Pika H3 Flex 已於 2026 年 10 月 29 日發布，以 MiniMax H3 為基礎進行後訓練，透過六步採樣同步生成影片與聲音。對 ComfyUI 使用者來說，真正需要弄清楚的是：手上的素材該走哪個模板、底模與 LoRA 是否配對，以及採樣設定有沒有完整保留。
以下依 ComfyUI 官方教學整理，於 11 月 3 日查核。我們未在消費級顯示卡上測試，不提供實測速度或畫質結論。
先確認授權，再安排下載
權重採用 MiniMax H3 社群授權，其適用地區定義排除美國、歐盟、英國及韓國；協議請有部署需求的排除地區使用者聯絡 MiniMax 取得授權。下載權限不能代替部署授權，程式碼的 Apache-2.0 授權也不涵蓋模型權重。接案或散布前，請先讀相關條款。
依素材選 FL2VA 或 Ref2VA
| 手上的輸入 | 官方模板 | 搭配的 H3 底模與適配器 |
|---|---|---|
| 純文字提示 | Text to Video | FL2VA |
| 起始影格、結束影格，或兩者都有 | First and Last Frame | FL2VA |
| 角色圖、動作影片或聲音參考 | Reference to Video | Ref2VA |
到 Template Library → Video 選擇模板。文生影片模板標示需要 ComfyUI 0.43.2 以上；參考生成與首尾影格模板標示 0.30.0 以上。先更新至相容版本，再沿用模板提供的模型連結。Ref2VA 不能只給音訊，仍需要視覺參考素材。
檔案與目錄要一起核對
下面採用 ComfyUI 官方教學的檔名。原有 H3 的底模、文字編碼器與兩個 VAE 可共用，新加入的是 Flex 的兩個適配器。
models/diffusion_models/ minimax_h3_fl2va_pruned_int8_convrot.safetensors minimax_h3_ref2va_pruned_int8_convrot.safetensors models/loras/ pika_h3_flex_fl2va_v1_bf16.safetensors pika_h3_flex_ref2va_v1_bf16.safetensors models/text_encoders/ qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors models/vae/ minimax_h3_video_vae_int8_convrot.safetensors minimax_h3_audio_vae_fp32.safetensors
另一條下載路線是 Pika 的 Comfy 匯出包，檔名結尾為 _comfy_bf16.safetensors。這些 BF16 檔案對應原生 Comfy 整合，與 Pika 原始推論套件所用的 FP32 適配器不同。請在載入節點選到實際下載的檔案，並確認任務配對；不要直接覆蓋原始推論套件的適配器。該匯出包說明的驗證範圍是張量轉換，並非端到端 Comfy 出片測試。
六步不是只把 steps 改成 6
| 設定 | 官方模板的做法 |
|---|---|
| LoRA 載入節點 | LoraLoaderModelOnly，模型強度 1.0 |
| 採樣器 | lcm |
| 排程 | ManualSigmas，保留完整預設列表 |
| 引導 | BasicGuider，CFG 1.0 |
| 其他加速適配器 | 不疊加 Turbo 或 Lightning LoRA |
Pika 說明，通用的六步 Euler 採樣並不等同 Flex 的訓練排程。從舊 H3 工作流程改裝時，若只減少步數，仍可能留下不相容的排程或引導。建議先使用原始模板，再一次調整一個變項。
本機 768p 與託管 4K 是不同路線
模型卡列出的本機輸出為原生 480p／768p、24 fps 與混合立體聲。請求長度是 5–15 秒，實際影片長度依模型的影格網格決定。1080p、2K、4K 後製、音訊分軌及提示詞增強屬於 Pika 託管 API 擴充，並不包含在下載的 LoRA 裡。
Ref2VA 最多接 9 張圖片、3 段影片與 3 段獨立音訊，但合計上限是 12 個檔案。影片或音訊每段須為 2–15 秒，兩種類型的總長度各自不超過 15 秒。這是輸入限制，不是最大素材組合的顯示記憶體保證。請按執行路線查看硬體說明；適配器體積不等於整套模型需求，官方公布的運算時間也不是完整等待時間。
用一個短鏡頭確認流程
假設要做五秒動畫：角色提起燈籠、望向月台，再停下。這是未經模型測試的教學情境。若開場必須與核定畫面對齊，選 FL2VA；若要讓角色設定延伸到新構圖，選 Ref2VA。檢查臉部、服裝、手與道具接觸、運鏡終點及聲音，逐項調整，不以單一片段推論整集一致性。
Pika 提示詞指南建議場景敘述使用英文，對白與畫面文字維持原本語言；參考標籤須對應素材順序。這項模型輸入約定不代表需要把中文台詞改成英文。
| 遇到的狀況 | 先查哪裡 |
|---|---|
| 節點找不到模型 | 目錄、檔名與下拉選單；新增檔案後重新整理 |
| 舊流程改裝後結果異常 | FL2VA／Ref2VA 配對、CFG 與完整 sigma 列表 |
| 小 LoRA 仍耗盡顯示記憶體 | 底模、編碼器、VAE、素材大小與卸載設定 |
| 只有一條聲音，沒有對白與配樂分軌 | 本機是混音輸出，另查託管分軌服務 |
背景可讀 MiniMax H3 指南。RTX 5090 串流實驗採用其他最佳化組合，不能直接套用到 Flex；需要 fal 託管報價，請看 H3 Max Turbo 費用整理。
封面是原創概念插畫，並非 Pika H3 Flex 的生成成果。本文不代表 AniKuku 已整合此模型。