MiniMax H3快速直出4K：Selflift二采进化，LMS放大+2xVAE与爆显存修复

作者：@AIwood爱屋研究室

MiniMax H3快速直出4K：Selflift二采进化，LMS放大+2xVAE与爆显存修复

一句话导读：AIwood 在 MiniMax H3 Selflift 二采工作流上做了两处「补枪」——换上 LMS 潜空间放大 0.1，并可选接入 2x Latent VAE；实测边缘高频更锐利，可更接近直出 4K 观感。视频后半还给出 ComfyUI 更新后 H3「爆显存」的针对性替换修复，比粗暴关掉加速更稳。

核心内容：
1. 问题背景：H3 功能与表现都很强，但画质有时偏「软」，本质是边缘高动态/高频信息不足，锐利度相对偏弱。
2. Selflift 二采第一步——换潜空间放大模型：在常规二采节点里，把原浅空间/潜空间放大模型换成作者新出的 **upscaler LMS 0.1**（LMS 作者此前也做过老视频超清化/重绘类方案）。目标是让二采结果更锐。
3. 第二步——可选 2x VAE（Latent Upscaler）：需安装作者推荐的 **MiniMax H3 Latent Upscaler** 节点。用法要点：先把视频潜空间分离出来，再单独对接 latent 做 **固定 2 倍**放大，无需手填目标尺寸。该节点很吃显存/内存，接入前建议先接内存清理节点腾空间；本地运行同样建议如此。
4. 效果对比（口播演示）：
   - 有/无 2x VAE：边缘与高频区域更锐，对比度高的接缝处更明显；但也容易出现 **方格/块状伪影**。作者已向模型作者反馈，后续版本或会升级；不介意伪影可开，介意可关、仅用普通 VAE。
   - 旧版潜空间放大 vs 新 LMS：新版边缘锐化更直观，连续帧播放时差异更明显，细节更「结实」。
   - 两次放大后再对原始：分辨率提升，同时边缘高频更充分；方格问题仍在，动态画面里不如静帧扎眼，可按题材取舍。
5. 2x VAE 的收益与边界：能在较短时间内拉高分辨率，长宽各 2 倍约等于像素量约 4 倍；但画质仍不同于原生高分辨率直出，存在放大损失。Running Hub 上工作流已加开关与说明，可按需开关 2x VAE。
6. ComfyUI「爆显存」修复（Selflift 双采后尤其常见）：高概率与 **ComfyUI 更新**有关——`ComfyUI` 目录下针对 H3 的 `ldm/minimax/model.py`（约 0.35 之后改过）启用了更激进的显存调用，逼近极限时易 OOM。有人用启动参数整段关掉加速，但这会顺带关掉其他收益。作者网盘提供了改好的同名文件：替换到对应目录后，显存策略不再那么贴极限。演示路径提示：ComfyUI 相关目录 → 找到 minimax 的 `model.py` 再覆盖。

适合人群：本地或云端跑 MiniMax H3，想用 Selflift 二采冲锐度/冲 4K 观感，并被近期 ComfyUI 更新后的 OOM 困扰的用户。

注意与边界：
- 2x VAE 可能引入方格伪影，属已知问题，按效果开关。
- 显存修复是替换模型调用文件，操作前建议备份原 `model.py`。
- ASR 专名已结合片源/简介校正：Selflift、LMS、Latent Upscaler、VAE、Running Hub、ComfyUI、MiniMax H3。

相关夸克网盘与资源：
【2倍放大VAE模型：https://pan.quark.cn/s/2b3fe0704877】
【LMS潜空间放大模型：https://pan.quark.cn/s/1c684b08ef44】
【ComfyUI H3爆显存修改文件：https://pan.quark.cn/s/947550b04154】
【工作流所需节点：https://pan.quark.cn/s/abd97224dffd】
【Latent Upscaler节点GitHub：https://github.com/TripleHeadedM ... axH3_LatentUpscaler】
【LMS模型HuggingFace：https://huggingface.co/Alissoner ... ain/latent_upscaler】
【RunningHub工作流：https://www.runninghub.cn/post/2 ... iteCode=kol01-rh149】

补充说明：本文根据授权视频口播转写整理，建议观看原视频获取完整对比画面与操作演示。转写证据：evidence/transcripts/BV1j7aR6wE66-transcript.json（faster-whisper small）。