Optimizando MiniMax H3 en ComfyUI: De la Inestabilidad a un Sistema de Debug Automatizado

El desarrollo del workflow para generar video con MiniMax H3 en ComfyUI ha sido un proceso iterativo que ha revelado importantes lecciones sobre la estabilidad geométrica y el costo computacional. Inicialmente, se encontró que el uso de una combinación específica de modelos y LoRAs provocaba un movimiento de cámara indeseable, donde la composición parecía desplazarse como si fuera sostenida a mano.

Tras experimentar con diferentes variantes del modelo—específicamente cambiando de minimax_h3_fl2va_int8_convrot a minimax_h3_fl2va_pruned_int8_convrot, y ajustando las LoRAs entre la versión LightX2V Turbo 4-step y la nativa Turbo 8-step—se logró estabilizar la generación. Sin embargo, este ajuste trajo consigo un nuevo problema: al lograr una cámara fija, se hizo evidente que el upscaling latente estaba causando deformaciones horizontales en los contornos de los personajes.

Se descubrió que renderizar a resoluciones mayores (como 2 MP) hace que el modelo sea más sensible al prompt y a la geometría, mientras que las pruebas a baja resolución (0.2 MP) pueden resultar engañosas.

Introduciendo el Model Preview Overrider

Un hallazgo crucial fue la implementación del nodo Model Preview Overrider. Este componente permite observar en tiempo real cómo evoluciona la composición durante la denoising. Su valor es inmenso para una tarjeta gráfica como una RTX 3090: si el preview muestra que los contornos empiezan a deformarse o la cámara se desplaza, la generación puede abortarse inmediatamente antes de consumir toda la VRAM y el tiempo necesario.

El sistema actual utiliza un flujo piramidal para el debugueo:

• 0.2 MP: Para comprobar si la idea conceptual funciona.
• Preview Latente: Para verificar que la trayectoria de generación es estable.
• Primer Frame a 2 MP: Para evaluar el comportamiento real en resolución final antes de invertir tiempo completo.

Automatizando el Registro de Pruebas

Dado que los abortos tempranos son ahora una parte fundamental del flujo, se ha implementado un sistema para guardar automáticamente los parámetros en una carpeta dedicada. Cada ejecución genera archivos como workflow.json, metadata.json y el prompt textual utilizado.

Aunque la idea inicial era solo guardar el prompt, la necesidad de documentar también checkpoint, LoRA, resolución y sampler ha llevado a un registro más completo. Esto transforma las pruebas en experimentos reproducibles, permitiendo identificar patrones—como por qué ciertas combinaciones funcionan mejor a 0.7 MP que a 2 MP.

Este enfoque transforma el proceso de generación en una herramienta de experimentación controlada, permitiendo iterar rápidamente sin perder la información sobre qué parámetros causaron un resultado.