# MiniMax H3 в ComfyUI: как запустить локально — файлы, видеокарта, настройки

> MiniMax H3 запускается в ComfyUI 0.30 и новее через готовые шаблоны T2V, I2V и R2V. Для первого ролика нужно скачать около 42 ГБ: модель, текстовый энкодер Qwen3-VL-32B, два VAE и Turbo LoRA. Официальных требований к видеопамяти нет; самая лёгкая сборка модели весит 16 ГБ, а 2K локально недоступен — он есть только в API MiniMax.

Опубликовано 2026-10-26 · Обновлено 2026-10-26
URL: https://ai2face.com/ru/blog/minimax-h3-comfyui

[MiniMax H3](/ru/models/minimax-h3) — видеомодель со стереозвуком, веса которой MiniMax открыла 3 августа 2026 года. В ComfyUI она работает нативно, без сторонних нод: шаблоны текст в видео (T2V), картинка в видео (I2V) и видео по референсам (R2V) лежат в библиотеке шаблонов. Ниже — что скачать, сколько это весит, какую сборку брать под свою видеокарту, как ускорить генерацию и где модель упирается в ограничения. Все цифры — из документации ComfyUI и MiniMax на 26 октября 2026 года.

## Что нужно для MiniMax H3 в ComfyUI

- **ComfyUI 0.30.0 или новее.** Новым функциям нужны версии свежее: Multiframe Reference — 0.34, Fun ControlNet и sparse attention — 0.35, FastH3 — 0.36, самая лёгкая сборка w6a8 — 0.38.
- **Мощная видеокарта.** Ускорения из документации ComfyUI (INT8, NVFP4, Sage Attention) рассчитаны на NVIDIA; AMD MiniMax поддерживает только в серверной среде vLLM-Omni через ROCm. Минимальную видеопамять для ComfyUI MiniMax не публикует и советует проверять на своём железе — ориентиры ниже.
- **Около 42 ГБ на диске** для первого шаблона и ещё около 23 ГБ для референсов.

Открыты две модели семейства H3-Base: **FL2VA** — видео по тексту и по первому и последнему кадру, и **Ref2VA** — видео по референсам. Модуль подготовки референсов H3-Context-IR и увеличение до 2K H3-Regenerate-2K не выложены и работают только через API MiniMax. Поэтому локальный H3 даёт кадр около 1 Мп: 1344×768 в 16:9, ролик 5–15 секунд при 24 кадрах в секунду, стереозвук 32 кГц.

Чем H3 отличается от прошлой Hailuo 2.3 и сколько она стоит в API — на странице [Hailuo и MiniMax H3](/ru/models/hailuo).

## Какие файлы MiniMax H3 скачать и куда положить

Проще всего открыть **Template Library → Video**, выбрать шаблон MiniMax H3 и скачать модели из всплывающего окна. Вручную файлы берутся из репозитория Comfy-Org/MiniMax-H3 на Hugging Face:

| Что | Файл по умолчанию | Размер | Папка |
|---|---|---|---|
| Модель T2V и I2V | `minimax_h3_fl2va_pruned_int8_convrot` | 21 ГБ | `models/diffusion_models/` |
| Модель R2V | `minimax_h3_ref2va_pruned_int8_convrot` | 21 ГБ | `models/diffusion_models/` |
| Текстовый энкодер Qwen3-VL-32B | `qwen3vl_32b_minimax_h3_nvfp4_awq` | 15,7 ГБ | `models/text_encoders/` |
| Видео-VAE | `minimax_h3_video_vae_int8_convrot` | 2,8 ГБ | `models/vae/` |
| Аудио-VAE | `minimax_h3_audio_vae_fp32` | 0,6 ГБ | `models/vae/` |
| Turbo LoRA для T2V и I2V | `minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16` | 2 ГБ | `models/loras/` |
| Turbo LoRA для R2V | `minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16` | 2 ГБ | `models/loras/` |

Turbo LoRA нужна, даже если турбо-режим выключен: шаблон проверяет её наличие при загрузке. Итог для T2V и I2V — около 42 ГБ, вместе с R2V — около 65 ГБ.

```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
```

## Какую сборку MiniMax H3 выбрать под видеокарту

Comfy советует брать **самую маленькую сборку, которая помещается в видеопамять**: выгрузка на процессор обходится дороже, чем потеря точности. Меняется только файл в узле `UNETLoader`, тип квантизации ComfyUI читает из самого файла.

