# MiniMax H3在ComfyUI本地运行：文件、显卡、设置

> MiniMax H3在ComfyUI 0.30及更新版本里，用现成的T2V、I2V、R2V模板运行。第一条片子大约要42GB：模型、文本编码器Qwen3-VL-32B、两个VAE和Turbo LoRA。官方没有显存下限；最轻的构建是16GB。2K不能本地出，只在MiniMax的API里。

发布于 2026-10-26 · 更新于 2026-10-26
URL: https://ai2face.com/zh/blog/minimax-h3-comfyui

MiniMax H3是带立体声的视频模型，MiniMax在2026年8月3日开放了权重。它在ComfyUI里原生运行，不用第三方节点：文本生视频（T2V）、图生视频（I2V）和参考生视频（R2V）的模板都在模板库里。下面是要下什么、有多大、显卡该选哪个构建、怎么加速，以及模型卡在哪里。数字都来自2026年10月26日的ComfyUI和MiniMax文档。

## 在ComfyUI里跑MiniMax H3需要什么

- **ComfyUI 0.30.0或更新。** 更新的功能要更高版本：Multiframe Reference要0.34，Fun ControlNet和sparse attention要0.35，FastH3要0.36，最轻的w6a8构建要0.38。
- **够强的显卡。** ComfyUI文档里的加速（INT8、NVFP4、Sage Attention）面向NVIDIA。AMD只有在服务器环境vLLM-Omni里、通过ROCm，MiniMax才支持。MiniMax没有公布ComfyUI的最低显存，建议在自己的机器上试。下面是参照。
- **第一套模板大约42GB磁盘，参考再加大约23GB。**

H3-Base里开放了两个模型：**FL2VA** 做文本以及首尾帧视频，**Ref2VA** 做参考视频。准备参考的H3-Context-IR和放大到2K的H3-Regenerate-2K没有放出，只能走MiniMax的API。所以本地H3大约是1MP：16:9下1344×768，24帧每秒、5到15秒，立体声32kHz。

H3和上一代Hailuo 2.3差在哪、API怎么收费，见[Hailuo AI（海螺AI）](/zh/models/hailuo)页面。

## MiniMax H3要下哪些文件、放在哪

最省事的办法是打开 **Template Library → Video**，选一个MiniMax H3模板，从弹出窗口下载模型。手动的话，文件来自Hugging Face上的仓库Comfy-Org/MiniMax-H3：

| 内容 | 默认文件 | 大小 | 文件夹 |
|---|---|---|---|
| T2V和I2V模型 | `minimax_h3_fl2va_pruned_int8_convrot` | 21GB | `models/diffusion_models/` |
| R2V模型 | `minimax_h3_ref2va_pruned_int8_convrot` | 21GB | `models/diffusion_models/` |
| 文本编码器 Qwen3-VL-32B | `qwen3vl_32b_minimax_h3_nvfp4_awq` | 15.7GB | `models/text_encoders/` |
| 视频VAE | `minimax_h3_video_vae_int8_convrot` | 2.8GB | `models/vae/` |
| 音频VAE | `minimax_h3_audio_vae_fp32` | 0.6GB | `models/vae/` |
| T2V和I2V的Turbo LoRA | `minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16` | 2GB | `models/loras/` |
| R2V的Turbo LoRA | `minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16` | 2GB | `models/loras/` |

就算关掉turbo，Turbo LoRA也要在：模板加载时会检查这个文件。T2V和I2V大约42GB，加上R2V大约65GB。

```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
```

## 按显卡选MiniMax H3的构建

Comfy建议选 **能放进显存的最小构建**：CPU卸载比损失精度更贵。变的只是节点 `UNETLoader` 里的文件。量化类型由ComfyUI从文件本身读取。

| 构建 | 大小 | 什么时候用 |
|---|---|---|
| `pruned_w6a8` | 16GB | 最轻，需要ComfyUI 0.38+ |
| `pruned_int8_convrot` | 21GB | 模板默认 |
| `pruned_fp8_scaled` | 21GB | 和INT8一样大 |
| `pruned_bf16` | 40.2GB | 不量化；Comfy Kitchen attention需要它 |
| `bf16` | 66.3GB | 完整构建 |

文本编码器也有三档：NVFP4是15.7GB（模板里用的），INT8是27.1GB，bf16是51.5GB。RTX 30系没有FP8，那边INT8大约比FP16快一倍，用INT8构建。

没有专门给ComfyUI的官方测速。MiniMax公布的最近的数字，是它的服务器环境SGLang和vLLM-Omni：

| 硬件 | 模式 | 结果 |
|---|---|---|
| 1 × RTX 4090，24GB | CPU卸载 + INT8 | 显存峰值约18GB，时间看内存 |
| 2 × RTX 5090，32GB | 5秒，1344×768，50步 | 559.67秒，每张卡峰值26.3GB |
| 2 × RTX 5090，32GB（vLLM-Omni） | 相同 | 8分38秒，每张卡峰值约22.6GB |

