MiniMax H3 的 ComfyUI 部署指南

2026 年 8 月 3 日，MiniMax H3 以开放权重的形式发布，ComfyUI 也在同一天上线了原生支持。

这是一款能够同时处理文本、图像和音频的新一代模型，可生成带有立体声音频的视频。不过，它也存在一些官方博客和早期评测很少提及的实际限制：本地运行时的分辨率上限，以及商业许可证中的地区限制。

本文将介绍如何在 ComfyUI 0.30.0 及以上版本中完成配置、如何根据 VRAM 选择模型、如何使用三种工作流（T2V/I2V/R2V），以及截至 2026 年 8 月需要注意的许可证问题。

MiniMax H3 是中国 MiniMax 于 2026 年 8 月 3 日发布的一款开放权重视频生成模型。

它是海螺系列的第三代产品，也是该公司首次公开模型权重。ComfyUI 在模型发布当天便加入了原生支持。

• 模型架构：拥有 331 亿参数的单流 omni transformer（其中约 130 亿参数位于 AdaLN-modulation 分支中；如果只进行推理，则无须加载这些参数）
• 文本编码器：Qwen3-VL-32B
• 输出：最长 15 秒、24fps，并带有立体声音频
• 支持的任务：Text-to-Video（T2V）、Image-to-Video（I2V，支持指定起始帧和结束帧）、Reference-to-Video（R2V）
• 支持的语言：包括日语在内的 11 种语言
• Checkpoint：分为两个系列——FL2VA（处理 T2V/I2V）和 Ref2VA（处理由参考内容驱动的 R2V）

在 ComfyUI 中开始使用 MiniMax H3

下面介绍如何在本地 ComfyUI 中运行 MiniMax H3，涵盖从配置到生成的完整流程。

第 1 步：将 ComfyUI 更新至最新版本

MiniMax H3 对 GPU 性能的要求相当高，因此开始之前，请确保你的硬件资源留有足够余量。

启动 ComfyUI，并在继续操作之前将其更新至最新版本。更新完成后，即可开始安装模型数据。

第 2 步：获取模型数据

接下来，下载视频生成所需的模型数据。

模型通过 Hugging Face 上的 Comfy-Org/MiniMax-H3 仓库分发。MiniMax 的官方仓库（MiniMaxAI/MiniMax-H3）包含所有精度和格式的文件，总大小约为 498GB；但如果只下载 ComfyUI 实际需要的文件，通常只需几十 GB。

视频生成需要三部分模型数据：

加载工作流后，界面中会显示所需下载文件的列表。你可以按照顺序逐个下载，也可以使用以下命令一次性获取全部文件：

# Video model data
cd ComfyUI/models/diffusion_models
wget https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors

# Text encoder
cd ComfyUI/models/text_encoders
wget https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors

# VAE
cd ComfyUI/models/vae
wget https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/vae/minimax_h3_audio_vae_fp32.safetensors
wget https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/vae/minimax_h3_video_vae_fp16.safetensors

第 3 步：启动 ComfyUI 并打开工作流

本指南使用官方提供的组合工作流。

从 Comfy 的文档中下载官方工作流。

（来源：docs.comfy.org）

将下载的工作流文件拖放到 ComfyUI 画布中，然后确认所有节点均已正确加载。

第 4 步：输入 prompt 并开始生成（T2V）

MiniMax H3 的 Text-to-Video 模式只需相对简单的 prompt，就能生成高质量视频。

在 prompt 字段中使用自然语言描述场景，然后单击“▷Queue”按钮开始生成。

使用 MiniMax H3（ComfyUI）生成的视频：

充满情感张力的动漫角色电影。图 1 中的女孩仍处于原来的场景：室内一条沐浴着温暖阳光的木质走廊，富有戏剧性的暖金色逆光与柔和的环境补光照亮空间，深沉而柔和的阴影逐渐过渡为浓郁的琥珀色调。整体采用温暖的单色调色板，以金色光线为主，并由女孩双眼中的柔和蓝色作为点缀。情感意象：一只拼命伸出的手，以及一滴正在坠落的眼泪。整个过程中环境保持不变。

