# MiniMax H3 dans ComfyUI : le lancer en local — fichiers, GPU, réglages

> MiniMax H3 tourne dans ComfyUI 0.30 et plus récent, via des templates T2V, I2V et R2V prêts. Le premier clip demande environ 42 Go : le modèle, l’encodeur de texte Qwen3-VL-32B, deux VAE et une Turbo LoRA. Il n’y a pas de minimum de VRAM officiel ; le build le plus léger pèse 16 Go, et la 2K n’existe pas en local — seulement dans l’API MiniMax.

Publié le 2026-10-26 · Mis à jour le 2026-10-26
URL: https://ai2face.com/fr/blog/minimax-h3-comfyui

[MiniMax H3](/fr/models/minimax-h3) est un modèle vidéo avec son stéréo, dont MiniMax a publié les poids ouverts le 3 août 2026. Dans ComfyUI, il tourne en natif, sans nœuds tiers : les templates texte vers vidéo (T2V), image vers vidéo (I2V) et vidéo par références (R2V) sont dans la bibliothèque de templates. Ci-dessous : quoi télécharger, combien ça pèse, quel build prendre pour votre carte, comment accélérer, et où le modèle atteint ses limites. Tous les chiffres viennent de la documentation ComfyUI et MiniMax au 26 octobre 2026.

## Ce qu’il faut pour MiniMax H3 dans ComfyUI

- **ComfyUI 0.30.0 ou plus récent.** Les fonctions plus récentes demandent des versions ultérieures : Multiframe Reference exige 0.34, Fun ControlNet et sparse attention 0.35, FastH3 0.36, le build le plus léger w6a8 0.38.
- **Une carte graphique solide.** Les accélérations de la doc ComfyUI (INT8, NVFP4, Sage Attention) visent NVIDIA. MiniMax ne prend AMD en charge que dans l’environnement serveur vLLM-Omni, via ROCm. MiniMax ne publie pas de VRAM minimale pour ComfyUI et conseille de tester sur votre matériel — les repères sont plus bas.
- **Environ 42 Go sur le disque** pour le premier template, et encore environ 23 Go pour les références.

Deux modèles de la famille H3-Base sont ouverts : **FL2VA**, la vidéo à partir du texte et d’une première et dernière image, et **Ref2VA**, la vidéo à partir de références. Le module de préparation des références H3-Context-IR et l’agrandissement 2K H3-Regenerate-2K ne sont pas publiés et ne passent que par l’API MiniMax. En local, H3 donne donc une image d’environ 1 Mpx : 1344×768 en 16:9, un clip de 5 à 15 secondes à 24 images par seconde, son stéréo à 32 kHz.

Ce qui distingue H3 du Hailuo 2.3 précédent, et ce qu’il coûte dans l’API, est sur la page [Hailuo AI](/fr/models/hailuo).

## Quels fichiers MiniMax H3 télécharger, et où les mettre

Le plus simple : ouvrez **Template Library → Video**, choisissez un template MiniMax H3 et téléchargez les modèles depuis la fenêtre. À la main, les fichiers viennent du dépôt Comfy-Org/MiniMax-H3 sur Hugging Face :

| Quoi | Fichier par défaut | Taille | Dossier |
|---|---|---|---|
| Modèle T2V et I2V | `minimax_h3_fl2va_pruned_int8_convrot` | 21 Go | `models/diffusion_models/` |
| Modèle R2V | `minimax_h3_ref2va_pruned_int8_convrot` | 21 Go | `models/diffusion_models/` |
| Encodeur de texte Qwen3-VL-32B | `qwen3vl_32b_minimax_h3_nvfp4_awq` | 15,7 Go | `models/text_encoders/` |
| VAE vidéo | `minimax_h3_video_vae_int8_convrot` | 2,8 Go | `models/vae/` |
| VAE audio | `minimax_h3_audio_vae_fp32` | 0,6 Go | `models/vae/` |
| Turbo LoRA pour T2V et I2V | `minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16` | 2 Go | `models/loras/` |
| Turbo LoRA pour R2V | `minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16` | 2 Go | `models/loras/` |