| Сборка | Размер | Когда брать |
|---|---|---|
| `pruned_w6a8` | 16 ГБ | самая лёгкая, нужен ComfyUI 0.38+ |
| `pruned_int8_convrot` | 21 ГБ | по умолчанию в шаблонах |
| `pruned_fp8_scaled` | 21 ГБ | тот же размер, что INT8 |
| `pruned_bf16` | 40,2 ГБ | без квантизации; нужна для Comfy Kitchen attention |
| `bf16` | 66,3 ГБ | полная сборка |

У текстового энкодера тоже три варианта: NVFP4 на 15,7 ГБ (в шаблонах), INT8 на 27,1 ГБ и bf16 на 51,5 ГБ. На видеокартах RTX 30-й серии нет FP8, а INT8 там примерно вдвое быстрее FP16 — берите INT8-сборки.

Официальных замеров именно для ComfyUI нет. Ближайшие ориентиры MiniMax публикует для своих серверных сред SGLang и vLLM-Omni:

| Железо | Режим | Результат |
|---|---|---|
| 1 × RTX 4090, 24 ГБ | выгрузка на процессор + INT8 | пик около 18 ГБ видеопамяти, время зависит от ОЗУ |
| 2 × RTX 5090, 32 ГБ | 5 с, 1344×768, 50 шагов | 559,67 с, пик 26,3 ГБ на карту |
| 2 × RTX 5090, 32 ГБ (vLLM-Omni) | то же | 8 мин 38 с, пик около 22,6 ГБ на карту |

В шаблонах ComfyUI по умолчанию 20 шагов, а не 50, поэтому на тех же картах ролик выйдет быстрее. Для FastH3 FastVideo держит готовые профили для RTX 5090 и DGX Spark с разрешением 480p по умолчанию.

## Как запустить первый ролик

1. Обновите ComfyUI и откройте шаблон **MiniMax H3 T2V**.
2. Оставьте для пробы **0,4 Мп** — это 864×480 в 16:9. Такой черновик считается быстро и показывает, туда ли движется сцена.
3. Для финального ролика поставьте **0,98 Мп** или введите **1344 × 768** вручную. Не ставьте 1,0 Мп: он даёт 1376×768, это больше площади, на которой обучена модель. Стороны кратны 32.
4. Длительность задаётся в секундах и округляется вверх по сетке **17k+5** кадров: 5 секунд дают 124 кадра, около 5,17 с. Модель обучена на 5–15 секундах.
5. Запустите с 20 шагами. Простым сценам хватает 12–16, мелким деталям вроде кольчуги и узоров помогает до 50.

Чем дальше разрешение от 1344×768, тем медленнее генерация и ниже качество; размер больше этого деталей не добавляет. Длинные ролики в полном разрешении первыми упираются в видеопамять — тогда снижайте мегапиксели.

## Как писать промпты для MiniMax H3

Документация ComfyUI советует писать промпт **на английском**, а реплики героев — внутри тегов `<d>` с тегом языка: `<d>[Russian] …</d>`. Кто говорит и как — описывается до тега. Русский MiniMax заявляет среди 11 языков устойчивой речи. Сначала опишите сцену целиком, затем планы с таймкодами, камеру и звук — одним блоком:

```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>[Russian] Доброе утро.</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.
```

- **Без негативов.** H3 в ComfyUI работает с `cfg` 1 без негативной ветки: список «чего не надо» только добавит эти объекты. Пишите, что должно быть в кадре.
- **Монтажные склейки** — одним таймкодом, `At 00:03.500, the camera cuts to…`, а не диапазоном.
- **Текст на экране** — в английских двойных кавычках дословно, на языке надписи.

## Видео из картинки и по референсам

**I2V.** Шаблон **MiniMax H3 I2V** принимает первый и последний кадр в узле `MiniMaxH3ImageToVideo`, движение строится между ними. Первый кадр растягивается под холст без сохранения пропорций, а последний обрезается по центру. Шаблон открывается в 1:1 и 640×640 — сразу выставьте пропорции своей картинки, иначе она исказится.

