メインコンテンツへスキップ
MiniMax H3 は MiniMax のオープンウェイト omni-modal モデルです。テキスト、画像、ビデオ、オーディオを単一コンテキストで理解し、ネイティブステレオオーディオ付きのビデオ(音声、SFX、音楽を一体)を 1 パスで生成します。オープンウェイトは約 100 万ピクセル(短辺 768px)、24fps、最長約 15 秒が目安です。2K はホスト型サービスの出力で、ComfyUI では別途アップスケールが必要です。
H3 のオープンウェイトはローカルで実行できます。ローカル生成した出力を商用利用するには、唯一の公式販売代理店である Comfy を通じて MiniMax 商用ライセンス が必要です。Comfy Cloud 上の生成にはすでに商用利用権が含まれています。

主な機能

  • ネイティブステレオオーディオ: 会話、SFX、音楽を 1 つの MP4 に
  • マルチモーダルコンテキスト: テキスト、画像、ビデオ、オーディオ参照を組み合わせ
  • 参照駆動生成: 参照からアイデンティティ、スタイル、モーション、カメラ、声を固定
  • 指示への追従: 参照とショットの関係を自然言語で記述
  • 正確なテキストレンダリング: 綴りとブランド要素をクリアに
  • オープンウェイト: ComfyUI でローカルにフル制御

ワークフロー索引

テンプレートライブラリ > ビデオ から MiniMax H3 ワークフローを選び、ポップアップでモデルをダウンロードします。ウェイト: Comfy-Org/MiniMax-H3。 テンプレートは現在 5 例(網羅的ではありません):t2v、i2v、r2v、multiframe_reference、fun_controlnet_union。

テキストから動画へ(T2V)

テキストプロンプトから、ネイティブのステレオオーディオ付きビデオを生成します。ComfyUI 0.30.0+。

画像から動画へ(I2V)

入力画像からビデオを生成します。先頭・末尾フレームの制御もオプションで指定できます。ComfyUI 0.30.0+。

参照から動画へ(R2V)

参照画像、ビデオ、オーディオから、キャラクター、スタイル、モーション、カメラワーク、または音声を固定します。ComfyUI 0.30.0+。

マルチフレーム参照

Add Guideノードを連結して、出力タイムライン上の特定のポイントに参照フレームを固定します。ComfyUI 0.34.0+。

Fun ControlNet Union

Canny、Depth、HED、MLSD、またはPoseのコントロールビデオでH3を駆動するか、マスクを使用してビデオインペインティングを実行できます。ComfyUI 0.35.0+(Union 2.0: 0.38.0+)。スパースアテンションと Model Attention Backend も 0.35.0+ が必要です。

プロンプトガイド

H3 向けの公式プロンプトガイド、ヒント、埋め込み

FastH3

FastVideo スパースアテンション checkpoint と高速化ワークフロー。ComfyUI 0.36.0+。
MiniMax H3 Image to Video が T2V と先頭/末尾フレーム I2V(t2va / fl2va)を、MiniMax H3 Reference to Video が R2V(ref2va)を担当します。

商用ライセンス

ローカル生成した出力の商用利用には Comfy 経由のライセンスが必要です。Comfy Cloud の生成にはすでに商用利用権が含まれます。

MiniMax 商用ライセンス

ライセンスが必要な場合、コミュニティと Professional/Enterprise のティア、見積もりの依頼方法。