ComfyUI模板默认20步，不是50步，所以同一张卡上片子会更快。FastH3方面，FastVideo给RTX 5090和DGX Spark准备了配置，默认480p。

## 怎么跑出第一条片子

1. 更新ComfyUI，打开模板 **[MiniMax H3](/zh/models/minimax-h3) T2V**。
2. 试跑留在 **0.4MP**，也就是16:9的864×480。这种草稿算得快，能看出场景方向对不对。
3. 成片用 **0.98MP**，或手填 **1344 × 768**。不要设1.0MP：那会得到1376×768，比模型训练的面积更大。边长是32的倍数。
4. 时长按秒填，并按帧网格 **17k+5** 向上取整：5秒是124帧，大约5.17秒。模型是按5到15秒训练的。
5. 用20步跑。简单场景12到16步够用。锁子甲、纹样这类细处，提到50步有帮助。

分辨率离1344×768越远，生成越慢、质量越低；再大也不会多出细节。全分辨率的长片最先吃满显存，那时就把百万像素降下来。

## 怎么给MiniMax H3写提示词

ComfyUI文档建议提示词用 **英文** 写，角色台词放进带语言标记的 `<d>` 标签：`<d>[Chinese] …</d>`。谁在说、怎么说，写在标签前面。MiniMax把中文列在语音稳定的11种语言里。先写整场，再写带时间码的镜头、镜头运动和声音，放在同一块里：

```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>[Chinese] 早上好。</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.
```

- **不要写负面词。** ComfyUI里的H3用 `cfg` 1，没有负面分支。“不要什么”的清单只会把那些东西加进去。写画面里应该有什么。
- **剪辑点** 用一个时间码，`At 00:03.500, the camera cuts to…`，不要写一段范围。
- **画面上的字** 用英文双引号，按字面写，用字本身的语言。

## 从图片和从参考出视频

**I2V。** 模板 **MiniMax H3 I2V** 在节点 `MiniMaxH3ImageToVideo` 里接收首帧和尾帧，运动在两帧之间生成。首帧会被拉到画布上，不保留比例；尾帧按中心裁切。模板以1:1、640×640打开，马上改成你图片的比例，否则会变形。

**R2V。** 模板 **MiniMax H3 R2V** 只能配Ref2VA，最多9张图、3段视频、3段音频。提示词里参考叫 `<Picture 1>`、`<Video 1>`、`<Audio 1>`，每一项都要写它锁定什么：脸、风格、运动、镜头或声音。

- 视频参考按每秒24帧读取，其他帧率先转好。
- 音频传的是音色，不是词。要说什么，写在提示词里。
- 要像，保持20到25步。turbo LoRA在4步时参考几乎用不上，脸和姿势会漂。

## 怎么加快MiniMax H3

| 办法 | 加速 | 代价 |
|---|---|---|
| Turbo LoRA（`turbo_mode`） | T2V和I2V用8步而不是20步，R2V用4步 | 运动和声音更软，参考更弱 |
| FastH3 8-step V2 | 8步，自带蒸馏模型 | 只有T2V和I2V，步数不能改，ComfyUI 0.36+ |
| Sage Attention | 大约2倍 | INT8上片子结尾可能有瑕疵 |
| Sparse attention `sol-attn` | 长片计算更少 | 实验性，ComfyUI 0.35+ |

声音比画面更晚稳住：台词和音色要从12步起，8步时弱的通常是音频。Turbo LoRA减的是步数，不是每步的时间：4步LoRA如果跑20步，时间和基础模型一样。

Sage Attention按你的PyTorch和CUDA版本装wheel，再用KJNodes的节点 `Patch Sage Attention KJ` 接在 `UNETLoader` 和 `BasicGuider` 之间，或加标志 `--use-sage-attention`。控制台里有些层退回普通attention的警告是正常的。

带参考的加速版FastH3-Omni在2026年10月20日发布。细节见新闻[FastH3-Omni：带声音和参考的MiniMax H3开放权重](/zh/news/fasth3-omni)。

## 怎么得到2K和超过15秒的片子

**放大。** 官方2K不能在本地用。ComfyUI文档建议用非官方的latent upscaler：把 `minimax_h3_latent_upscaler_3d_conv_v1_bf16` 放到 `models/latent_upscale_models/`，节点 **Minimax H3 Latent Upscaler (3D)** 接在草稿后面（缩放1到4，默认2），再按目标尺寸用 `denoise` 0.1到0.5做精修。这条路省时间，不省显存：精修按全尺寸跑。精修不碰到声音，声音就不会变。