**R2V.** Шаблон **MiniMax H3 R2V** работает только с моделью Ref2VA и принимает до 9 картинок, 3 видео и 3 аудио. В промпте референсы зовутся `<Picture 1>`, `<Video 1>`, `<Audio 1>` — и для каждого стоит сказать, что он задаёт: лицо, стиль, движение, камеру или голос.

- Видео-референс читается как 24 кадра в секунду — другие частоты переконвертируйте заранее.
- Аудио передаёт тембр голоса, а не слова: что сказать, пишите в промпте.
- Для точного сходства держите 20–25 шагов. С турбо-LoRA на 4 шагах референсы почти не применяются, лицо и поза «плывут».

## Как ускорить MiniMax H3

| Способ | Ускорение | Цена |
|---|---|---|
| Turbo LoRA (`turbo_mode`) | 8 шагов вместо 20 в T2V и I2V, 4 — в R2V | мягче движение и звук, хуже референсы |
| FastH3 8-step V2 | 8 шагов, своя дистиллированная модель | только T2V и I2V, шаги менять нельзя, ComfyUI 0.36+ |
| Sage Attention | около 2× | возможны артефакты в конце ролика на INT8 |
| Sparse attention `sol-attn` | меньше затрат на длинных роликах | экспериментально, ComfyUI 0.35+ |

Звук сходится позже картинки: речи и тембру нужно от 12 шагов, на 8 шагах слабым местом обычно становится аудио. Turbo LoRA сокращает число шагов, а не время шага: 4-шаговая LoRA на 20 шагах считается столько же, сколько база.

Sage Attention ставится колесом под свою версию PyTorch и CUDA, затем подключается узлом `Patch Sage Attention KJ` из KJNodes между `UNETLoader` и `BasicGuider` или флагом `--use-sage-attention`. Предупреждения о переходе части слоёв на обычный attention в консоли — норма.

Ускоренная версия с референсами FastH3-Omni вышла 20 октября 2026 года — подробности в новости [FastH3-Omni: открытые веса MiniMax H3](/ru/news/fasth3-omni).

## Как получить 2K и ролик длиннее 15 секунд

**Увеличение.** Официальный 2K локально недоступен. Документация ComfyUI предлагает неофициальный latent upscaler: файл `minimax_h3_latent_upscaler_3d_conv_v1_bf16` кладётся в `models/latent_upscale_models/`, узел **Minimax H3 Latent Upscaler (3D)** ставится после черновика (масштаб от 1 до 4, по умолчанию 2), затем ролик досчитывается в целевом размере с `denoise` 0,1–0,5. Такой путь экономит время, но не видеопамять: досчёт идёт в полном размере. Звук не меняется, пока досчёт его не затронет.

**Длина.** Узлы примут до 3 600 кадров, но модель обучена на 5–15 секундах. Длиннее — цепочкой: шаблон `video_minimax_h3_i2v_continuation` берёт последний кадр прошлого куска. Ошибки накапливаются, первыми теряют фактуру лица; режьте короткими планами.

## LoRA и дообучение MiniMax H3

- **Стилевые LoRA** конкурируют с референсами: в R2V держите их силу около 0,5.
- **Pruned и полные сборки.** LoRA, обученные на полной сборке, на pruned-сборке теряют часть весов (adaln) — ComfyUI их молча пропускает. Turbo LoRA работают на обеих.
- **Своя LoRA.** MiniMax описывает дообучение FL2VA в miles-diffusion, но эталонная машина — 8 × H200, а энкодер на этом этапе занимает около 70 ГБ ОЗУ. На домашнем компьютере это не повторить.

## Частые ошибки MiniMax H3 в ComfyUI

| Симптом | Причина и решение |
|---|---|
| Нет шаблонов или узлов H3 | ComfyUI старше 0.30.0 — обновите |
| Референсы не влияют на ролик | они подключены в шаблоне T2V или I2V, который их молча игнорирует; нужен шаблон R2V |
| R2V не работает | загружена FL2VA вместо Ref2VA |
| Картинка в I2V растянута | первый кадр подгоняется под холст без пропорций — выставьте пропорции картинки |
| Ролик чуть длиннее заданного | округление по сетке 17k+5: 5 с = 124 кадра |
| Слабый звук, неразборчивая речь | мало шагов: нужно от 12, турбо на 8 шагах проседает |
| Морфинг в конце, кривой текст с Sage | INT8-квантизация attention; переключитесь на `pruned_bf16` и Comfy Kitchen attention |
| Comfy Kitchen attention не запускается | он не работает со сборками `int8_convrot`, только с bf16 |
| Нехватка видеопамяти | сборка меньше, 0,4 Мп и 5 с, затем повышайте по одному параметру |

