MiniMax H3 TRT VAE：在 ComfyUI 中让 H3 解码提速 1.7 倍
ComfyUI Wikinews
一个 ComfyUI 节点包可将 MiniMax H3 视频 VAE 编译为 TensorRT 引擎，把 VAE 编码与解码时间最多缩短 1.7 倍，并提供适用于低显存的 w4a16 解码器。
ComfyUI-H3VAE_TRT 通过 TensorRT 运行 MiniMax H3 视频 VAE。只需编译一次 VAE，之后便可复用该引擎：此节点在 ComfyUI 中报告的 VAE 编码与解码速度最高提升 1.7 倍。
项目 README 预览：位于 ComfyUI 节点图中的 TRT VAE 编译与加载节点。
VAE 解码在每次 H3 运行时都是一项固定开销。ComfyUI 内置的 kernels 已在 PyTorch 侧降低了这项开销；此节点则走另一条路线，把 VAE 交给编译好的 TensorRT 引擎。
此节点做什么
该节点包提供两个节点，以及一条通往引擎的 ONNX 路径：
- MiniMax-H3 TRT VAE Compiler：接收 ONNX 编码器和解码器并构建 TensorRT 引擎。这是一次性步骤，编译好的引擎之后可重复使用。
- MiniMax-H3 TRT VAE Loader：加载已编译的引擎，使其可以替代常规 VAE 使用。
权重以 ONNX 文件形式发布在 Hugging Face 上，放入 ComfyUI/models/vae。该节点包还包含独立的 compile.py，可在 ComfyUI 之外构建引擎，当编译步骤不应阻塞 UI 时很有用。
安装设置
| 步骤 | 操作 |
|---|---|
| 1 | 将 git clone https://github.com/lihaoyun6/ComfyUI-H3VAE_TRT 克隆到 ComfyUI/custom_nodes，并安装 requirements.txt 中的依赖项 |
| 2 | 下载 ONNX 编码器和解码器到 ComfyUI/models/vae |
| 3 | 运行一次 MiniMax-H3 TRT VAE Compiler 来构建引擎 |
| 4 | 将工作流的 VAE 切换为 MiniMax-H3 TRT VAE Loader |
ONNX 仓库还提供 w4a16_awq 解码器变体，README 建议在 GPU 显存不足 12GB 时使用该变体。
来自问题追踪的说明
在编译之前值得先阅读该仓库的问题，因为 TensorRT 构建对已安装的软件栈非常敏感：
- 引擎编译很慢。有一份反馈实测，单次构建耗时超过五小时，因此首次编译最好提前进行，而不是在会话中途执行。
- TensorRT 与 CUDA 版本必须对应。目前存在 TensorRT 11.2 搭配 CUDA 13.0 的未解决问题反馈，另有其他环境中出现的
IBuilder::buildSerializedNetworkAPI 使用错误。 - 编译后的编码器曾在首帧、末帧和引用帧上留下网格图案，该问题已被反馈并于 9 月初修复，因此从当前
main构建即可避免。
获取方式
节点包与 ONNX 权重均已公开：
节点包： lihaoyun6/ComfyUI-H3VAE_TRT
ONNX 权重： lihaoyun6/MiniMax-H3-VAE-ONNX
基础模型： MiniMaxAI/MiniMax-H3
该节点包未附带示例工作流：编译器与加载器可直接替代标准 VAE 节点，接入现有的 H3 节点图。
评论
使用 GitHub 登录后即可参与讨论。