Skip to main content
FastVideo FastH3 は、FastVideo チームが MiniMax H3 を DMD2 で蒸留したチェックポイントで、ベースモデルの完全なスケジュールの代わりに 8 サンプリングステップでネイティブ同期オーディオ付きの動画を生成します。H3 のテキストエンコーダー、動画 VAE、オーディオ VAE をそのまま使うため、出力設定はベースモデルと同じままで、サンプリングだけが大幅に短縮されます。 FastH3 プレビューは Nuva Lab と NVIDIA FastGen チームとの共同開発によるものです。蒸留の詳細は FastH3 発表記事 を参照してください。ComfyUI に同梱されているのは 8 ステップ V2 チェックポイントで、Comfy-Org が FastVideo-FastH3-Comfy リポジトリで再パッキングしました。 FastH3 は、動きとオーディオの忠実度をいくらか犠牲にして速度を得るモデルです。ドラフト、反復、短時間での仕上げに適しています。最高品質が必要な場合はベースの MiniMax H3 ワークフローを使用してください。
この蒸留チェックポイントはテキストから動画、最初と最後のフレームによる画像から動画のみに対応しています。Ref2VA（マルチリファレンス条件付け）は蒸留されていません。リファレンスベースの生成にはベースの MiniMax H3 ワークフロー を使用してください。

​
要件

  • ComfyUI 0.36.0 以降
  • MiniMax H3 のテキストエンコーダーと VAE（ベースモデルと共通、下記の一覧を参照）

​
FastH3 テキストから動画

テキストプロンプトから 8 ステップで同期オーディオ付きの動画を生成します。

ワークフローをダウンロード

JSON をダウンロード、またはテンプレートライブラリで “FastVideo FastH3: Text to Video” を検索

​
プロンプトのコツ

  1. シーン全体を説明する: まず全体のシーン（場所、キャラクター、何が起きているか）を述べ、次に時間順のショットに分割します
  2. ショット・カメラ・オーディオ: ショット、カメラワーク、伴奏オーディオ（セリフ、効果音、音楽）を 1 つのプロンプトブロックで記述します
  3. 解像度: H3 のネイティブキャンバスは短辺 768px、上限は 768x1344 で、解像度は 32 の倍数に丸められます
  4. 長さ: 長さの入力は、24fps におけるモデルの 17 フレーム/ブロック（17k+5）グリッドにスナップされます
  5. ステップ数は 8 で固定: この蒸留チェックポイントは 8 ステップで学習されています。スケジューラのステップ数を変更すると品質が低下します
プロンプト作成のリソースについては、プロンプトガイド を参照してください。

​
FastH3 画像から動画

静止画を同期オーディオ付きで動かします。最初と最後のフレームの制御にも対応しています。

ワークフローをダウンロード

JSON をダウンロード、またはテンプレートライブラリで “FastVideo FastH3: Image to Video” を検索
入力素材 このファイルを対応する LoadImage ノードにアップロードするか、自分の画像を使用してください:

red_line_barrier.png

画像から動画ワークフローのサンプル最初のフレーム

​
最初と最後のフレームモード

MiniMaxH3ImageToVideo ノードの first_frame と/または last_frame に画像を接続すると、2 つのキーフレーム間の動きを生成します。どちらも接続しない場合はテキストから動画になります。

​
プロンプトのコツ

  1. 動きとオーディオを説明する: 見た目は画像が担うため、プロンプトは動き、カメラ、伴奏オーディオに集中してください
  2. 長さ: 長さの入力は、24fps におけるモデルの 17 フレーム/ブロック（17k+5）グリッドにスナップされます
  3. ステップ数は 8 で固定: スケジューラは 8 ステップのままにしてください。チェックポイントはそのスケジュールで蒸留されています

​
モデルダウンロード

拡散モデルは FastVideo リポジトリから、テキストエンコーダーと VAE はベースの MiniMax H3 モデルと共通です。

拡散モデル: fastvideo_fasth3_8step_v2_pruned_int8_convrot

ComfyUI/models/diffusion_models/ に配置

テキストエンコーダー: qwen3vl_32b_minimax_h3_nvfp4_awq

ComfyUI/models/text_encoders/ に配置

VAE: minimax_h3_video_vae_fp16

ComfyUI/models/vae/ に配置

VAE: minimax_h3_audio_vae_fp32

ComfyUI/models/vae/ に配置

​
モデルの保存場所

​
ワークフロー構造のメモ

両方の FastH3 ワークフローは、ベースの H3 構成と以下のノードを共有し、蒸留固有の設定が加わっています:
  • BlockSparseAttention: Video Sparse Attention（VSA）を keep_percent 10、スケジュールの 20% から実行し、品質を保ちながら注意計算のコストを削減します
  • MiniMaxH3SigmaShift: 蒸留スケジュールに合わせた H3 シグマシフト（動画 10、オーディオ 3）を適用します
  • ComfyMathExpression: 長さの入力を、24fps の 17k+5 グリッド上の有効なフレーム length に変換します
  • サンプラー: res_multistep サンプラー、simple スケジューラ、8 ステップ