Skip to main content
MiniMax H3는 MiniMax의 오픈 가중치 omni-modal 모델입니다. 텍스트, 이미지, 비디오, 오디오를 단일 컨텍스트에서 이해하고 네이티브 스테레오 오디오 비디오(음성, SFX, 음악 일체)를 한 번에 생성합니다. 오픈 가중치는 약 100만 픽셀(단변 768px), 24fps, 최대 약 15초가 목표입니다. 2K는 호스팅 서비스 출력이며 ComfyUI에서는 별도 업스케일이 필요합니다. 문서는 6개 페이지로 나뉩니다:
ComfyUI가 최신 버전으로 업데이트되었는지 확인하세요.이 가이드의 워크플로는 워크플로 템플릿에서 확인할 수 있습니다. 템플릿에서 찾을 수 없다면, 귀하의 ComfyUI가 오래된 버전일 수 있습니다.워크플로를 로드할 때 노드가 누락되는 경우, 가능한 원인:
  1. 최신 ComfyUI 버전(최신 테스트 버전(nightly))을 사용하고 있지 않음
  2. 일부 노드가 시작 시 가져오기에 실패함
H3의 오픈 가중치는 로컬에서 실행할 수 있습니다. 로컬에서 생성한 출력물을 상업적으로 사용하려면 Comfy(유일한 공식 유통사)를 통해 MiniMax 상업용 라이선스가 필요합니다. Comfy Cloud에서 생성한 결과물에는 이미 상업적 사용 권한이 포함되어 있습니다. 티어와 가격은 상업적 라이선스를 참조하세요.

​
주요 기능

  • 네이티브 스테레오 오디오: 대화, SFX, 음악을 하나의 MP4에
  • 멀티모달 컨텍스트: 텍스트, 이미지, 비디오, 오디오 참조 조합
  • 참조 기반 생성: 참조에서 정체성, 스타일, 모션, 카메라, 목소리 고정
  • 지시 따르기: 참조와 샷 관계를 자연어로 설명
  • 정확한 텍스트 렌더링: 철자와 브랜드 요소를 선명하게
  • 오픈 가중치: ComfyUI에서 로컬 전체 제어

​
시작하기

  1. ComfyUI 업데이트: 기본 T2V/I2V/R2V 템플릿 0.30.0+, 멀티프레임 레퍼런스 0.34.0+, Fun ControlNet Union·스파스 어텐션·Model Attention Backend 0.35.0+, FastH3 0.36.0+
  2. 템플릿 라이브러리 > 비디오 > MiniMax H3 워크플로 선택
  3. 팝업에서 모델 다운로드(수십 GB, 시간·디스크 확보)
가중치: Comfy-Org/MiniMax-H3.
풀·pruned가 모두 있으면 pruned 사용. pruned는 adaln을 공유 곡선 테이블(adaln_t_table)에 두며 ComfyUI가 파일에서 읽습니다. 템플릿은 minimax_h3_*_pruned_int8_convrot.safetensors 로드.풀 빌드에서 증류한 LoRA의 adaln 텐서는 pruned에 없음(형상 불일치로 스킵). Turbo LoRA는 adaln 없어 양쪽 빌드 가능.

​
체크포인트 정밀도 선택

VRAM에 맞는 최소 빌드 선택. UNETLoader 파일만 변경; 양자화는 checkpoint에서 읽음. LoRA는 빌드 계열 일치(풀 LoRA는 pruned에서 adaln 손실). 링크는 T2V/I2V fl2va; ref2va는 같은 폴더·크기.Comfy Kitchen attention은 int8_convrot checkpoint 실행 불가; 해당 백엔드는 bf16 선택. VRAM 부족 시 한 단계 축소. CPU offload는 정밀도보다 느림. RTX 30 시리즈 INT8 행렬 약 2× FP16, FP8 경로 없어 동일 크기에서 INT8이 FP8보다 빠른 경우 많음. 비디오·오디오 VAE 필요: 비디오 fp16/int8_convrot, 오디오 fp32. 템플릿 int8 비디오 + fp32 오디오; int8 비디오는 ComfyUI 0.36.0+ 디코드 약 2×. VAELoader에서 교체.

​
워크플로 인덱스

템플릿 6개 예시(전체 목록 아님). I2V 이어가기(video_minimax_h3_i2v_continuation) 포함.

텍스트 기반 비디오 생성 (T2V)

텍스트 프롬프트에서 네이티브 스테레오 오디오가 포함된 비디오를 생성합니다.

이미지 기반 비디오 생성 (I2V)

입력 이미지에서 비디오를 생성하며, 선택적으로 첫 번째/마지막 프레임을 제어할 수 있습니다.