SHOT 1：画面完全从图 1 的场景开始，女孩绝望地向镜头伸出手；泪水逐渐盈满她的双眼，金色逆光略微增强、闪动，尘埃微粒从她身旁缓缓飘过。镜头缓慢而克制地向前推进，聚焦于她因用力伸展而紧绷的手指，以及泪光闪烁的双眼。

SHOT 2：切换至极近距离的侧脸特写，她的泪水终于从泛红的脸颊滑落；镜头沿着她的面庞缓慢移动，温暖的气流吹动几缕散落的发丝，她的衣领和领带也在轻轻颤动。

SHOT 3：切换至一个低机位、带有倾斜角度的广角镜头：她失去平衡，身体向前倾倒，双马尾剧烈甩动；正在远去的人影所发出的脚步声逐渐消失在画面之外。温暖的光线在她湿润的双眼边缘轻柔绽放，随后画面定格为柔和的静止瞬间——她落下的手终究只差一点便能触及目标。

音频：柔和的室内环境底噪、颤抖而绝望的呼吸声、衣料摩擦声、微弱的发饰清响、木地板上逐渐远去的脚步声，以及渐渐高涨的钢琴与弦乐情感配乐；在最后一拍，所有声音归于低沉、屏息般的寂静。

第 5 步：通过图像生成视频（I2V）

MiniMax H3 也可以使用单张参考图像生成视频。

该工作流可以在同一个官方工作流页面中获取。

按照镜头（SHOT 1–3）组织你的 prompt，然后单击“▷Queue”开始生成。

使用 I2V 生成的视频：

常见错误及解决方法

ComfyUI 中未显示 MiniMax H3 节点

你的 ComfyUI 版本低于 0.30.0。请更新至最新版本。需要注意的是，Desktop 和 Cloud 版本会跟随稳定版发布，因此更新可能会有所延迟。

VRAM 不足或内存占用过高

diffusion model 请使用 pruned int8，而不是 bf16；文本编码器则使用 nvfp4 AWQ。如果资源仍然紧张，可以降低 Resolution Selector 中的百万像素数量，或缩短视频时长。

使用 256p 等低分辨率时生成失败

MiniMax H3 支持的最低分辨率为 384p。任何等于或低于 256p 的分辨率都会导致生成失败，请改用模板中提供的分辨率预设。

输出视频中没有音频

检查是否同时加载了 minimax_h3_video_vae_fp16.safetensors（视频）和 minimax_h3_audio_vae_fp32.safetensors（音频），并确认 VAEDecodeAudio 节点已连接至 SaveVideo 节点。

不确定 I2V 应该使用哪个 checkpoint

T2V 和 I2V（包括指定起始帧和结束帧）应使用 FL2VA 系列；由参考内容驱动的 R2V 应使用 Ref2VA 系列。二者使用不同的权重，如果混用，工作流将无法正常运行。

MiniMax H3 许可证与商业使用

MiniMax H3 采用名为“MiniMax H3 Community License”的自定义许可证发布。

截至本文写作时，已确认的主要条款如下：

（信息截至 2026 年 8 月。）

这一地区限制条款已成为海外技术博客在讨论 MiniMax H3 时重点关注的话题。如果你计划将其集成到商业服务中，请在作出决定之前，与法务团队共同核查许可证原文，即 Hugging Face 上的 LICENSE 文件。

本文中的任何内容均不构成法律建议。

MiniMax H3/LICENSE：https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE

以上介绍了如何使用开放视频生成模型中的最新产品 MiniMax H3。

它是当前视频生成领域最强大的免费开源选择之一，值得趁其刚刚发布之际深入研究。

本文经过 AI 辅助编辑。*最初以日语发布于 EdgeHUB。

如需采取进一步措施，你可以考虑屏蔽此人和/或举报滥用行为。