模型篇｜H3 · Wan2.2 · LTX

【模型｜MiniMax H3】

適用模型：MiniMax H3（i2va／i2v／r2v）

適用場景：本機短片、數字人鎖臉、口播短片、對嘴

【有效技巧】

1. H3 鎖臉參考圖：臉部光線均勻、不要過暗／強逆光，五官特徵清晰，鎖臉穩定度明顯提升。
2. H3 提示詞，每 3–5 秒鏡段落至少 600 字細節描述，降低畫面重複、物體崩壞。
3. 本機 H3 僅支援 768p（原生畫布上限 768×1344，需 32 整除），不要在本機權重要求 2K 輸出，該功能僅 API 才有。
4. 對嘴生成：H3 僅對首幀清晰人臉主體生成語音；遠景人群／純風景（無可對嘴人臉）不生語音（對嘴、畫外音皆驗證失敗）→ 這類口號／旁白一律用 IndexTTS 本地生成再混音。
5. 提示詞建議寫 overall_soundscape: N/A 與 non_diegetic_music: N/A（關流水聲與音樂），再走兩階段音訊精修。
6. 熱身規則：效能測試統一 repeat=3, drop_warmup=1，丟第一次冷啟動時間取平均。

【踩坑／避開的錯誤】

1. 不要使用臉部角度極大的參考圖，H3 容易五官漂移、臉崩。
2. H3 生成分段影片，長片段連續口播太久後段容易口型對不上，建議拆小段生成再拼接。
3. H3 長迭代若 VRAM 滿載時直接中斷，ComfyUI 有概率殘留佔存；閒置超過 10 分鐘自動釋放。
4. pruned NVFP4 模型（minimax_h3_fl2va_pruned_nvfp4_convrot_int8）掛 turbo 4 步 LoRA → shape 報錯：mat1 and mat2 shapes cannot be multiplied (2x8 and 2688x16)。pruned 模型 8 步能力燒在本體，不能再掛加速 LoRA，要 bypass LoRA（strength=0）。
5. ComfyUI 節點快取會騙人：第一次跑 0007 時 prompt 完全相同，ComfyUI 直接回傳快取結果得到假的 14.1 秒。每次跑務必換隨機 seed。
6. H3 報「pixel-area cap」：超過解析度上限被拒；用 768×1344 或 704×1280。
7. 真人段色彩差異（色相/亮度）靠「H3 重生成＋提示詞」修正，eq/hue 調不動；內容級問題別硬調濾鏡。

2026-10-18 交接卡補錄｜handover_FastH3 + START_HERE 婷婷/H3 段落

#### 【有效技巧】

• FastH3 提速關鍵不是 NVFP4，而是「8步專用、pruned」版本 fastvideo_fasth3_8step_v2_pruned_int8_convrot（20.61GB）：steps=8、res_multistep+simple、SigmaShift video=10/audio=3、BlockSparseAttention vsa；CLIP/VAE 沿用 qwen3vl_32b_nvfp4_awq＋video_vae_fp16＋audio_vae_fp32，不用重下。
• H3 口播黃金組合（A 產線已驗收）：完整 INT8 minimax_h3_fl2va_int8_convrot＋turbo 4步 LoRA(strength=1)；安全解析度 480×864（544×960 爆 VRAM）。
• 兩階段音訊精修（解沒聲音/流水聲/人聲糊）：DualClockSampler steps=4 shift_video=12 shift_audio=3；H3AudioRefineSampler steps=4 cfg=1.0 euler/simple audio_denoise=0.5 video_denoise=0；提示詞 audio_denoise_strength=0.35 且必寫 overall_soundscape: N/A、non_diegetic_music: N/A。
• 首幀參考圖要正臉、光線均勻、勿強逆光、勿角度極大，否則 H3 五官漂移。

#### 【踩坑／避開的錯誤】

• pruned NVFP4 模型掛 turbo 4步 LoRA→shape 報錯 mat1 and mat2 shapes cannot be multiplied (2x8 and 2688x16)；pruned 8步能力燒在本體，要 bypass LoRA(strength=0)、改 steps=10。
• ComfyUI 節點快取會騙人（prompt 相同回傳快取得假速度 14.1 秒）：每次跑務必換隨機 seed。
• 熱身後再計時：bench 統一 repeat=3、drop_warmup=1，丟第一次冷啟動。

【模型｜Wan2.2】

適用模型：Wan2.2（i2v/t2v、WanAnimate 動作模仿）

適用場景：本機影片生成，搭配 IndexTTS 外接音訊；動作模仿

【有效技巧】

1. Wan2.2 擅長長鏡頭、手部細節；人像特寫鎖臉弱於 H3，做口播數字人要增加參考圖約束。
2. 動作模仿（AI MV）：ChatArtPro 動作模仿平台線全逾時（Kling/Wan 各線皆卡）→ 勿再走平台線，改用本機 Wan2.2-Animate。
3. 音軌合成唯一可用方案：imageio-ffmpeg 靜態 exe -c:v copy -map 0:v:0 -map 1:a:0 -c:a aac -b:a 192k -shortest（畫質不損）。

【踩坑／避開的錯誤】

1. Wan2.2無原生音訊，輸出影片後要手動串 IndexTTS，一定要檢查口型同步，很容易音畫錯位。
2. Wan2.2 對文字提示詞的理解方式跟 H3 不同，H3 舊提示詞直接搬過來效果落差很大，需要重寫。

2026-10-18 交接卡補錄｜交接卡_HANDOFF_備份_20261018.md

#### 【有效技巧】

• 本機 Wan2.2-Animate（8189，wan2.2_animate_14B_int8_convrot＋wan_2.1_vae＋umt5_xxl_fp8＋clip_vision_h＋DWPose）已是動作模仿主力；現況輸出 576×1024，待升 768×1024／1080p。
• 8189 重啟法：venv（D:\Comfy-Desktop\ComfyUI-Test\.venv\Scripts\python.exe）main.py --port 8189 --disable-auto-launch，模型在磁碟約 00s 就緒。

#### 【踩坑／避開的錯誤】

• ComfyUI 8189 生成後可能掛（WinError 10054/10061、進程消失）→ worker 健康檢查：下線 >90 秒即 raise，任務 stale 6 分鐘自動重置重領，避免卡 30 分鐘。
• 動作模仿解析度提升先試 768×1024 再攻 1080p；手部動作（愛心手勢舞）易崩，失敗就縮短時長或換參考片。

【模型｜LTX 2.3】

適用模型：LTX 2.3（22B）

適用場景：氛圍 B-roll 鏡頭、空鏡；不推薦人物口播特寫

【有效技巧】

1. LTX 適合非人物特寫、運鏡、氛圍感畫面，生成速度快。

【踩坑／避開的錯誤】

1. LTX 鎖臉能力遠弱於 H3，不適合做數字人連續口播短片，容易臉部漂移五官亂掉。
2. LTX 對提示詞服從度偏低，會擅自改動動作、鏡頭，人像場景抽卡成本很高。