error`	payload 结构错 / 客户端重编码 null	按 3.1 模板；curl --data-binary @file
`A001 must need token…`	header 缺失或时间戳过期	三件套（token/version/timestamp）每次现取
ComfyUI 提交即 `node_errors` 非空	工作流节点名/参数错	对照 4.2 权威版；最常见是 length 不在网格、模型文件名抄错（带 `comfyui_bf16` 后缀勿截断）
生成帧数比请求多 3 帧	H3 帧数补偿	正常
生成秒回但结果是旧片	执行缓存命中（同 seed）	每条随机 seed
VSR 报 `OpenEncodeSessionEx failed`	平台节点 NVENC 不可用	`vcodec=libx264`（共绩）；本地不受影响
VSR JSON 模式任务永久 pending	video_url 拉取无超时卡死 worker	一律用 multipart /upscale/file
quality 明明错了却不报 422	校验在 worker 层，异步暴露	轮询 status==error 看 error 字段
生成中提交超分 → OOM	单卡显存叠加（27.8+10.5>32G）	串行：生成完再超分（第六节客户端已处理）
`/result` 解析 JSON 报错	它返回的是 mp4 二进制流	按文件流下载

九、附录

A. 内置模型清单

/comfyui/ComfyUI/models/diffusion_models/
  minimax_h3_fl2va_pruned_int8_convrot.safetensors      # T2V DiT (int8, ~21GB)
  minimax_h3_ref2va_pruned_int8_convrot.safetensors     # R2V DiT (int8, ~21GB)
/comfyui/ComfyUI/models/loras/
  minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors
  minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors
/comfyui/ComfyUI/models/vae/
  minimax_h3_video_vae_fp16.safetensors                 # 视频 VAE
  minimax_h3_audio_vae_fp32.safetensors                 # 音频 VAE
/comfyui/ComfyUI/models/clip/
  qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors          # 文本编码器 (nvfp4, ~15.7GB)

minimax-h3 turbo + RTX VSR 合并镜像使用说明

一、快速开始：5 步跑通全链路

Step 1 — 探活（两个服务各一次）

Step 2 — 提交一条 H3 生成任务（768p / 5 秒 / 4 步 turbo）

Step 3 — 轮询到 success，下载 768p 产物

Step 4 — 提交超分任务（2 倍放大 → 2688×1536）

Step 5 — 轮询 done，下载 2K 产物

二、镜像概览与启动模式

启动模式（run 参数选一个）

显存布局（both 模式，同卡）

三、部署

3.1 预制镜像

3.2 共绩 openapi 部署

四、服务 A：H3 文生视频

4.1 探活

4.2 T2V 工作流（权威版，逐节点注释）

4.3 生成参数表

4.4 提交、轮询、下载

4.5 参考生视频（R2V）

五、服务 B：VSR 视频超分

5.1 接口一览

5.2 参数详解

5.3 错误码实测

5.4 并发

六、全链路整合：完整可运行客户端

八、故障排查速查表

九、附录

A. 内置模型清单

产品简介

产品计费

快速入门

使用说明

常见问题

最佳实践

预制服务