信息卡

一句话定位

个人开发者 LBH-123-AI 发布的视频生成潜变量放大网络：直接作用在 MiniMax H3 的 24 通道 VAE 潜空间上完成 1~4 倍空间超分，省掉昂贵且易出鬼影的 VAE 解码—像素放大—再编码循环。

为什么上热度榜

ComfyUI 视频工作流里"低清出片 → 再超分"是公认的省钱路径，而 H3 自带约 5B 参数的重量级 VAE，像素域往返既慢又伤细节；把超分搬进潜空间一次前向即可完成，正中社区刚需。该仓库上架即获 205 点赞并冲入热榜，成为 H3 工作流标配组件之一。

规格与技术亮点

• 架构：3D 卷积主干 + 时间维卷积 + 三线性插值，思路参考 LTX 2.3 Spatial Upscaler 与 Ttl 的 ComfyUI NNLatentUpscale 项目。
• 权重小巧：bf16/fp16 各约 691MB，fp32 版约 1.38GB。
• 训练规模：约 8 万配对样本（7 万视频对 + 8 千张 2K 图像对），尺度均衡覆盖——2× 约 40%，其余分布给到 1.5×/2.5×/3×/4× 及任意小数倍率。
• 输出仅改变空间分辨率（H×W），时间轴保持不变，可无缝接回 H3 二次采样流程。

使用方式与代码示例

配套 ComfyUI 插件 [Comfyui_Minimax_h3_latent_Upscaler]：安装进 custom_nodes，权重放到 `models/latent_upscale_models/`，在工作流中添加 "Minimax H3 Latent Upscaler (2D)" 或 "(3D)" 节点接入 LATENT，设置 scale 即用——支持 1.0×~4.0×、步长 0.1、默认 2.0×。典型链路：H3 低分辨率出片 → 本节点放大潜变量 → 目标分辨率二次采样出高清成片。

部署建议（本地/云端/量化选择）

纯消费级显卡即可运行，权重不足 700MB、无额外显存压力；推荐 12GB 以上显卡以同时容纳 H3 主模型与放大节点。云端用户可直接复制带该节点的 ComfyUI 镜像。Apache-2.0 许可允许商业产品集成，二次训练也无需授权谈判。

典型应用场景

• 720P 快速生成后再无损感放大的两段式短视频生产；
• 1080P→4K 素材增强；
• 显存受限设备的低成本高清化方案；
• 批量老素材库翻新与平台投稿画质达标处理。

同类对比

对比 Real-ESRGAN 类像素域超分：无需过 VAE 往返、保留 H3 latent 语义细节；对比 SeedVR 类重型一步还原器：体积相差千倍量级、速度极快但专供 H3 latent 格式不通用。生态位是"H3 用户专属轻量插件"，同类竞品极少。

资源导航

配套节点：GitHub 仓库 Comfyui_Minimax_h3_latent_Upscaler｜权重文件：3d_bf16 / 3d_fp16 / 3d_fp32 三版本｜注意事项：页面暂未标注 tags/yaml 元数据，建议以 README 为准。