RuntimeError: The size of tensor a (59940) must match the size of tensor b (1451808) at non-singleton dimension 2

问题场景

用户运行 ComfyUI 官方 MiniMax H3 文生视频工作流（Image to Video (MiniMax H3) UUID 子图节点），使用默认设置（864×480 分辨率、5 秒时长），采样阶段在 `SamplerCustomAdvanced` 中立即失败。该问题在 ComfyUI 0.30.0 至 0.30.2 中均存在，与操作系统无关。

报错原文

RuntimeError: The size of tensor a (59940) must match the size of tensor b (1451808) at non-singleton dimension 2

File "comfy\model_sampling.py", line 97, in noise_scaling
    return sigma * (s * noise) + (1.0 - sigma) * latent_image

原因分析

核心 ComfyUI 在 comfy/sample.py:22-38 中专门为 NestedTensor 提供了 prepare_noise 分支处理。但第三方节点 ComfyUI_smZNodes 在挂钩注册时无条件替换了整个 comfy.sample.prepare_noise 函数，其替换版本没有处理 is_nested 分支，而是直接调用 latent_image.size() 生成普通张量。

问题在于 NestedTensor.size() 只返回第一个子张量（视频流）的形状 [1, 24, 37, 30, 54]，而忽略了音频流 [1, 32, 2, 207]。这导致生成的噪声只包含视频流且通道数被缩减，与原始 AV NestedTensor 不匹配。当 noise.unbind() 对普通张量按维度 0 解绑时，结构完全错乱，最终在 noise_scaling 中报出形状不匹配错误。

该问题与 V1 还是 V3/子图节点路径无关，只要运行了替换补丁就会触发。

环境排查

• 检查是否安装 ComfyUI_smZNodes：若 traceback 中出现 File "custom_nodes/ComfyUI_smZNodes/smZNodes.py", line 114, in KSAMPLER_sample，则确认该扩展的 prepare_noise 补丁已生效。
• 检查是否安装 efficiency-nodes-comfyui：当其中 RNG 源设置为 gpu/nv 时也会触发同样问题。
• 如需最小化复现，可尝试卸载全部第三方扩展后重新运行工作流。

解决步骤

1. 首选方案：禁用冲突扩展。在 ComfyUI 的 custom_nodes 目录中暂时移走或重命名 ComfyUI_smZNodes 和 efficiency-nodes-comfyui 文件夹，重启 ComfyUI 后重新运行工作流。这是最安全可靠的验证方式。
2. 临时补丁（可优先尝试）：修改 ComfyUI_smZNodes 中替换的 prepare_noise 函数（位于 modules/rng.py:40 和 :106），在其开头加入 NestedTensor 保护判断：

   if getattr(latent_image, 'is_nested', False):
       import comfy.nested_tensor, comfy.sample
       generator = torch.manual_seed(seed)
       return comfy.nested_tensor.NestedTensor(
           [comfy.sample.prepare_noise_inner(t, generator, noise_inds) for t in latent_image.unbind()]
       )

   该补丁已在 Issue 中验证有效，打包后的噪声形状变为 (1, 1, 1451808)，与 latent 匹配。

3. 若使用 efficiency-nodes-comfyui，可将其 RNG 源从 gpu/nv 改回其他选项，或直接禁用该扩展。
4. 更新 ComfyUI 核心版本，关注后续版本是否会加入更明确的报错提示（当前仍未修复）。

验证方法

重新运行 MiniMax H3 官方文生视频工作流，观察采样阶段是否正常进行。若不再出现 59940 与 1451808 的形状不匹配错误，且能成功生成视频，则问题已解决。也可打印中间张量检查：打包后的噪声形状应为 (1, 1, 1451808)，与打包后的 latent 完全一致。

参考来源

Comfy-Org/ComfyUI #15250

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。