Generación de video con la API de MiniMax H3 en ComfyUI

MiniMax H3 es el modelo de generación omni-modal de propósito general de MiniMax, disponible en ComfyUI a través de los nodos de la API de MiniMax H3. Los flujos de trabajo de la API ejecutan la generación en los servidores de MiniMax, así que no necesitas descargar modelos ni contar con una GPU local, y cada segundo de video generado se factura a tu cuenta de Comfy API. MiniMax H3 genera video con audio estéreo nativo: la voz, los efectos de sonido y la música se modelan juntos en un solo forward pass en lugar de añadirse después. La salida alcanza hasta 2K de resolución, con 5-15 segundos por clip. MiniMax H3 Max es una variante de MiniMax H3 con post-entrenamiento de fal para la generación de alta velocidad, añadida a los mismos nodos de la API en ComfyUI 0.34.2. Genera más rápido que en tiempo real, acepta un prompt de hasta 50,000 caracteres y ofrece resoluciones de 480P y 768P con un gráfico opcional de dos etapas creado con nodos que ComfyUI ya soporta: primero la mejora del prompt mediante el nodo MiniMax H3 Context IR y luego la regeneración a 2K con el nodo Regenerar MiniMax H3 a 2K. MiniMax H3 Max Turbo es una opción de H3 Max más rápida y económica, añadida a los nodos Text to Video y First-Last-Frame en ComfyUI 0.34.4. Renderiza en 480P o 768P y quita los controles de relación de resolución en el nodo First-Last-Frame, donde la relación de salida sigue a los fotogramas de entrada.

​

Para qué es bueno MiniMax H3

• Audio estéreo nativo: La voz, los efectos de sonido y la música se modelan junto con el video en una sola pasada hacia adelante, en lugar de agregarse después por capas
• Salida de alta resolución: Hasta 2K de resolución con clips de 5 a 15 segundos
• Texto a video: Genera videos, con audio, a partir de prompts de texto
• Video de primer y último fotograma: Genera el movimiento entre un primer fotograma y una imagen opcional de último fotograma
• Generación condicionada por referencias: Genera videos condicionados por hasta 9 imágenes de referencia, 3 videos de referencia y 3 clips de audio de referencia
• MiniMax H3 Max: Una variante más rápida con salida 480P/768P, prompts largos y una etapa opcional de upscale a 2K. El nodo Reference acepta hasta 12 archivos de referencia en H3 Max
• MiniMax H3 Max Turbo: La opción de H3 Max más rápida para los nodos Text to Video y First-Last-Frame, a aproximadamente la mitad de la tarifa por segundo de Max

​

Salidas de ejemplo

Generación de texto a video a partir de un solo prompt, con audio estéreo nativo: Generación de primer y último fotograma, con el modelo creando el movimiento entre dos fotogramas:

​

Flujos de trabajo de la API de MiniMax H3

La biblioteca de plantillas incluye tres flujos de trabajo de ejemplo de API para el modelo base H3, cuatro para H3 Max y dos para H3 Max Turbo:

• Text to Video: Genera videos a partir de prompts de texto
• First-Last-Frame to Video: Genera un video entre una imagen de primer y último fotograma
• Reference to Video: Genera videos condicionados por imágenes, videos y audio de referencia
• H3 Max T2V / I2V / FLF2V / R2V: Los mismos modos a través del modelo MiniMax H3 Max, más rápido, con mejora de prompt opcional y etapas de ampliación a 2K integradas en cada flujo de trabajo
• H3 Max Turbo T2V / I2V: Texto a video y video de primer/último fotograma a través del modelo MiniMax H3 Max Turbo, el más rápido, con las mismas etapas opcionales de mejora de prompt y ampliación a 2K

​

MiniMax H3 Max

Las cuatro plantillas api_minimax_h3_max_* se ejecutan en el modelo MiniMax H3 Max a través de los mismos nodos API: los nodos Text to Video y First-Last-Frame recibieron una opción H3 Max en ComfyUI 0.34.2, y el nodo Reference to Video en 0.34.3. Actualiza ComfyUI a la versión 0.34.3 como mínimo para ejecutarlas todas. H3 Max genera más rápido que en tiempo real y cobra tarifas más bajas que el modelo base: 15.09 créditos/s a 480P y 24.14 créditos/s a 768P (consulta la tabla de precios de Minimax). Cada plantilla Max añade dos etapas opcionales detrás de un nodo Switch, ambas desactivadas de forma predeterminada:

1. Prompt enhance: Reescribe el prompt con el nodo MiniMax H3 Context IR antes de la generación. Activa el booleano Prompt Enhance para habilitarla
2. Upscale to 2K: Ejecuta el nodo Regenerar MiniMax H3 a 2K sobre el video de la primera pasada. Activa el booleano Upscale to 2K para habilitarla

Ten en cuenta lo siguiente al conectar una plantilla Max:

• Genera a 768P si planeas ampliar: el nodo Regenerar MiniMax H3 a 2K solo acepta video fuente de 768P
• Iguala las duraciones entre nodos: la generación y la mejora de prompt deben usar la misma duración, o las etapas se desincronizan. El nodo Regenerar MiniMax H3 a 2K no tiene entrada de duración; vuelve a renderizar el video de 768P enviado con su duración original
• Duplica las entradas adicionales: los tres nodos no comparten el contexto adicional automáticamente. Si agregas un video de referencia, audio u otra imagen, conecta los mismos cables tanto en el nodo Context IR como en el nodo Regenerar MiniMax H3 a 2K

​

MiniMax H3 Texto a Video

Genera videos a partir de prompts de texto mediante la API de MiniMax H3, con audio estéreo nativo.