La Turbo LoRA est nécessaire même si le mode turbo est coupé : le template vérifie sa présence au chargement. T2V et I2V font environ 42 Go, avec R2V environ 65 Go.

```text
ComfyUI/models/
├── diffusion_models/
│   ├── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│   └── minimax_h3_ref2va_pruned_int8_convrot.safetensors
├── text_encoders/
│   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
├── vae/
│   ├── minimax_h3_video_vae_int8_convrot.safetensors
│   └── minimax_h3_audio_vae_fp32.safetensors
└── loras/
    ├── minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors
    └── minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors
```

## Quel build MiniMax H3 choisir pour la carte

Comfy conseille de prendre **le plus petit build qui tient dans la VRAM** : le déchargement CPU coûte plus cher que la précision perdue. Seul le fichier du nœud `UNETLoader` change. ComfyUI lit le type de quantification dans le fichier lui-même.

| Build | Taille | Quand le prendre |
|---|---|---|
| `pruned_w6a8` | 16 Go | le plus léger, il faut ComfyUI 0.38+ |
| `pruned_int8_convrot` | 21 Go | le défaut des templates |
| `pruned_fp8_scaled` | 21 Go | la même taille que l’INT8 |
| `pruned_bf16` | 40,2 Go | sans quantification ; requis pour Comfy Kitchen attention |
| `bf16` | 66,3 Go | le build complet |

L’encodeur de texte a aussi trois variantes : NVFP4 à 15,7 Go (dans les templates), INT8 à 27,1 Go et bf16 à 51,5 Go. Les cartes RTX série 30 n’ont pas de FP8, et l’INT8 y est environ deux fois plus rapide que le FP16 — prenez les builds INT8.

Il n’y a pas de mesures officielles pour ComfyUI lui-même. Les chiffres les plus proches que MiniMax publie concernent ses environnements serveur SGLang et vLLM-Omni :

| Matériel | Mode | Résultat |
|---|---|---|
| 1 × RTX 4090, 24 Go | déchargement CPU + INT8 | pic d’environ 18 Go de VRAM, le temps dépend de la RAM |
| 2 × RTX 5090, 32 Go | 5 s, 1344×768, 50 pas | 559,67 s, pic de 26,3 Go par carte |
| 2 × RTX 5090, 32 Go (vLLM-Omni) | la même chose | 8 min 38 s, pic d’environ 22,6 Go par carte |

Les templates ComfyUI sont à 20 pas par défaut, pas 50, donc le clip sort plus vite sur les mêmes cartes. Pour FastH3, FastVideo fournit des profils prêts pour la RTX 5090 et le DGX Spark, en 480p par défaut.

## Comment lancer le premier clip

1. Mettez ComfyUI à jour et ouvrez le template **MiniMax H3 T2V**.
2. Laissez **0,4 Mpx** pour l’essai — c’est 864×480 en 16:9. Un brouillon de ce genre se calcule vite et montre si la scène part dans le bon sens.
3. Pour le clip final, mettez **0,98 Mpx** ou saisissez **1344 × 768** à la main. Ne mettez pas 1,0 Mpx : cela donne 1376×768, plus de surface que celle sur laquelle le modèle a été entraîné. Les côtés sont des multiples de 32.
4. La durée se règle en secondes et s’arrondit vers le haut sur la grille **17k+5** : 5 secondes donnent 124 images, environ 5,17 s. Le modèle a été entraîné sur 5 à 15 secondes.
5. Lancez à 20 pas. Les scènes simples se contentent de 12 à 16, le détail fin comme la cotte de mailles et les motifs gagne jusqu’à 50.

Plus la résolution s’éloigne de 1344×768, plus la génération est lente et la qualité basse ; au-delà, aucun détail ne s’ajoute. Les clips longs en pleine résolution touchent la VRAM en premier — baissez alors les mégapixels.

