MiniMax: 오픈 비디오 및 음악 생성 모델
ComfyUI에서 사용하는 MiniMax의 오픈 생성 모델: 네이티브 32kHz 스테레오 오디오를 지원하는 옴니모달 H3 비디오 모델과 최대 5분 길이의 완성된 곡을 만드는 Music 3.
MiniMax H3
비디오 생성네이티브 오디오옴니모달텍스트 기반 비디오 생성이미지 기반 비디오 생성MiniMax H3는 텍스트, 이미지, 비디오, 오디오로 구성된 멀티모달 컨텍스트를 이해하고, 단일 패스로 최대 15초 분량의 비디오를 네이티브 32kHz 스테레오 오디오와 함께 생성하는 오픈 범용 옴니모달 생성 시스템입니다. Qwen3-VL-32B 텍스트 인코더를 갖춘 33.1B 밀집 단일 스트림 옴니 트랜스포머를 기반으로 하는 MiniMax Hailuo 비디오 라인의 최신 모델입니다.
MiniMax 공식 H3 멀티모달 컨텍스트 데모에서 사용된 예시 입력 이미지
MiniMax H3는 2026년 8월 3일 MiniMax H3 커뮤니티 라이선스 계약에 따라 공식적으로 오픈소스화되었습니다. 오픈 릴리스는 H3-Base를 두 개의 태스크 전용 체크포인트로 제공합니다: FL2VA(텍스트 기반 비디오 생성 및 첫/마지막 프레임 조건화)와 Ref2VA(참조 기반 생성). H3-Context-IR 전처리 시스템과 H3-Regenerate-2K 업스케일링 모듈은 호스팅 API로 유지됩니다.
모델
| 모델 | 유형 | 설명 | 라이선스 | 출시 |
|---|---|---|---|---|
| MiniMax H3 | 비디오 | 네이티브 32kHz 스테레오 오디오를 지원하는 옴니모달 비디오 생성 | MiniMax H3 커뮤니티 라이선스 | 2026-08 |
| MiniMax Music 3 | 음악 | 가사와 음악 설명으로 최대 5분 길이의 완성된 곡 생성 | MiniMax Music 3 커뮤니티 라이선스 | 2026-09 |
위에서 모델을 선택하면 엄선된 가중치 다운로드, 튜토리얼 및 관련 정보를 확인할 수 있습니다.
버전
| 버전 | 설명 |
|---|---|
| H3-Base FL2VA | 텍스트 기반 비디오 생성, 첫 프레임, 마지막 프레임, 첫+마지막 프레임 모드 |
| H3-Base Ref2VA | 최대 9개 이미지, 3개 비디오, 3개 오디오 클립 기반 참조 생성 |
주요 기능
- 네이티브 스테레오 오디오: 영상과 동일한 패스에서 32kHz 스테레오 생성, 별도 오디오 모델 불필요
- 멀티모달 컨텍스트: 텍스트, 이미지, 비디오, 오디오의 모든 조합을 입력으로 사용
- 2K 인컨텍스트 재생성: H3-Regenerate-2K가 원본 컨텍스트를 재사용하여 768p 출력을 2K로 재생성
- 11개 언어: ar, zh, en, fr, de, it, ja, ko, pt, ru, es
- 배포: SGLang, vLLM, diffusers, ComfyUI
설치
MiniMax H3는 ComfyUI에서 네이티브로 지원됩니다. 파일을 각각의 폴더에 배치하세요:
| 파일 | 대상 폴더 |
|---|---|
minimax_h3_*_bf16.safetensors 또는 *_int8_convrot.safetensors | ComfyUI/models/diffusion_models/ |
qwen3vl_32b_minimax_h3_*.safetensors | ComfyUI/models/text_encoders/ |
minimax_h3_video_vae_fp16.safetensors | ComfyUI/models/vae/ |
minimax_h3_audio_vae_fp32.safetensors | ComfyUI/models/vae/ |
공식 ComfyUI 리패키징 저장소(Comfy-Org/MiniMax-H3)는 bf16, INT8 convrot, pruned INT8 확산 모델 변형과 bf16, INT8, NVFP4 AWQ 텍스트 인코더 옵션을 제공합니다. pruned INT8 체크포인트는 미리 계산된 adaLN 곡선 테이블 덕분에 약 40% 더 작으며, NVFP4 AWQ 텍스트 인코더는 모든 GPU에서 실행됩니다.
댓글
GitHub로 로그인하고 토론에 참여하세요.