comfy-h3-render-core

ComfyUI H3 Render Core (H3-physikalisches Rendering und Scheduling-Prozess)

Prozesspositionierung: Kernprozess der physischen Kurzdrama-Generierung. Kernprinzipien: ComfyUI-Knotennummern nicht fest codieren, Windows WDDM-Treibersperren streng verhindern, Einzelsprecher-Sperre und Größensicherheitsprüfungen des latenten Raums erzwingen.

---

1. Ausführungsvertrag und Ein-/Ausgabe

• Eingabe:
  1. plan.json (enthält Kameraführung, Dialog, Timing 175 Frames);
  2. Standbild-Padding aus Schritt 2: segments/{seg_id}_keyframe.png;
  3. style_bible.json.
• Ausgabe:
  1. H3-nativ generiertes Video: segments/{seg_id}.mp4 (mit nativem Audio und Video);
  2. GPU-Speicherzustands-Überwachungsprotokoll und Rendering-Zeitaufwandsprotokoll.

---

2. Harte SOP: Drei physische Anti-Absturz-Gesetze (mit numerischen Merkmalen und Fehlerbeispielen)

2.1 Gesetz Eins: 32-Teilbarkeit der latenten Raumgröße (Verhindert VAE-latente-Raum-Abstürze)

• Phänomen/Fehler: RuntimeError: shape '[1, 24, 1, 1, 15, 2, 26, 2]' is invalid for input of size 38160
• Grundursache: Die 3D-Patch-Größe von MiniMax H3 erfordert, dass die Breite durch 16 teilbar ist und der Quotient gerade sein muss (d.h. width % 32 == 0).
• Kriterium und Behandlung:
  • Streng verboten: 848×480 (848/16=53 ist ungerade, nicht durch patch=2 teilbar, führt garantiert zum Absturz!);
  • Erzwungene Sperre: Standard-Breitbild immer auf 832×480 sperren (832/16=52 ist gerade, 52/2=26 perfekte Teilbarkeit!).

2.2 Gesetz Zwei: Windows WDDM-Treiber-Mutex-Sperre-Verteidigung (Verhindert 15-fache Verlangsamung)

• Phänomen: Wenn unter Windows cudaMallocAsync oder Multi-Stream-async-Offloading (async-offload) aktiviert ist, fällt die Einzelschritt-Sampling-Zeit von 40 Sekunden auf 600 Sekunden (Einzelsegmentdauer bis zu 70 Minuten).
• Grundursache: Das Windows-WDDM-Treibermodell verursacht bei der Übertragung großer Gewichte über CUDA-Streams hinweg schwerwiegende Kernel-Mutex-Sperren-Konflikte (Mutex Lock Contention).
• Behandlung (ComfyUI-Gold-Startparameter):

  python <COMFYUI_PATH>/main.py --disable-auto-launch --disable-mmap --disable-cuda-malloc --disable-async-offload --listen 127.0.0.1 --port 8188
  

  Durch die Verwendung von nativem Cache und Single-Stream-Scheduling werden Treibersperren umgangen, und die Generierungszeit pro Segment bleibt stabil bei 350 Sekunden (5,8 Minuten).

2.3 Gesetz Drei: Einzelsprecher-Sperre und Mund-zu-Unterdrückungs-Anweisungsmontage (Beseitigt alle sprechenden Münder)

Beim Erstellen von [Subject 1] und [Action 1] muss die getrennte Montage erzwungen werden:

• [Subject 1]: Primary speaker: [SpeakerName], alongside [ListenerName] (silent listener).
• [Action 1] Kernprimitiv:

  Only [SpeakerName] is actively speaking with natural, synchronized Mandarin lip movement, [Action]. 
  Crucial requirement: [ListenerName] remains strictly silent with lips tightly sealed and mouth completely closed, neither speaking nor making any mouth motions, showing a tense glare. 
  In the final 1.2 seconds, all characters firmly close their mouths, ending on a tense silent glare.
  

---

3. Harte SOP: GPU-Speicher-Fragmentierungsschutz und Checkpoint-Resume-Produktionsschutz

1. GPU-Speicherbereinigung zwischen Einstellungen: Nach dem Rendern jeder Einstellung muss der ComfyUI /free-Endpunkt aufgerufen werden:

   payload = {"unload_models": False, "free_memory": True}
   

   Löscht den PyTorch-Zwischen-3D-latente-Raum-Tensor-Cache, um OOM-Fehler durch langfristige kontinuierliche Produktion zu verhindern.
2. Checkpoint-Resume verhindert erneutes Rendern: Erkennt segments/{seg_id}.mp4. Wenn die Datei bereits existiert und größer als 100 KB ist, wird direkt [Wiederverwendung] ausgegeben und übersprungen, was einen sekundenschnellen Checkpoint-Resume-Lauf unterstützt.

---

4. Spezialisiertes Tool-Skript

• H3-Ausführungsgraph-Montage- und Scheduling-Engine: python scripts/h3_render_orchestrator.py --plan plan.json --server 127.0.0.1:8188