**时长。** 节点最多收3600帧，但模型是按5到15秒训练的。更长就接龙：模板 `video_minimax_h3_i2v_continuation` 取上一段的最后一帧。误差会堆积，脸的质感最先掉；切成短镜头。

## MiniMax H3的LoRA和微调

- **风格LoRA** 和参考抢位置：在R2V里把强度放在0.5左右。
- **剪枝构建和完整构建。** 在完整构建上训练的LoRA，到剪枝构建会丢掉一部分权重（adaln），ComfyUI会默默跳过。Turbo LoRA两种都能用。
- **自己的LoRA。** MiniMax在miles-diffusion里写了FL2VA的微调，但参照机器是8 × H200，这一步编码器大约占70GB内存。家用电脑做不到。

## ComfyUI里MiniMax H3的常见错误

| 现象 | 原因和办法 |
|---|---|
| 没有H3模板或节点 | ComfyUI低于0.30.0，先更新 |
| 参考不影响片子 | 接在T2V或I2V模板上，模板会默默忽略；要用R2V模板 |
| R2V不工作 | 载入的是FL2VA，不是Ref2VA |
| I2V的图被拉变形 | 首帧按画布硬套、不保比例，改成图片自己的比例 |
| 片子比设定略长 | 按17k+5网格取整：5秒 = 124帧 |
| 声音弱、台词听不清 | 步数不够：至少12步，8步的turbo会掉 |
| 结尾融化，Sage下文字坏了 | attention做了INT8量化；改用 `pruned_bf16` 和Comfy Kitchen attention |
| Comfy Kitchen attention起不来 | 它不能配 `int8_convrot` 构建，只能配bf16 |
| 显存不够 | 换更小的构建，0.4MP和5秒，再一次只加一项 |

## MiniMax H3能商用吗

权重可以免费下载和运行。结果能不能商用，看国家和营收。按ComfyUI文档：

- **在美国、欧盟、英国和韩国以外，年营收低于2000万美元，** 免费的MiniMax H3社区许可覆盖商用。要标注“Powered by MiniMax H3”，地域规则也包括片子在哪里播放。
- **在美国、欧盟、英国、韩国，或年营收超过2000万美元，** 需要付费许可：Professional从每月5000美元起，Enterprise另议。出售方是唯一官方经销商Comfy。
- **在Comfy Cloud里，** 商用权利已经包含。

MiniMax提醒许可可能变更：有法律效力的是权重页面上的文本。

## 什么时候不必在本地安装MiniMax H3

本地H3适合你有强显卡、需要隐私，或者大批量生成、不按条付费的时候。如果今天就要结果，不想下42GB、也不想挑构建，MiniMax H3在AI2Face生成器里就是[Hailuo（海螺AI）](/zh/models/hailuo)。用卡或加密货币付款。片子的价格在开始前就能看到，注册后会给欢迎积分。和其他视频模型的对比，见[AI视频生成](/zh/blog/nejroseti-dlya-video)的综述。

## 结论

在ComfyUI里用MiniMax H3，是拿到带声音的开放视频模型的最短路径：一个模板、42GB文件、20步。先用T2V、0.4MP、5秒确认能跑，再把分辨率提到1344×768。显存紧就用 `pruned_w6a8` 或INT8，草稿用turbo LoRA，成片回到20步。参考要单独的Ref2VA，还要更多步。要2K，或者没有自己的显卡也要成片，就用AI2Face的生成器。

## 常见问题

### MiniMax H3在ComfyUI里要多少显存？

MiniMax和Comfy都没有公布官方下限。看模型文件大小：w6a8构建16GB，完整bf16是66GB。按MiniMax的说法，24GB的RTX 4090加上CPU卸载，峰值大约18GB。

### MiniMax H3要下载多大？

ComfyUI里的T2V和I2V模板大约下载42GB：模型21GB，文本编码器15.7GB，两个VAE共3.4GB，Turbo LoRA 2GB。R2V的参考再加大约23GB。

### MiniMax H3 Turbo是什么？

它是一个LoRA，把生成从20步减到T2V和I2V的8步，或R2V的4步。片子更快，但运动和声音会变软，参考也没那么稳。

### MiniMax H3能在本地做2K吗？

不能。H3-Regenerate-2K没有放出，2K只在MiniMax的API里。本地模型按大约1MP（1344×768）来设计；要放大可以用非官方的latent upscaler。

### FL2VA和Ref2VA有什么不同？

FL2VA做文本、以及首帧和尾帧的视频。Ref2VA做参考视频：照片、视频和音频。它们是不同的文件，R2V模板只能配Ref2VA。

### MiniMax H3的片子能商用吗？

看国家和营收。在美国、欧盟、英国和韩国以外，年营收低于2000万美元时，免费社区许可覆盖商用，但要标注“Powered by MiniMax H3”。其余情况需要付费许可。

## 资料来源

- 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/