Skip to main content
MiniMax H3 是 MiniMax 推出的通用全模态生成模型，现已以开放权重形式提供。它能在单一上下文中联合理解文本、图像、视频和音频，并生成带原生立体声音频的视频：语音、音效和音乐在单次前向传播中一并建模，而非事后叠加。输出最高支持 2K 分辨率、24fps，时长约 15 秒。 ComfyUI 原生支持 MiniMax H3。文档分为五个页面：
  • 概述（本页）：模型能力、工作流索引、输出分辨率与加速技巧
  • 原生工作流：文生视频、图生视频、参考生视频，以及高级原生节点技巧
  • 多帧参考：将参考帧锚定在输出时间线上的特定位置
  • Fun ControlNet Union：使用控制视频驱动 H3，或使用遮罩进行视频修补
  • 提示词指南：MiniMax 官方提示词编写指南、通用技巧与提示词嵌入
H3 的开放权重让你可以在本地运行该模型。对本地生成的输出进行商业使用需要 MiniMax 商业许可证，该许可证可通过 Comfy（唯一官方经销商）获取。在 Comfy Cloud 上生成的输出已包含商业使用权。

​
主要功能

  • 原生立体声音频：对话、音效和音乐可与视频一同生成，并在同一个 MP4 文件中同步
  • 多模态上下文：文本、图像、视频和音频参考可在单次生成中组合使用
  • 参考驱动生成：从参考素材中锁定角色身份、风格、动作、相机运镜或声音
  • 指令遵循：使用自然语言描述参考素材与目标镜头之间的关系
  • 准确的文本渲染：拼写文本和品牌元素渲染清晰
  • 开放权重：在 ComfyUI 中本地运行，可完全控制每个参数

​
入门

ComfyUI 支持开放权重的 MiniMax H3。开始使用：
  1. 将 ComfyUI 更新到 0.30.0 或更高版本
  2. 前往模板库 > 视频，选择任意一个 MiniMax H3 工作流
  3. 按照弹出窗口的提示下载模型并运行工作流
模型文件托管在 Hugging Face 的 Comfy-Org/MiniMax-H3 仓库中。

​
工作流索引

模板库目前附带五个示例工作流。它们只是示例模板，并非完整列表：通过原生 MiniMax H3 节点，该模型支持更多生成模式，您可以使用这些节点构建更多工作流。

文生视频（T2V）

根据文本提示词生成视频，并带有原生立体声音频

图生视频（I2V）

根据输入图像生成视频，并支持可选的首帧/尾帧控制

参考生视频（R2V）

通过参考图像、视频和音频，锁定角色、风格、动作、相机运动或声音

多帧参考

使用链式连接的 Add Guide 节点，将参考帧锚定在输出时间线上的指定位置

Fun ControlNet Union

使用 Canny、Depth、HED、MLSD 或 Pose 控制视频驱动 H3，或使用遮罩执行视频 inpainting
底层节点模式：首帧/尾帧图生视频（fl2va）通过 MiniMaxH3ImageToVideo 节点实现；参考驱动的生成（ref2va）通过 MiniMaxH3ReferenceToVideo 节点实现，可使用图像、视频和音频作为参考。 提示词编写资源(官方指南、通用技巧与提示词嵌入)请参见提示词指南。

​
设置输出分辨率

每个工作流都使用一个 Resolution Selector（分辨率选择器） 节点来控制总体输出尺寸。该节点根据三个设置计算 width 和 height，其输出直接连接到 MiniMax H3 节点的 width 和 height 输入：
  • 宽高比：选择一个预设，例如 16:9 (Widescreen)、9:16 (Portrait Widescreen) 或 1:1 (Square)
  • 百万像素：输出的目标总像素数。数值越大画面越大，数值越小生成越快
  • 取整倍数：计算结果会取整到该数值的最近倍数。保持为 32，与 H3 的分辨率网格一致
模板默认使用一个较快的预览尺寸。要获得全质量输出，请在 16:9 下将分辨率选择器的百万像素设为 0.98，即 H3 的原生画布（短边 768px，16:9 下为 1344x768）；或在 MiniMax H3 节点的 width 和 height 中直接输入 1344 x 768（默认值）。请跳过 1.0 百万像素档：它得到 1376x768，超出模型 768x1344 像素的面积上限。

​
使用 Sage Attention 加速生成

示例工作流默认使用标准注意力实现。使用 Sage Attention 可以将生成速度大约提升一倍，质量损失极小。Sage Attention 是可选依赖，需要你自行安装：
  1. 安装 sageattention Python 包。从 SageAttention releases 页面下载与你 PyTorch 和 CUDA 版本匹配的 wheel 文件，然后用 pip install <wheel-file> 安装。
  2. 安装 KJNodes 自定义节点，它提供了 Patch Sage Attention KJ 节点。可以使用 ComfyUI Manager 安装，或将仓库克隆到 ComfyUI/custom_nodes/ 后重启 ComfyUI。
  3. 在工作流中添加 Patch Sage Attention KJ 节点，并将其连接在 UNETLoader 和 BasicGuider 节点之间：它的 model 输入接收来自 UNETLoader 的模型，model 输出连接到 BasicGuider 的 model 输入。将 sage_attention 设置为 auto。
  4. 照常运行工作流。只需要给 guider 打补丁；scheduler 只负责生成 sigmas，可以保持不变。
注意：
  • Sage Attention 要求 float16 或 bfloat16 张量。MiniMax H3 的部分层使用其他数据类型，因此你可能会在控制台看到 “Input tensors must be in dtype of torch.float16 or torch.bfloat16, using pytorch attention instead” 消息。这是正常现象；受影响的层会回退到标准注意力，生成仍然可以正常工作。
  • 另一种方式是使用 --use-sage-attention 启动参数启动 ComfyUI 来全局启用 Sage Attention，无需添加节点。