Saltar al contenido principal
MiniMax H3 es el modelo omni-modal de pesos abiertos de MiniMax. Comprende texto, imágenes, video y audio en un solo contexto, y genera video con audio estéreo nativo (voz, efectos de sonido y música en una sola pasada). Los pesos abiertos apuntan a cerca de 1 megapíxel (768 px en el lado corto) a 24 fps, durante un máximo de ~15 segundos. 2K es una salida del servicio alojado y requiere un paso de upscale aparte en ComfyUI.
Los pesos abiertos de H3 te permiten ejecutar el modelo de forma local. El uso comercial de las salidas generadas localmente requiere una licencia comercial de MiniMax, disponible a través de Comfy, el único revendedor oficial. Las generaciones en Comfy Cloud ya incluyen derechos comerciales.

Características clave

  • Audio estéreo nativo: Diálogos, SFX y música en un solo MP4
  • Contexto multimodal: combina referencias de texto, imagen, video y audio
  • Generación guiada por referencias: fija la identidad, el estilo, el movimiento, la cámara o la voz a partir de referencias
  • Seguimiento de instrucciones: describe las relaciones entre referencias y tomas en lenguaje natural
  • Renderizado de texto preciso: texto legible bien escrito y elementos de marca
  • Pesos abiertos: control local total en ComfyUI

Índice de flujos de trabajo

Elige un flujo en Biblioteca de plantillas > Video y descarga los modelos desde la ventana emergente. Pesos: Comfy-Org/MiniMax-H3. Hoy se incluyen cinco flujos de trabajo de plantilla (son ejemplos, no una lista exhaustiva): t2v, i2v, r2v, multiframe_reference y fun_controlnet_union.

Texto a video (T2V)

Genera videos a partir de prompts de texto con audio estéreo nativo. ComfyUI 0.30.0+.

Imagen a video (I2V)

Genera videos a partir de una imagen de entrada, con control opcional de primer y último fotograma. ComfyUI 0.30.0+.

Referencia a video (R2V)

Fija un personaje, un estilo, un movimiento, un movimiento de cámara o una voz a partir de imágenes, videos y audio de referencia. ComfyUI 0.30.0+.

Referencia multifotograma

Ancla fotogramas de referencia en puntos concretos de la línea de tiempo de salida con nodos Add Guide encadenados. ComfyUI 0.34.0+.

Fun ControlNet Union

Controla H3 con un video de control Canny, Depth, HED, MLSD o Pose, o realiza relleno inteligente de video con una máscara. ComfyUI 0.35.0+ (Union 2.0: 0.38.0+). La atención dispersa y Model Attention Backend también requieren 0.35.0+.

Guía de prompts

Guías oficiales de prompts, consejos y embeddings para H3

FastH3

Checkpoints de atención dispersa FastVideo y flujos orientados a velocidad. ComfyUI 0.36.0+.
MiniMax H3 Imagen a Video cubre T2V y la I2V de primer y último fotograma (t2va / fl2va). MiniMax H3 Referencia a Video cubre R2V (ref2va).

Licencia comercial

El uso comercial de salidas generadas en local requiere una licencia de Comfy. Las generaciones en Comfy Cloud ya incluyen derechos comerciales.

Licencia comercial de MiniMax

Cuándo necesitas licencia, niveles comunitario vs Profesional y Empresa, y cómo solicitar una cotización.