MiniMax H3 2K Refiner：放大模块与音视频潜空间分离

作者：AIwood爱屋研究室

AIwood演示 MiniMax H3 2K Refiner 工作流（原视频画面）

MiniMax H3 2K Refiner 工作流：放大模块接入与音视频潜空间分离

AIwood 这次演示围绕一条具体问题展开：在已有 H3 图生视频或参考生视频流程后面接入 2K 放大模块时，除了画质，还要检查音频是否受到处理流程影响。

本文整理作者展示的工作流结构、模型选择和排查思路，面向已经使用相应 ComfyUI 工作流的读者。它不是从零安装指南，也不是对模型内部实现、性能或许可的独立验证。作者对输出质量与速度的评价保留为其当次使用经验。

一、先确认演示采用的环境与模型

作者首先提示更新 ComfyUI，再从 Kijai 的 MiniMax H3 实验仓库选择 2K Refiner 相关模型。简介提供的具体文件链接指向 minimax_h3_open_regenerate_2k_refiner_rank_384_bf16.safetensors。

这里应区分“演示选择”与“通用要求”：本文可以确认作者展示并选择了 rank 384 这一版本，但没有验证仓库当前文件、下载状态、版本依赖或硬件适配。字幕中另一个文件的大小存在字形歧义，不作为选型依据，也不推导最低显存需求。

作者说更新是为了使用相关潜空间放大支持。这是其当时的环境说明，不代表任意旧工作流都可直接升级而无需检查节点兼容性。

二、在既有生成流程之后接入放大模块

原画面先展示正常的图生视频或参考生视频部分，再转向后面的 2K 放大模块。作者重点说明了几项关系：

- 加载放大所需的模型；
- 通过相应 MiniMax H3 潜空间放大节点处理潜空间；
- 在第二段处理中接入所选的 2K rank 384 LoRA。

这是一段工作流结构说明，不应扩展成视频没有逐项演示的安装命令、模型目录或完整节点连接表。实际复现应使用作者提供的对应工作流，先核对节点和模型是否匹配，再考虑运行。

作者对放大模型包含哪些组件的解释属于其说法。由于烧录字幕中的部分英文名称不清晰，本文不据此列出未经核实的精确融合结构。

三、留意稀疏注意力节点与演示中的采样设置

约 02:22 起，作者强调开启稀疏注意力。原始节点近景中可辨认的标题是 “模型稀疏注意力”，选择字段显示 sol-attn，并可见 tau=1.00、start_percent=0.20、end_percent=1.00。

这些数值仅用于说明本次画面实际设置，不能当成所有版本、输入分辨率与设备的推荐参数。本文不将烧录字幕里形似 SGL/SOL 的英文识别结果当成准确的节点类名或安装包名。

接着作者说明其使用的 Sigma 数值受固定配置约束，并提到三步处理。他认为这会限制自己此前使用的 Sigma Refine 和分段 Sigma 方法。这个结论应限定在作者当前展示的工作流，不可泛化为所有相关模型或所有采样器都不支持这些功能。

四、为什么要把音频与视频潜空间分开

约 02:44 后，作者指出工作流中出现类似数字人流程的处理：将潜空间分为音频与视频两部分，并配合遮罩处理。

他的解释是，若不做这种分离，后续重绘可能影响音频与口型关系。随后视频展示了一段未分离的结果，又展示分离并增加遮罩后的结果，作者认为后者正常。

这段内容的操作重点是：处理画质时，不要忽略输入中的音频部分是否也进入了重绘路径。 在对应工作流中，应先辨认音视频潜空间的分支以及遮罩的位置，再观察输出是否符合任务要求。本文没有独立听音评测，也没有验证模型源码，因此不把作者解释写成已经证实的内部缺陷，更不保证只要加遮罩就能修复所有音画问题。

源视频没有完整展开每一种分支错误的排查方式，本文不补造额外连线或修复参数。

五、不要仅凭“2K”判断实际收益

作者在后半段比较了这套流程与自己使用的 Self-Lift 2 二次采样路线，认为本次 2K Refiner 的质量和速度没有达到他的预期。他还认为，固定的采样安排使流程需要接收已经充分完成前段生成的潜空间，不能直接照搬他在另一套流程中“前面只跑少量步数”的接法。

这些属于作者针对当前样例的工作流判断，而不是有完整控制变量的横向基准测试。文章没有复测相同设备、分辨率、时长、模型版本与输入素材下的速度，也没有给出普遍的质量排名。

对读者更有用的检查顺序是：先确认前段输出是否适合接入该放大模块，再检查后段模型和采样配置，最后分别观察画质与音视频表现。不要为了提高分辨率而默认每个环节都能原样复用。

来源与资源

来源作者：AIwood爱屋研究室。源发布时间：2026-10-29 21:24:15（Asia/Shanghai）。

原视频：https://www.bilibili.com/video/BV1XJxw6tEzK/

作者简介中的资源：

- 模型与工作流网盘：https://pan.quark.cn/s/c02956d406b3
- Kijai 实验仓库中的模型文件：https://huggingface.co/Kijai/Min ... 84_bf16.safetensors

以上链接仅作为原作者提供的资源入口保留，本轮未下载、运行或验证其当前可用性、收费与许可证。默认评论中的其他用户观点不作为本文技术结论。

本文依据同一 BV 正常播放的画面和可见烧录中文字幕整理，不是官方 DOM 字幕导出，也不是完整音频 ASR；英文术语不清楚的部分不补猜。原作者的质量、速度及模型机制解释均明确归因，不作为独立实测保证。