FastH3 8-Step V2 が ComfyUI ネイティブテンプレートに対応

8月下旬に FastH3 Preview v1 が登場した時点では、ComfyUI 上で動かすのは現実的ではありませんでした。VSA アダプターには FastVideo 独自のランチャーが必要だったため、ComfyUI ユーザーには H3 Turbo-SLA や PDD Acc LoRA といった蒸留 LoRA を案内していました。しかし状況は変わりました。FastVideo が 8-Step V2 checkpoint をリリースし、Comfy-Org が ComfyUI 用に repack し、公式ワークフローテンプレートリポジトリに 2 つのネイティブ FastH3 テンプレート が追加されました。

ComfyUI のテンプレートブラウザにある公式 FastH3 テキストから動画へのテンプレート。

8-Step V2 checkpoint

FastVideo-FastH3-8-Step-V2 は、MiniMax H3 を 80% のスパース率の VSA-H3 アテンション で学習させた、データ不要の DMD2 蒸留モデルです。ベースモデルのフルスケジュールではなく、8 回の transformer forward で同期した動画と音声を生成します。今回のモデルには寛容な変更が加えられています。checkpoint 自身の README がアテンションの要件を直接記載しているため、推論時にスパースアテンションのパターンを再現できれば、FastVideo スタック以外でも実行できます。

Comfy-Org は蒸留 transformer を fastvideo_fasth3_8step_v2_pruned_int8_convrot.safetensors として Comfy-Org/FastVideo-FastH3 リポジトリで repack しました（このリポジトリは FastVideo の FastH3-Comfy へリダイレクトされます）。ベースモデル用テキストエンコーダーと動画/音声 VAE のファイルは Comfy-Org/MiniMax-H3 にあります。

2 つの公式テンプレート

Comfy-Org/workflow_templates のテンプレートバージョン 0.11.61 で、9月15日に両方のワークフローが追加されました。

• video_fastvideo_fasth3_t2v.json: テキストから動画と音声へ。MiniMaxH3ImageToVideo ノードは画像を接続せずに実行します。
• video_fastvideo_fasth3_i2v.json: テキストから動画へ、さらに先頭/末尾フレーム画像の条件付け。fl2va には first_frame および/または last_frame を接続します。

FastH3 テンプレートの先頭/末尾フレーム版。

両方のテンプレートに共通する重要なポイントが 1 つあります。この checkpoint は 80% のスパース率の VSA-H3 アテンションで学習されており、テンプレートではそのパターンを再現するために、vsa 方法と keep_percent 10 に設定した BlockSparseAttention ノードを組み込んでいます。sol-attn と sla のスパース方法はこの checkpoint と互換性がありません。解像度は H3 ネイティブのショートエッジ 768px のキャンバスのままで、再生時間は 24 FPS におけるモデルの 17 フレーム/ブロックのグリッドに合わせて調整されます。

FastH3 t2v テンプレートをダウンロード FastH3 i2v テンプレートをダウンロード

対応範囲

蒸留 checkpoint が対応するのは テキストから動画と音声へ、および先頭/末尾フレームの条件付けのみ です。Ref2VA (マルチ参照条件付け) は蒸留されていないため、参照ベースのタスクには依然としてベースの MiniMax H3 モデルが必要です。今回のもう 1 つの利点は、FastVideo の comfy-kitchen RoPE パスにより、テンプレートが FastVideo スタックではなく標準の ComfyUI ナイトリービルドで動作することです。

FastH3 が加速技術の広い状況の中でどこに位置するかについては、H3 Acceleration Arena のブラインド A/B ランキングを参照してください。