## Comment écrire les prompts pour MiniMax H3

La documentation ComfyUI conseille d’écrire le prompt **en anglais**, et les répliques dans des balises `<d>` avec une étiquette de langue : `<d>[French] …</d>`. Qui parle, et comment, se place avant la balise. MiniMax place le français parmi 11 langues à la parole stable. Décrivez d’abord toute la scène, puis les plans avec timecodes, la caméra et le son — dans un seul bloc :

```text
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a wide shot of a misty mountain lake at sunrise. The camera pushes in slowly as a young woman in a red raincoat walks along the wooden pier, turns to the camera, and the calm, warm-voiced woman (S1) says: <d>[French] Bonjour.</d> [Shot 2] At 00:03.000, the camera cuts to a close-up of ripples spreading across the water.
overall_soundscape: Gentle water lapping against the pier, distant birds, wooden planks creaking under footsteps.
non_diegetic_music: Soft ambient piano.
```

- **Pas de négatifs.** H3 dans ComfyUI tourne avec `cfg` 1, sans branche négative : une liste de « ce qu’il ne faut pas » ne fait qu’ajouter ces objets. Écrivez ce qui doit être dans l’image.
- **Les cuts** se font avec un seul timecode, `At 00:03.500, the camera cuts to…`, pas avec une plage.
- **Le texte à l’écran** se met entre guillemets anglais doubles, mot pour mot, dans la langue de l’inscription.

## Vidéo à partir d’une image, et par références

**I2V.** Le template **MiniMax H3 I2V** prend une première et une dernière image dans le nœud `MiniMaxH3ImageToVideo`, et le mouvement se construit entre les deux. La première image est étirée sur le canevas sans garder les proportions, la dernière est recadrée au centre. Le template s’ouvre en 1:1 et 640×640 — réglez tout de suite les proportions de votre image, sinon elle sera déformée.

**R2V.** Le template **MiniMax H3 R2V** ne fonctionne qu’avec le modèle Ref2VA et accepte jusqu’à 9 images, 3 vidéos et 3 audios. Dans le prompt, les références s’appellent `<Picture 1>`, `<Video 1>`, `<Audio 1>` — et pour chacune, dites ce qu’elle fixe : visage, style, mouvement, caméra ou voix.

- Une référence vidéo est lue à 24 images par seconde — reconvertissez les autres cadences avant.
- L’audio transmet le timbre de la voix, pas les mots : ce qu’il faut dire s’écrit dans le prompt.
- Pour une ressemblance précise, gardez 20 à 25 pas. Avec la turbo LoRA à 4 pas, les références ne s’appliquent presque pas, le visage et la pose dérivent.

## Comment accélérer MiniMax H3

| Moyen | Gain | Contrepartie |
|---|---|---|
| Turbo LoRA (`turbo_mode`) | 8 pas au lieu de 20 en T2V et I2V, 4 en R2V | mouvement et son plus doux, références plus faibles |
| FastH3 8-step V2 | 8 pas, son propre modèle distillé | T2V et I2V seulement, nombre de pas fixe, ComfyUI 0.36+ |
| Sage Attention | environ 2× | des artefacts sont possibles en fin de clip en INT8 |
| Sparse attention `sol-attn` | moins de calcul sur les clips longs | expérimental, ComfyUI 0.35+ |

Le son se cale plus tard que l’image : la parole et le timbre demandent à partir de 12 pas, et à 8 pas l’audio est en général le point faible. Une Turbo LoRA réduit le nombre de pas, pas le temps d’un pas : une LoRA à 4 pas lancée sur 20 pas prend autant de temps que la base.

Sage Attention s’installe par une wheel adaptée à votre PyTorch et à votre CUDA, puis se branche par le nœud `Patch Sage Attention KJ` de KJNodes, entre `UNETLoader` et `BasicGuider`, ou par le flag `--use-sage-attention`. Les avertissements en console, quand une partie des couches repasse en attention ordinaire, sont normaux.

La version accélérée avec références, FastH3-Omni, est sortie le 20 octobre 2026 — le détail est dans l’actualité [FastH3-Omni : poids ouverts de MiniMax H3](/fr/news/fasth3-omni).