레퍼런스 기반 비디오 생성 (R2V)

레퍼런스 이미지, 비디오, 오디오에서 캐릭터, 스타일, 모션, 카메라 움직임 또는 음성을 고정합니다.

멀티프레임 레퍼런스

Add Guide 노드를 체인으로 연결해 출력 타임라인의 특정 지점에 레퍼런스 프레임을 고정합니다.

Fun ControlNet Union

Canny, Depth, HED, MLSD 또는 Pose 제어 비디오로 H3를 구동하거나, 마스크로 비디오 인페인팅을 실행합니다.
MiniMax H3 Image to Video는 T2V·첫/끝 프레임 I2V(t2va/fl2va), MiniMax H3 Reference to Video는 R2V(ref2va).
참조 조건은 샘플러에 도달할 때만 적용. T2V/I2V 템플릿은 서브그래프에서 Image to Video만 샘플. 캔버스 Reference to Video는 오류 없이 무시. R2V 템플릿 또는 이를 기반한 워크플로 사용.
프롬프트: 프롬프트 가이드.

​
출력 해상도 설정

Resolution Selector가 H3 노드 width/height 설정:
  • Aspect ratio: 16:9 (Widescreen), 9:16 (Portrait Widescreen), 1:1 (Square) 등
  • Megapixels: 총 픽셀(클수록 느림)
  • Multiple: 그리드 정렬; H3는 32 유지
템플릿의 Megapixels 기본값은 0.4입니다. 16:9에서 864×480, 1:1에서 640×640(I2V 기본)입니다. 0.4 MP는 빨라서 초안용으로 충분하니, 최종 렌더 전에 Megapixels를 올리세요. 16:9 네이티브: 0.98(약 1344×768) 또는 1344 × 768. 1.0 MP(1376×768)는 768×1344 상한 초과. 학습 약 1 MP; 과대 캔버스는 디테일 증가 없음. 2K는 네이티브 생성 후 별도 업스케일.

​
고해상도 업스케일

24채널 비디오 latent latent 업스케일러로 VAE 왕복 고스팅 방지.Minimax_h3_latent_Upscaler(비공식)는 가중치와 커스텀 노드 필요. 저해상도 후 Minimax H3 Latent Upscaler (3D)(scale 1.0–4.0, 기본 2.0), 목표 해상도 재샘플. Latent 업스케일은 시간 절약, 피크 VRAM은 아님. 다듬기는 부분 디노이즈: denoise 0.1–0.5 구도 유지; 큰 변경 시만 상향. 다듬기 샘플러는 다단 히스토리 재구성 스텝 충분(「샘플러와 스케줄러」 참고). 비디오 latent(24)+오디오 latent(32) 분리. 업스케일러는 비디오 공간만; 다듬기에서 둘 디노이즈. 낮은 denoise로 1패스 오디오 유지. 완전 일치 시 다듬기 전 VAEDecodeAudio로 1패스 오디오를 최종 CreateVideo에(SaveAudioAdvanced로 무손실).

​
클립 길이

H3는 짧은 클립 학습; 노드는 넓은 범위 허용, 과장도 차단 안 함. 템플릿 duration(초)을 24fps 17k+5 프레임으로 변환. 만 해상도 긴 클립은 VRAM 먼저 소진. Megapixels 낮춤.

​
클립 연결

학습 범위 초과는 I2V 이어가기로 각 클립 마지막 프레임부터. 오차 누적(얼굴 텍스처 먼저 열화); turbo/증류는 일찍 「번」. video_minimax_h3_i2v_continuation(빈 프롬프트): 마지막 프레임 로드 후 다음 구간 설명. 연속 샷은 짧게, 번 전 컷. 긴 연결은 1패스 이후 H3-Anti-Burn-LoRA strength_model 약 0.5.

​
스텝 수

기본(Lightning LoRA 끔): 20 스텝. turbo 켬: T2V/I2V(이어가기 포함) 8, R2V·멀티프레임·Fun ControlNet 4. T2V/I2V 서브그래프 turbo_mode, turbo_steps, turbo_model_strength. 4스텝 fl2va: minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors, turbo_steps 4. 참조 샷은 스텝 더 필요: 참조 토큰 매 스텝; 4스텝 turbo는 참조 거의 미적용(포즈/얼굴 드리프트). 밀착 참조는 turbo 끄거나 25 근처. 증류 schedule은 20스텝 기준보다 디테일 평활. turbo 파일은 모드별; 스타일 LoRA 전 고정 시드 테스트. turbo_steps↑ + turbo_model_strength↓(<1)로 기본 품질·시간 trade-off. 예: 4스텝 파일 6–8스텝, 강도 ~0.8. Turbo는 schedule만 단축, 스텝당 시간 동일(로드 시 병합). 4스텝 LoRA 20스텝 ≈ 기본 20스텝 시간. 내용별:
  • 단순 샷: 12–16 스텝 종종 충분
  • 고주파 디테일(체인메일, 필리그리, 작은 물체 다수): ~50까지; 미만 시 움직임 중 삼각 격자 아티팩트(turbo worse)
  • 모션/프롬프트 이득 대부분 16 전; 50 이후 차이 작음
  • 네이티브 해상도 soft는 대개 해상도 문제
오디오는 공동 디노이즈에서 영상보다 늦게 수렴. 음성·음색 12+; 8에서 오디오 약함.