​

Consejos para escribir prompts

1. Prompt: Describe la escena completa y el audio que la acompaña (diálogos, SFX, música) en un solo bloque
2. Duración: La entrada de duración admite de 5 a 15 segundos; el flujo de trabajo incluye una vista previa rápida de 5 segundos
3. Resolución y relación: La API renderiza en 2K; elige un preset de relación de aspecto como 16:9, 9:16 o 1:1
4. Marca de agua: La marca de agua AIGC está desactivada de forma predeterminada; actívala en las configuraciones avanzadas del nodo si es necesario

​

Guía para escribir prompts

MiniMax publica una guía oficial para escribir prompts de video para los modos de generación base: T2VA, I2VA, FL2VA y L2VA. La guía explica cómo estructurar un prompt en planos con duración definida, movimiento de cámara y audio (diálogos, SFX, música), e incluye ejemplos para cada modo.

​

MiniMax H3 Max: Texto a Video

Genera videos a partir de prompts de texto con el modelo H3 Max, más rápido. La plantilla renderiza en 768P de forma predeterminada, con etapas opcionales de mejora de prompt y ampliación a 2K.

​

MiniMax H3 Max Turbo: Texto a Video

Genera videos a partir de prompts de texto con el modelo H3 Max Turbo, el más rápido. La plantilla renderiza en 768P y 1:1 de forma predeterminada, con las mismas etapas opcionales de mejora de prompt y ampliación a 2K que las plantillas Max. Requiere ComfyUI 0.34.4 o posterior.

​

MiniMax H3 Primer-Último Fotograma a Video

Genera un video entre un primer fotograma y una imagen opcional de último fotograma a través de la API de MiniMax H3. La relación de aspecto de la salida sigue a las imágenes de entrada.

​

Consejos para escribir prompts

1. Fotogramas: la entrada first_frame es requerida; last_frame es opcional. El modelo genera el movimiento entre ellos
2. Relación de aspecto: la salida sigue a las imágenes de entrada, así que mantén ambos fotogramas con la misma relación de aspecto
3. Restricciones de imagen: el ancho y el alto de cada fotograma deben estar entre 256 y 5760 píxeles, con una relación de aspecto entre 2:5 y 5:2
4. Prompt: describe la transición entre los fotogramas y el audio (diálogo, SFX, música) que quieres

​

Guía para escribir prompts

MiniMax publica una guía oficial para escribir prompts de video para los modos de generación base: T2VA, I2VA, FL2VA y L2VA. La guía explica cómo estructurar un prompt en planos con duración definida, movimiento de cámara y audio (diálogo, SFX, música), e incluye ejemplos para cada modo.

​

MiniMax H3 Max: Image to Video

Anima una imagen fija en el modelo H3 Max, más rápido. La plantilla introduce un primer fotograma en el nodo First-Last-Frame (el último fotograma sigue siendo opcional) e incluye etapas opcionales de mejora del prompt y ampliación a 2K.

​

MiniMax H3 Max Turbo: Image to Video

Anima una imagen fija en el modelo H3 Max Turbo, el más rápido. La plantilla introduce un primer fotograma en el nodo First-Last-Frame e incluye etapas opcionales de mejora del prompt y ampliación a 2K. Requiere ComfyUI 0.34.4 o posterior.

​

MiniMax H3 Referencia a Video

Genera videos condicionados por imágenes, videos y audio de referencia a través de la API de MiniMax H3.

​

Consejos para el prompt

1. Referencia por etiqueta: haz referencia a cada entrada por su orden en el prompt, por ejemplo Image 1, Video 1 o Audio 1
2. Límites: hasta 9 imágenes de referencia, 3 videos de referencia y 3 clips de audio de referencia. Cada video o clip de audio debe durar entre 2 y 15 segundos; el total de video y audio de referencia está limitado a 15 segundos cada uno
3. El audio necesita un ancla visual: el audio de referencia no se puede usar sin al menos una imagen o un video de referencia
4. Requisitos de video: los videos de referencia deben tener entre 23.976 y 60 FPS
5. Prompt: asigna una tarea a cada referencia (identidad, estilo, movimiento, voz) y describe la toma objetivo; las asignaciones explícitas suelen funcionar mucho mejor

​

Guía para escribir prompts

MiniMax publica una guía oficial de prompts para el modo de referencia completa para la generación basada en referencias (R2V). La guía cubre la estructura del resultado de la reescritura, incluidas las definiciones de sujeto, las etiquetas de referencia y el análisis de retención, y cómo asignar un rol a cada referencia en la toma objetivo.

​

MiniMax H3 Max: Primer y último fotograma a video

Genera un video entre una imagen de primer fotograma y una de último fotograma con el modelo H3 Max, más rápido, con mejora opcional del prompt y etapas de ampliación a 2K.

​

MiniMax H3 Max: Referencia a video

Genera videos condicionados por medios de referencia con el modelo H3 Max, más rápido. El nodo Reference acepta hasta 12 archivos de referencia en total en H3 Max, con una opción reference_detail que intercambia resolución de la imagen de referencia por costo.