角色一致性影片往往要等上一分鐘以上，迭代鏡頭時尤其影響節奏。ComfyUI-Ref2VA-VSA 是一組針對 MiniMax H3 Reference-to-Video（Ref2VA / R2VA）的 ComfyUI 自訂節點與推理優化，讓單張消費級 NVIDIA GPU 也能處理參考角色影片。
核心改動是 Video Sparse Attention（VSA）：把影片注意力限制在 75% 的 top-k 稀疏範圍，配合 4 步 euler/simple 取樣。測試使用 RTX 4090 24GB，在 1344×768、24 fps、124 帧及 5.16 秒條件下，首次生成約 95 秒，預熱後約 72 秒，峰值記憶體約 13.5GB。
同一提示詞、角色參考圖、seed 與輸出規格下，VSA 比 Video Delta Net（VDN-H3）的 8 步流程快 2.24 倍，後者預熱後需約 135 秒。項目亦報告 VSA 比原生 MiniMax H3 快 9 倍，優點主要來自更少取樣步數與稀疏 Video Sparse Attention，而非單純換用另一個模型。
要開始使用，需要支援原生 MiniMax H3 的新版 ComfyUI、已安裝 comfy-kitchen 並啟用 CUDA sol attn，以及至少 24GB VRAM 的 NVIDIA GPU，例如 RTX 3090、RTX 4090、A5000 或 L40S。項目文件未列出完整安裝與操作步驟、下載連結或工作流程設定。
- 4 步取樣，預熱後生成時間約 72 秒
- 75% 影片稀疏 top-k attention
- RTX 4090 測試峰值記憶體約 13.5GB
- 支援 MiniMax H3 角色參考影片生成
- 適合需要頻繁調整角色影片的創作者與小型團隊