## Comment obtenir la 2K et un clip de plus de 15 secondes

**Agrandissement.** La 2K officielle n’est pas disponible en local. La doc ComfyUI propose un latent upscaler non officiel : le fichier `minimax_h3_latent_upscaler_3d_conv_v1_bf16` va dans `models/latent_upscale_models/`, le nœud **Minimax H3 Latent Upscaler (3D)** se place après le brouillon (échelle de 1 à 4, 2 par défaut), puis un passage de refine se fait à la taille cible avec `denoise` 0,1–0,5. Ce chemin économise du temps, pas de la VRAM : le refine tourne à pleine taille. Le son ne change pas tant que le refine ne le touche pas.

**Durée.** Les nœuds acceptent jusqu’à 3 600 images, mais le modèle a été entraîné sur 5 à 15 secondes. Plus long, cela se fait en chaîne : le template `video_minimax_h3_i2v_continuation` prend la dernière image du morceau précédent. Les erreurs s’accumulent, la texture du visage part en premier ; coupez en plans courts.

## LoRA et entraînement de MiniMax H3

- **Les LoRA de style** concurrencent les références : en R2V, gardez leur force autour de 0,5.
- **Builds pruned et complets.** Une LoRA entraînée sur le build complet perd une partie de ses poids (adaln) sur un build pruned — ComfyUI les ignore en silence. Les Turbo LoRA fonctionnent sur les deux.
- **Votre propre LoRA.** MiniMax décrit l’entraînement de FL2VA dans miles-diffusion, mais la machine de référence est 8 × H200, et l’encodeur occupe environ 70 Go de RAM à cette étape. Sur un ordinateur personnel, ce n’est pas reproductible.

## Erreurs fréquentes de MiniMax H3 dans ComfyUI

| Symptôme | Cause et correctif |
|---|---|
| Pas de templates ni de nœuds H3 | ComfyUI est plus ancien que 0.30.0 — mettez à jour |
| Les références ne changent pas le clip | elles sont branchées sur un template T2V ou I2V, qui les ignore en silence ; il faut le template R2V |
| R2V ne démarre pas | FL2VA est chargé à la place de Ref2VA |
| L’image I2V est étirée | la première image est ajustée au canevas sans proportions — réglez les proportions de l’image |
| Le clip est un peu plus long que prévu | arrondi sur la grille 17k+5 : 5 s = 124 images |
| Son faible, parole peu claire | trop peu de pas : il en faut 12 ou plus, le turbo à 8 pas décroche |
| Morphing à la fin, texte cassé avec Sage | quantification INT8 de l’attention ; passez à `pruned_bf16` et à Comfy Kitchen attention |
| Comfy Kitchen attention ne démarre pas | il ne fonctionne pas avec les builds `int8_convrot`, seulement en bf16 |
| Manque de VRAM | un build plus petit, 0,4 Mpx et 5 s, puis montez un réglage à la fois |

## Peut-on utiliser MiniMax H3 dans un cadre commercial ?

Les poids sont gratuits à télécharger et à lancer. L’usage commercial des résultats dépend du pays et du chiffre d’affaires. D’après la documentation ComfyUI :

- **Hors des États-Unis, de l’UE, du Royaume-Uni et de la Corée du Sud, avec un chiffre d’affaires inférieur à 20 millions de dollars par an,** l’usage commercial est couvert par la licence communautaire gratuite de MiniMax H3. Il faut la mention « Powered by MiniMax H3 », et la règle de territoire couvre aussi l’endroit où les clips sont montrés.
- **Aux États-Unis, dans l’UE, au Royaume-Uni, en Corée, ou au-delà de 20 millions de dollars,** il faut une licence payante — Professional à partir de 5 000 $ par mois, ou Enterprise sur accord. Comfy la vend en tant que seul revendeur officiel.
- **Dans Comfy Cloud,** les droits commerciaux sont déjà inclus.

MiniMax prévient que la licence peut changer : c’est le texte sur la page des poids qui a force juridique.