## Можно ли использовать MiniMax H3 в коммерции

Веса бесплатны для скачивания и запуска, а коммерческое использование результатов зависит от страны и выручки. По документации ComfyUI:

- **Вне США, ЕС, Великобритании и Южной Кореи при выручке до $20 млн в год** коммерцию покрывает бесплатная лицензия сообщества MiniMax H3. Нужна подпись «Powered by MiniMax H3», а правило территорий распространяется и на то, где показываются ролики.
- **В США, ЕС, Великобритании, Корее или при выручке больше $20 млн** нужна платная лицензия — Professional от $5 000 в месяц или Enterprise по договорённости. Продаёт её Comfy как единственный официальный реселлер.
- **В Comfy Cloud** коммерческие права уже включены.

MiniMax предупреждает, что лицензия может меняться: юридическую силу имеет её текст на странице весов.

## Когда проще не ставить MiniMax H3 локально

Локальный H3 оправдан, если у вас мощная видеокарта, нужна приватность или массовая генерация без оплаты за ролик. Если же нужен результат сегодня, без 42 ГБ загрузки и подбора сборок, MiniMax H3 доступна в генераторе AI2Face как [Hailuo](/ru/models/hailuo) — из России без VPN, с оплатой картой РФ, по СБП или криптовалютой. Стоимость ролика видна до запуска, после регистрации начисляются стартовые кредиты. Сравнение с другими видеомоделями — в обзоре [нейросетей для видео](/ru/blog/nejroseti-dlya-video).

## Выводы

MiniMax H3 в ComfyUI — самый простой путь к открытой видеомодели со звуком: шаблон, 42 ГБ файлов и 20 шагов. Начните с T2V на 0,4 Мп и 5 секундах, чтобы проверить, что всё работает, затем поднимайте разрешение до 1344×768. Если видеопамяти мало — берите `pruned_w6a8` или INT8 и турбо-LoRA для черновиков, для финала возвращайтесь к 20 шагам. Для референсов нужен отдельный Ref2VA и больше шагов, а за 2K и готовым результатом без своей видеокарты — в генератор AI2Face.

## Частые вопросы

### Сколько видеопамяти нужно для MiniMax H3 в ComfyUI?

Официального минимума нет ни у MiniMax, ни у Comfy. Ориентир — размер файла модели: от 16 ГБ у сборки w6a8 до 66 ГБ у полной bf16. По данным MiniMax, RTX 4090 на 24 ГБ с выгрузкой на процессор работает с пиком около 18 ГБ.

### Сколько весит MiniMax H3?

Шаблон T2V и I2V из ComfyUI скачивает около 42 ГБ: модель 21 ГБ, текстовый энкодер 15,7 ГБ, два VAE 3,4 ГБ и Turbo LoRA 2 ГБ. Для референсов R2V добавляется ещё около 23 ГБ.

### Что такое MiniMax H3 Turbo?

Это LoRA, которая сокращает генерацию с 20 шагов до 8 в T2V и I2V или до 4 в R2V. Ролик получается быстрее, но движение и звук становятся мягче, а референсы держатся хуже.

### Можно ли сделать 2K в MiniMax H3 локально?

Нет. Модуль H3-Regenerate-2K не выложен, 2K есть только в API MiniMax. Локально модель рассчитана на кадр около 1 Мп (1344×768); для увеличения есть неофициальный latent upscaler.

### Чем FL2VA отличается от Ref2VA?

FL2VA — модель для видео по тексту и по первому и последнему кадру, Ref2VA — для видео по референсам: фото, видео и аудио. Это разные файлы, и шаблон R2V работает только с Ref2VA.

### Можно ли использовать ролики MiniMax H3 в коммерческих целях?

Зависит от страны и выручки. Вне США, ЕС, Великобритании и Южной Кореи при выручке до $20 млн в год коммерческое использование покрывает бесплатная лицензия сообщества с подписью «Powered by MiniMax H3». В остальных случаях нужна платная лицензия.

## Источники

- 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/