MiniMax H3 工作流：Sigma Refine+潜空间放大，改善小脸崩坏

作者：@AIwood爱屋研究室

MiniMax H3 工作流：Sigma Refine+潜空间放大，改善小脸崩坏

一句话导读：视频通过对比演示 MiniMax H3 工作流，介绍 Sigma Refine 与潜空间放大组合，重点改善高动态场景中的小脸崩坏、颗粒化和像素化问题。

核心内容：
1. 作者先对比了原工作流与新工作流在高动态小脸、打斗动作和细节颗粒化场景中的差异，认为新的组合能明显改善脸部保持和快速动作中的像素化现象。这里的效果判断来自视频中的对比演示。
2. 工作流的两个核心变化是 H3Sigma 的 Sigma Refine 节点，以及 MiniMax H3 的潜空间放大技术。整体采用分离的双采样流程：第一段采样后先放大潜空间，再送入第二段采样，借此在不直接放大整段视频的情况下提升最终输出。
3. 由于潜空间中同时包含视频和音频，放大节点只处理视频潜空间，所以流程需要先分离视频与音频，放大视频潜空间后再合并，并把原音频接回第二个采样器。这样可以保留原有音频，同时完成中间分辨率提升。
4. 视频示例中第一段的初始分辨率比例为 0.5，对应约 960×544；经过潜空间放大后，最终生成 1080P 视频。作者建议采样步数使用 8 步，实际后台总步数约为 9 步：前段 4 步、后段 5 步，Refiner 节点还会额外占用一步。
5. 作者对比了 6 步和 8 步的效果：6 步在头发和快速动作中仍可能有颗粒感，提升到 8 步并结合 Refine 后，像素化现象会明显减弱甚至消除。代价是生成时间增加，具体耗时取决于设备和参数。
6. 视频给出的示例中，原来的 6 步流程生成约 1M 分辨率、10 秒视频需要 300 多秒；改成 1080P、10 秒的新流程大约需要两倍时间。作者将其作为画质、分辨率、面部保持与时间成本之间的取舍。

适合人群：使用 ComfyUI 和 MiniMax H3 生成视频，遇到高动态小脸崩坏、动作颗粒化，或希望把潜空间放大接入双采样流程的创作者。

补充说明：本文根据授权视频的完整音频转写、视频标题和简介整理。步数、分辨率和耗时是视频示例中的参考值，实际结果会随显卡、模型版本、输入视频和工作流节点版本变化；资源链接仅作来源索引，使用前请自行核验文件和依赖。

相关夸克网盘链接：
【Minimax H3 潜空间放大模型及配套节点网盘地址：https://pan.quark.cn/s/ec3bd1768d5a】