## Quand il est plus simple de ne pas installer MiniMax H3 en local

Le H3 local se justifie si vous avez une carte solide, si vous avez besoin de confidentialité, ou si vous générez beaucoup sans payer au clip. S’il vous faut un résultat aujourd’hui, sans télécharger 42 Go ni choisir des builds, MiniMax H3 est disponible dans le générateur AI2Face sous le nom [Hailuo](/fr/models/hailuo). Vous payez par carte ou en cryptomonnaie. Le prix du clip s’affiche avant le lancement, et l’inscription apporte des crédits de bienvenue. La comparaison avec d’autres modèles vidéo est dans la sélection des [générateurs de vidéo IA](/fr/blog/nejroseti-dlya-video).

## Bilan

MiniMax H3 dans ComfyUI est le chemin le plus simple vers un modèle vidéo ouvert avec le son : un template, 42 Go de fichiers et 20 pas. Commencez par le T2V à 0,4 Mpx et 5 secondes pour vérifier que tout tourne, puis montez la résolution à 1344×768. Si la VRAM est juste, prenez `pruned_w6a8` ou l’INT8, et une turbo LoRA pour les brouillons ; pour le final, revenez à 20 pas. Les références demandent un Ref2VA à part et plus de pas. Pour la 2K, et pour un résultat fini sans votre propre carte, passez par le générateur AI2Face.

## Questions fréquentes

### Combien de VRAM faut-il pour MiniMax H3 dans ComfyUI ?

Ni MiniMax ni Comfy ne publient de minimum officiel. Le repère, c’est la taille du fichier : de 16 Go pour le build w6a8 à 66 Go pour le bf16 complet. D’après MiniMax, une RTX 4090 de 24 Go avec déchargement CPU tourne avec un pic d’environ 18 Go.

### Quel est le poids du téléchargement de MiniMax H3 ?

Le template T2V et I2V de ComfyUI télécharge environ 42 Go : modèle 21 Go, encodeur de texte 15,7 Go, deux VAE 3,4 Go et Turbo LoRA 2 Go. Les références R2V ajoutent encore environ 23 Go.

### Qu’est-ce que MiniMax H3 Turbo ?

Une LoRA qui ramène la génération de 20 pas à 8 en T2V et I2V, ou à 4 en R2V. Le clip est plus rapide, mais le mouvement et le son deviennent plus doux, et les références tiennent moins bien.

### Peut-on faire de la 2K avec MiniMax H3 en local ?

Non. Le module H3-Regenerate-2K n’est pas publié, la 2K n’existe que dans l’API MiniMax. En local, le modèle est prévu pour une image d’environ 1 Mpx (1344×768) ; un latent upscaler non officiel permet d’agrandir.

### En quoi FL2VA diffère-t-il de Ref2VA ?

FL2VA est le modèle pour la vidéo à partir du texte et d’une première et dernière image. Ref2VA sert à la vidéo à partir de références : photos, vidéo et audio. Ce sont des fichiers différents, et le template R2V ne fonctionne qu’avec Ref2VA.

### Peut-on utiliser les clips MiniMax H3 à des fins commerciales ?

Cela dépend du pays et du chiffre d’affaires. Hors des États-Unis, de l’UE, du Royaume-Uni et de la Corée du Sud, avec un chiffre d’affaires inférieur à 20 millions de dollars par an, l’usage commercial est couvert par la licence communautaire gratuite, avec la mention « Powered by MiniMax H3 ». Sinon, il faut une licence payante.

## Sources

- https://docs.comfy.org/tutorials/video/minimax/minimax-h3
- https://docs.comfy.org/tutorials/video/minimax/minimax-h3-native
- https://docs.comfy.org/tutorials/video/minimax/minimax-h3-fastvideo
- https://docs.comfy.org/tutorials/video/minimax/minimax-h3-prompt-guide
- https://platform.minimax.io/docs/guides/local-deploy-h3
- https://huggingface.co/MiniMaxAI/MiniMax-H3
- https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md
- https://huggingface.co/Comfy-Org/MiniMax-H3
- https://haoailab.com/blogs/fastvideo-omniref-update/