人工智能 ComfyUI MiniMax-H3 PyTorch 深度学习报错 视频生成
摘要：
在使用 ComfyUI 运行 MiniMax-H3 / Hailuo 视频生成模型时，遇到 RuntimeError: shape '[1, 24, 1, 1, 40, 2, 22, 2]' is invalid for input of size 86400 怎么解决？本文通过底层张量（Tensor）维度拆解、Gradio 前端参数校验，彻底定位该报错根源，并附带 MiniMax-H3 常见工作流（t2v / i2v / r2v / flfv）的功能对齐对照表。
## 0. 前言
随着 MiniMax-H3 视频大模型在开源社区的火爆，越来越多的开发者选择在本地或服务器环境（如 V100 等）上基于 ComfyUI 进行独立部署与脚本封装。
然而在部署过程中，频繁出现的 RuntimeError 常常让不少开发者踩坑。本文记录一次非常典型的张量形状不匹配（shape is invalid for input of size）报错的完整排查思路，以及 MiniMax-H3 自动化工作流文件的分类说明。
## 1. 报错现象描述
在运行 ComfyUI 后端执行 MiniMax-H3 推理任务时，控制台抛出如下 Traceback 信息：
```bash
File "…\\comfy\\ldm\\minimax\\model.py", line 57, in patchify_video
x = latent.reshape(b, c, t, pt, h, ph, w, pw)
RuntimeError: shape '[1, 24, 1, 1, 40, 2, 22, 2]' is invalid for input of size 86400
```
提示信息显示：latent.reshape 试图将输入调整为指定 Shape，但输入元素的总大小为 86400，两边的元素总数量无法对应。
2. 底层逻辑深度排查
2.1 张量元素数量数学推导
我们直接计算代码试图重排（Reshape）的目标张量元素总数：
而实际传入的 Latent 元素总数为：
数据量对不上，PyTorch 必然抛出 RuntimeError。
2.2 为什么会出现 1,920 的偏差？
MiniMax-H3 的 Spatial Patch 化模块在对视频 Latent 进行下采样和 Patch 拆分（例如 2 \\times 2 Patch）时，对输入的 **宽度 (Width)** 和 **高度 (Height)** 有严格的整除要求。
* 正常情况下，模型要求特征尺寸必须被 **32** 整除。
* 检查 UI 传入的参数：宽度设置为 **1280**，高度/视频宽误设为了 **720**。
* 校验整除性：
* 1280 \\div 32 = 40 （完全整除）
* 720 \\div 32 = 22.5 （**无法整除！**）
720 无法被 32 整除，导致 VAE 下采样与 Patchify 过程中丢弃或计算错位了最后一列特征，进而引发了该报错。
3. 解决方案
3.1 修正分辨率参数
将界面或配置文件中的 **720** 替换为能被 **32** 整除的最接近数值：
704（704 \\div 32 = 22）
736（736 \\div 32 = 23）
| 原始分辨率设置 | 修正后建议设置 | 校验计算 | 状态 |
|—|—|—|—|
| 1280 \\times 720 | 1280 \\times 704 | 1280/32=40,\\ 704/32=22 | ✅ 通过 |
| 1280 \\times 720 | 1280 \\times 736 | 1280/32=40,\\ 736/32=23 | ✅ 通过 |
**注意**：如果是在自定义 Gradio 前端或一键包中，确保“视频宽”和“视频高”同步修改为 704 或 736，不要只修改了默认初始化参数。
## 4. 附录：MiniMax-H3 核心工作流文件功能速查
在 MiniMax-H3 的 work/ 工作流目录中，各 .json / 脚本文件的对应功能如下，供选型参考：
```text
work/
├── video_minimax_h3_t2v.json # 文生视频 (Text to Video)
├── video_minimax_h3_i2v.json # 单图生视频 (Image to Video)
├── video_minimax_h3_r2v_1img.json # 视频/单参考图生成 (Reference to Video 1-Img)
├── video_minimax_h3_r2v_2img.json # 多图/双图参考生成 (Reference to Video 2-Img)
└── video_minimax_h3_flfv.json # 首尾帧控制 + 原生音频驱动 (First/Last Frame Video + Native Audio)
```
多图参考生成：优先选用 video_minimax_h3_r2v_2img。
多图参考 + 音频驱动/对口型：** 优先选用 video_minimax_h3_flfv。
5. 总结
在针对 AI 视频生成大模型编写打包脚本或部署 WebUI 时，**输入分辨率的步长整除约束（Alignment）** 是最容易引发张量维度报错的隐患。养成使用 32 或 64 的倍数设定视频高宽的习惯，能规避绝大多数底层的 PyTorch Shape 异常。
