ComfyUI-Ref2VA-VSA

这是一个为 ComfyUI 设计的自定义节点插件，用于加速 MiniMax H3 模型的 Reference-to-Video（Ref2VA）人物视频生成任务。其核心通过视频稀疏注意力（VSA）机制与极简采样步数（4步）显著提升推理效率，在 RTX 4090 上仅需约72秒即可生成5秒、24fps、1344×768分辨率的人物驱动视频，峰值显存占用约13.5GB。项目针对单卡消费级硬件优化，兼顾速度与资源效率，适用于需要快速迭代角色视频内容的AIGC创作、短视频原型开发及轻量级数字人演示等场景。