MiniMax-H3-Image: ComfyUIで16MPのテキストから画像生成と編集

ComfyUI Wikinews

MiniMaxがH3-Imageをオープンソース化。16MPのテキストから画像生成とマルチ参照編集を1つの33Bチェックポイントで実現し、CFG 1で6ステップ、ComfyUIでネイティブに動作します。

MiniMax-H3-Imageは、2026-11-10に公開されたMiniMaxのオープンウェイト画像モデルです。1つのチェックポイントでテキストから画像への生成と、最大16枚の参照画像を使った編集を、約16メガピクセル、CFGなしの6ステップで行えます。ComfyUIのネイティブサポートは同日にマージされ（PR 17655）、公式のT2IテンプレートとEditテンプレートが付属しています。

MiniMax-H3-Imageによるテキストから画像への生成結果15点: 3Dファンタジーバトル、風景画、アマガエル、藍色のウサギ、3Dの少女、花のポートレート、SF都市、餃子、ハイランド牛、鏡のポートレート、カワウソと羊、ピクセルアートの猫、タマムシ、巨大なサクランボ、魚眼自撮り

16MPでのテキストから画像への生成結果15点。ソース: MiniMaxAI/MiniMax-H3-Image

できること

出力サイズ4096x4096（1:1）から6272x2688（21:9）まで、約16MP、アップスケーラー不要
サンプリング6ステップ、CFG 1、ネガティブプロンプトなし
編集同じチェックポイントで、1回の実行につき最大16枚の参照画像
バックボーン33.1B DiT（音声レイヤーを除いたH3アーキテクチャ）
テキストエンコーダーQwen3-VL-32B、レイヤー50の隠れ状態
VAE新しい画像VAE、16倍ダウンサンプリング、24潜在チャンネル

このモデルは、完成した画像についての長い英語の説明を期待します。MiniMaxのホスト版H3-Image-Context-IRは短いプロンプトをその形式に書き換えます。オフラインでは、オプションのMiniMax-H3-Image-PEプロンプトエクスパンダーで実行するか、公式ComfyUIテンプレートに組み込まれた9B Qwen3.5エクスパンダーを使用できます。

フォトリアルな写真3点: 夕暮れの屋上でシーツを干す女性、カップを持つ巻き毛の男性の横顔のクローズアップ、浅瀬のフラミンゴ

写真スタイルの出力。ソース: MiniMaxAI/MiniMax-H3-Image

参照画像を使った編集

編集も同じチェックポイントです。MiniMaxH3ImageConditioningで画像を渡し、プロンプト内でPicture 1、Picture 2として参照します。16枚の上限は、9枚の商品写真から空の部屋に家具を配置したり、描かれたゲームマップを一人称視点に変換したりといったケースに対応します。

上部に家具の参照画像10枚と日当たりの良い空の部屋、下部に同じ部屋をリビングルームとして家具配置した画像

参照10枚: 家具9点と空の部屋。ソース: MiniMaxAI/MiniMax-H3-Image

ComfyUIで実行する

  1. ComfyUIをv0.45.0以降にアップデート（2026-11-10タグ付け）。ノードはMiniMax H3 Image Conditioningで、T2IテンプレートとEditテンプレートはすでにテンプレートブラウザーにあります。

  2. Comfy-Org/MiniMax-H3-ImageからComfy-Orgの再パッケージ版をダウンロードします:

    ファイルフォルダーサイズ
    minimax_h3_image_pruned_int8_convrot.safetensorsdiffusion_models21.0 GB
    minimax_h3_image_pruned_w4a8.safetensorsdiffusion_models12.5 GB
    minimax_h3_image_pruned_bf16.safetensorsdiffusion_models40.2 GB
    qwen3vl_32b_minimax_h3_int8_convrot.safetensorstext_encoders27.1 GB
    qwen3vl_32b_minimax_h3_nvfp4_awq.safetensorstext_encoders15.7 GB
    qwen3.5_9b_w4a8_gptq.safetensorstext_encoders7.3 GB
    minimax_h3_image_vae_fp16.safetensorsvae1.2 GB

    qwen3.5_9bファイルはGenerate Textによるプロンプト拡張専用で、Editテンプレートではデフォルトでこれを使用します。

  3. テンプレートを読み込み、サンプラーを6ステップ、CFG 1に設定します。キューを実行する前に解像度を上げてください。テンプレートは小型GPUに収まるよう4MPから始まりますが、4MPの下限を下回る結果はぼやけてしまいます。

どちらのJSONも公式のworkflow_templatesファイルをそのまま使用したものです。

MiniMax-H3-Imageのテキストから画像へのテンプレートのComfyUIグラフ

T2Iテンプレート: プロンプトエクスパンダー、MiniMax H3 Image Conditioning、CFG 1の6ステップKSampler。

注意点

  • 16MP前後が最適。 MiniMaxは実用的な範囲を4〜20MPとしています。一般的な16MPのサイズは4096x4096、5472x3072、6272x2688です。
  • テキストは最重要ターゲット。 指示追従性が最大の売りであり、以下のパズルボードのサンプルはモデル自身がレイアウトとラベルを書いたものです。
1回の生成で作られたロジックパズルボード2点: 中国語の候補者選定パズルと、6人の容疑者が並ぶ英語のCONFIDENTIAL FILE MISSINGボード

テキスト主体のボード。合成ではなく生成されたもの。ソース: MiniMaxAI/MiniMax-H3-Image

リソース

コメント

GitHubでサインインしてディスカッションに参加しましょう。

コメントを読み込み中…
MiniMax-H3-Image: ComfyUIで16MPのテキストから画像生成と編集 | ComfyUI Wiki