MiniMax H3 Acc LoRA：ComfyUI 官方 8 步 PDD 蒸馏

简介

这两个 -Acc-8Step 文件不是普通的 LoRA。除了一个 rank-64 主干 LoRA（network_alpha = 64，BF16），每个模型都携带一个并行解码蒸馏头库：32 个每间隔副本的最终层视频和音频投影，在每个采样器步骤融合成单个均值块速度头。普通 LoRA 加载器无法读取这些文件，丢弃头库会无声地丢失蒸馏效果。

• 8 步，无 CFG — 生成运行于 guidance_scale = 1.0，每步单次前向传播；引导被蒸馏进适配器。
• 一次通过包含音频和视频 — 蒸馏覆盖联合音频流，而不仅仅是视觉帧。
• 两个主干 — 一个适配器针对 FL2VA（文本/首尾帧条件）模型，另一个针对 Ref2VA（参考条件）模型。
• 官方发布 — 由 Alibaba PAI 于 2026 年 8 月 26 日发布，遵循 Shaul 等人的 PDD 方法（arXiv 2607.26004）。

权重

每个文件大小为 1.4 GB（BF16），rank 64，在基础 H3 Transformer 上以强度 1.0 应用。将 FL2VA 适配器与 FL2VA U-Net 配对，将 Ref2VA 适配器与 Ref2VA U-Net 配对（bf16 原始版本或 int8 convrot 构建版均可）。

结果

使用 Acc-8Step 适配器在 LoRA 权重 1.0 下生成的官方演示样本：

FL2VA

使用 FL2VA Acc-8Step 适配器的文生视频

Ref2VA

使用 Ref2VA Acc-8Step 适配器的参考生视频

模型卡片还附带了未蒸馏基准和社区 Minimax-h3-Turbo 4 步 LoRA 的双列对比，适用于两个主干。

ComfyUI 支持

Jalen-Brunson 的 ComfyUI-MiniMax-H3-PDD-Acc 为此发布添加了原生 ComfyUI 节点。MiniMaxH3PDDAccApply 节点应用主干 LoRA 并在最后一层安装 PDD 头库，按步骤由 sigma 武装，使循环和分块采样器保持同步。配套调度器节点发出用于部分去噪工作流的训练 sigma 网格。

训练配方很严格：

• 采样器 — Euler；每步消耗一个均值块速度，因此多阶段采样器评估偏离网格。
• 步数 — 8（默认，训练块大小），4（官方认可的重新分组），或 6（非均匀 8,8,4,4,4,4 分区）。其他步数会被节点拒绝，而不是无声降级。
• 引导 — CFG 1.0 配合 BasicGuider。
• Sigma 偏移 — 精确为 12.0 / 3.0。
• 剪枝模型 — 在剪枝（曲线表）H3 U-Net 上，50 个密集 adaLN LoRA 模块会自动重基于模型的曲线基础。

使用这些适配器时移除其他蒸馏 LoRA（lightx2v turbo 等）；蒸馏不叠加。角色 LoRA 正常叠加。

支持两种格式：原始 Alibaba 文件（由节点在内存中转换）或由 aptech0081/MiniMax-H3-Acc-LoRAs-ComfyUI 提供的预转换 ComfyUI 密钥重新分发（每个文件 1.7 GB）。

可用性

在 ComfyUI 之外，适配器通过 VideoX-Fun 推理管道运行。在 VideoX-Fun 的 predict_t2v.py（FL2VA）或 predict_ref2v.py（Ref2VA）示例脚本中设置 model_path 和 pdd_lora_path，它们使用 Diffusers 的 MiniMax-H3 ModularPipeline 并需要 diffusers >= 0.40.0。每个示例使用 apply_pdd_lora 加载模型，并从其配置中推导所需的推理步数。