MiniMax H3: ComfyUI 워크플로 예시

• 텍스트 기반 비디오 생성 (T2V): 텍스트 프롬프트에서 비디오를 생성합니다
• 이미지 기반 비디오 생성 (I2V): 입력 이미지에서 비디오를 생성하며, 선택적으로 첫 번째/마지막 프레임 제어 옵션을 지원합니다
• 레퍼런스 기반 비디오 생성 (R2V): 레퍼런스 이미지, 비디오, 오디오에서 캐릭터, 스타일, 모션, 카메라 무브 또는 음성을 고정하여 비디오를 생성합니다

​

주요 기능

• 네이티브 스테레오 오디오: 대화, 사운드 효과, 음악이 비디오와 함께 생성되어 하나의 MP4로 동기화됩니다
• 멀티모달 컨텍스트: 텍스트, 이미지, 비디오 및 오디오 참조를 하나의 생성에서 결합할 수 있습니다
• 참조 기반 생성: 참조 자료에서 캐릭터의 정체성, 스타일, 모션, 카메라 이동 또는 음성을 고정합니다
• 지시 따르기: 참조와 대상 샷 간의 관계를 자연 언어로 설명합니다
• 정확한 텍스트 렌더링: 철자로 표기된 텍스트와 브랜드 요소가 깔끔하게 렌더링됩니다
• 오픈 가중치: 모든 매개변수를 완전히 제어하면서 ComfyUI에서 로컬로 실행합니다

​

시작하기

1. ComfyUI를 0.30.0 이상으로 업데이트합니다
2. 템플릿 라이브러리 > 비디오로 이동하여 원하는 MiniMax H3 워크플로를 선택합니다
3. 팝업 안내에 따라 모델을 다운로드하고 워크플로를 실행합니다

​

출력 해상도 설정

• 화면 비율: 16:9 (Widescreen), 9:16 (Portrait Widescreen), 1:1 (Square) 같은 프리셋을 선택합니다
• 메가픽셀: 출력의 목표 총 픽셀 수. 값이 클수록 더 큰 프레임이 생성되고, 작을수록 더 빠르게 생성됩니다
• 배수: 계산된 해상도는 이 값의 가장 가까운 배수로 반올림됩니다. H3의 해상도 그리드에 맞게 32로 유지합니다

​

ComfyUI 기본 워크플로

​

MiniMax H3 텍스트 기반 비디오 생성 (T2V)

​

모델 다운로드

​

모델 저장 위치

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_int8_convrot.safetensors
│   └── 📂 vae/
│       ├── minimax_h3_video_vae_fp16.safetensors
│       └── minimax_h3_audio_vae_fp32.safetensors

​

프롬프트 팁

1. 전체 장면 설명: 먼저 전체 장면(위치, 캐릭터, 상황)을 설명한 다음 시간대별로 샷을 나눠서 작성합니다.
2. 샷, 카메라, 오디오: 하나의 프롬프트 블록에 샷, 카메라 무브, 함께 재생될 오디오(대화, 효과음, 음악)를 함께 설명합니다.
3. 해상도: H3의 기본 캔버스는 768px 단변, 최대 768x1344 픽셀, 32의 배수로 반올림됩니다.
4. 길이: 길이 입력은 24fps에서 모델의 17프레임 블록(17k+5) 그리드에 맞춰집니다.
5. 첫 프레임/마지막 프레임: MiniMaxH3ImageToVideo 노드의 first_frame 및/또는 last_frame에 이미지를 연결하면 이 워크플로를 첫/마지막 프레임 이미지-비디오 변환으로 사용할 수 있습니다.

​

MiniMax H3 이미지 기반 비디오 생성 (I2V)

​

모델 다운로드

​

모델 저장 위치

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_int8_convrot.safetensors
│   └── 📂 vae/
│       ├── minimax_h3_video_vae_fp16.safetensors
│       └── minimax_h3_audio_vae_fp32.safetensors

​

프롬프트 팁

1. 키프레임: first_frame과 last_frame 입력은 선택 사항이며, 모델이 두 프레임 사이의 모션을 생성합니다.
2. 프롬프트: 하나의 블록에 샷, 모션, 함께 재생될 오디오(대화, 효과음, 음악)를 설명합니다.
3. 해상도: H3의 기본 캔버스는 768px 단변, 최대 768x1344 픽셀, 32의 배수로 반올림됩니다.
4. 길이: 길이 입력은 24fps에서 모델의 17프레임 블록(17k+5) 그리드에 맞춰집니다.

​

MiniMax H3 레퍼런스 기반 비디오 생성 (R2V)

​

모델 다운로드

​

모델 저장 위치

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_int8_convrot.safetensors
│   └── 📂 vae/
│       ├── minimax_h3_video_vae_fp16.safetensors
│       └── minimax_h3_audio_vae_fp32.safetensors

​

프롬프트 팁

1. 태그로 참조: 연결된 정확한 순서대로 각 입력을 태그로 참조합니다(예: <Picture 1>, <Video 1>, <Audio 1>).
2. 각 레퍼런스에 역할 지정: 어떤 레퍼런스가 샷의 어떤 부분(정체성, 스타일, 모션, 카메라, 음성)을 담당하는지 명시합니다. 명시적인 지정이 훨씬 잘 작동하는 경향이 있습니다.
3. 제한 사항: 최대 9개의 레퍼런스 이미지, 3개의 레퍼런스 비디오(각각 자체 사운드트랙 포함 가능), 3개의 독립 레퍼런스 오디오 클립을 사용할 수 있습니다.
4. ref_image_size: match는 속도를 위해 레퍼런스를 생성 해상도로 축소하고, max는 속도를 희생하더라도 더 강한 정체성 충실도를 위해 최대 2048px 단변을 유지합니다.
5. 샘플러: res_multistep 샘플러에 beta 또는 normal 스케줄러를 사용하면 레퍼런스가 많은 프롬프트에서 simple보다 좋은 결과를 내는 경향이 있습니다.
6. 참고: R2V는 T2V 및 I2V 워크플로에서 사용하는 fl2va 모델과 다른 가중치 세트인 ref2va 디퓨전 모델을 사용합니다.