跳转到主要内容
MiniMax H3 是 MiniMax 的开放权重全模态模型,在单一上下文中理解文本、图像、视频与音频,并在单次前向中生成带原生立体声音频的视频(语音、音效、音乐一体)。开放权重约以 100 万像素(短边 768px)、24fps 生成最长约 15 秒。2K 来自托管服务,在 ComfyUI 中需单独放大。
H3 的开放权重可在本地运行。对本地生成的输出进行商业使用,需要通过 Comfy(唯一官方经销商)购买 MiniMax 商业许可。Comfy Cloud 上的生成已包含商业使用权。

主要功能

  • 原生立体声音频:对话、音效、音乐同一 MP4
  • 多模态上下文:组合文本、图像、视频、音频参考
  • 参考驱动生成:从参考锁定身份、风格、动作、运镜或声音
  • 指令遵循:用自然语言描述参考与目标镜头关系
  • 准确文本渲染:清晰拼写与品牌元素
  • 开放权重:ComfyUI 本地全参数控制

工作流索引

在 模板库 > 视频 中选择 MiniMax H3 工作流,并按弹窗下载模型。权重:Comfy-Org/MiniMax-H3。 当前模板库提供五个示例工作流(非穷尽):t2v、i2v、r2v、multiframe_reference、fun_controlnet_union。

文生视频(T2V)

根据文本提示词生成视频,并带有原生立体声音频。ComfyUI 0.30.0+。

图生视频(I2V)

根据输入图像生成视频,并支持可选的首帧/尾帧控制。ComfyUI 0.30.0+。

参考生视频(R2V)

通过参考图像、视频和音频,锁定角色、风格、动作、相机运动或声音。ComfyUI 0.30.0+。

多帧参考

使用链式连接的 Add Guide 节点,将参考帧锚定在输出时间线上的指定位置。ComfyUI 0.34.0+。

Fun ControlNet Union

使用 Canny、Depth、HED、MLSD 或 Pose 控制视频驱动 H3,或使用遮罩执行视频 inpainting。ComfyUI 0.35.0+(Union 2.0:0.38.0+)。稀疏注意力与 Model Attention Backend 同样需要 0.35.0+。

提示词指南

H3 官方提示词指南、技巧与 embedding

FastH3

FastVideo 稀疏注意力检查点与提速工作流。ComfyUI 0.36.0+。
MiniMax H3 Image to Video 覆盖 T2V 与首尾帧 I2V(t2va/fl2va)。MiniMax H3 Reference to Video 覆盖 R2V(ref2va)。

商业许可

本地生成内容的商业使用需通过 Comfy 购买许可。Comfy Cloud 上的生成已包含商业使用权。

MiniMax 商业许可

何时需要许可、社区许可与 Professional/Enterprise 档位,以及如何申请报价。