​
샘플러와 스케줄러

템플릿 res_multistep + simple. T2V/I2V/FastH3 서브그래프; R2V·멀티프레임·Fun ControlNet 캔버스 KSamplerSelect, BasicScheduler. res_multistep 2차 다단(첫 스텝 Euler). 2 샘플러 분할 시 다단 히스토리 손실. 단일 실행 또는 2번째에 충분 스텝. 기본 shift 12, audio_shift 3(모델 정의). FastH3 ModelSamplingMiniMaxH3 shift_video 10, shift_audio 3. 증류 빌드 video shift 오류(8스텝 3 vs 10) 격자 아티팩트.DMAD 4-step LoRA shift 12, audio_shift 2, lcm + simple.

​
Sage Attention으로 생성 가속

Sage Attention 약 2× 가속, 화질 영향 보통 작음(선택 설치):
  1. releases에서 PyTorch/CUDA wheel pip install
  2. KJNodes Patch Sage Attention KJ
  3. UNETLoader–BasicGuider 사이, sage_attention auto
  4. 또는 --use-sage-attention
일부 H3 레이어는 float16/bfloat16 외 → PyTorch attention 폴백(콘솔 경고 정상).

​
INT8 어텐션 화질 저하

클립 말 morph·화면 글자 깨짐은 INT8 attention 양자화 흔함.
  • 템플릿 int8_convrot. Comfy Kitchen 미지원(issue #15529). 기본 attention 또는 pruned_bf16 후 백엔드 변경.
  • bf16에서 Comfy Kitchen attention(양자화 전 채널 회전) 유사 속도로 아티팩트 제거.
BasicGuider 모델 경로 Model Attention Backend(comfy kitchen attention) 또는 --use-ck-attention(0.32.0+). comfy-kitchen INT8 커널 필요.

​
스파스 어텐션으로 생성 가속

Model Sparse Attention(0.35.0+, 실험) 긴 클립 attention 비용 절감. 베이스 H3 sol-attn(sla/vsa는 대응 가중치). CUDA + comfy-kitchen sol_attn, 없으면 dense.
  • 기본 start_percent 0.2, end_percent 1.0. ~0.4 시작·0.9 종료로 처음/끝 프레임 보호.
  • H3 sink_conditioning exact_kv_and_rows 유지.
  • tau: 클수록 sparse/빠름(1.0 ~16% 정확 블록, 1.3 기본, 2.0 ~2.7%).
  • min_tokens(기본 12288) 미만 이득 작음.
FastH3 vsa, keep_percent 10; FastH3 페이지.

​
상업적 라이선스

H3의 오픈 가중치는 무료로 다운로드하고 실행할 수 있습니다. 로컬에서 생성한 출력물을 상업적으로 사용하려면 Comfy(유일한 공식 유통사)를 통해 판매되는 MiniMax 상업용 라이선스가 필요합니다. Comfy Cloud에서 생성한 결과물에는 이미 상업적 사용 권한이 포함되어 있으므로, 라이선스가 필요한 것은 로컬 사용의 경우뿐입니다. 라이선스가 필요한가요?
  • Comfy Cloud: 상업적 사용이 포함되어 있습니다. 별도 구매가 필요 없습니다.
  • 미국, EU, 영국, 한국 외 지역의 자체 하드웨어에서 실행하고 연 매출이 2,000만 달러 미만: MiniMax 무료 커뮤니티 라이선스로 상업적 사용이 가능합니다. “Powered by MiniMax H3” 크레딧을 표시하세요. 동일한 지역 규칙이 결과물의 사용 지역에도 적용됩니다.
  • 미국, EU, 영국 또는 한국의 자체 하드웨어에서 실행하거나 연 매출이 2,000만 달러 초과: 아래 두 라이선스 중 하나가 필요합니다.
라이선스는 두 가지 티어로 제공됩니다: Professional은 월 $5,000부터입니다. Enterprise는 정가가 없으며 생성량과 팀 규모에 따라 견적을 제공합니다. 두 티어 모두 하나의 계약으로 MiniMax H3와 MiniMax Audio & Music을 포함합니다. 라이선스 요청으로 견적을 받으세요.