MiniMax H3 в ComfyUI: загрузка модели и рабочие процессы

Обзор руководства

В этом руководстве описано всё необходимое для запуска MiniMax H3 в ComfyUI: установка моделей, загрузка официальных рабочих процессов, разбор трёх режимов генерации (T2V, I2V, R2V), выбор правильного разрешения и решение типичных проблем.

Обзор модели MiniMax H3

MiniMax H3 представляет собой последнюю модель в линейке Hailuo от MiniMax. Она генерирует до 15 секунд видео с частотой 24 FPS и встроенным стереоаудио 32 кГц на любом из 11 языков, с разрешением до 2K. В основе модели лежит плотный однопоточный омни-трансформер на 33,1 млрд параметров с текстовым энкодером Qwen3-VL-32B.

Ключевые возможности:

• Встроенное стереоаудио: диалоги, звуковые эффекты и музыка генерируются в том же проходе, что и видео, без отдельной аудиомодели
• Омнимодальный контекст: любое сочетание текста, изображений, видео и аудио на входе
• Три режима задач: текст-в-видео (T2V), изображение-в-видео (I2V) и референс-в-видео (R2V)
• 11 языков: арабский, китайский, английский, французский, немецкий, итальянский, японский, корейский, португальский, русский, испанский
• Открытые веса: лицензия MiniMax H3 Community, полностью локальный вывод

Открытый релиз включает H3-Base в виде двух чекпойнтов: FL2VA (текст-в-видео и условия по первому и последнему кадру) и Ref2VA (генерация по референсу). Система предобработки H3-Context-IR и модуль увеличения разрешения до 2K H3-Regenerate-2K по-прежнему доступны только как размещённые API.

Начало работы

MiniMax H3 поддерживается в ComfyUI с открытыми весами:

1. Обновите ComfyUI до последней версии (0.30.0 или новее; нативная поддержка добавлена в Comfy-Org/ComfyUI #15224)
2. Откройте Workflow -> Browse Templates -> Video и выберите любой рабочий процесс MiniMax H3
3. Следуйте инструкциям во всплывающем окне, чтобы скачать модели и запустить рабочий процесс

Файлы модели размещены на Hugging Face в репозитории Comfy-Org/MiniMax-H3.

Установка модели

Скачайте следующие файлы из Comfy-Org/MiniMax-H3 и поместите их в соответствующие папки:

Диффузионная модель (выберите в зависимости от режима):

Текстовый энкодер (выберите один):

VAE (оба обязательны для всех рабочих процессов):

Официальные рабочие процессы

Шесть официальных шаблонов доступны через Comfy-Org/workflow_templates. Три из них работают локально (открытые веса), а три вызывают MiniMax API. Это руководство подробно описывает три локальных рабочих процесса, следуя официальной документации Comfy-Org.

Загрузка рабочих процессов

Метод 1: Галерея шаблонов (РЕКОМЕНДУЕТСЯ)

Обновите ComfyUI до последней версии, затем загрузите через Workflow -> Просмотреть шаблоны -> Видео -> MiniMax H3.

Метод 2: Скачать и перетащить

Скачайте JSON и перетащите его в окно ComfyUI.

Настройка выходного разрешения

Каждый рабочий процесс использует ноду Выбор разрешения, которая вычисляет width и height из трёх настроек:

• Соотношение сторон: пресеты, такие как 16:9 (Широкоэкранный), 9:16 (Портретный) или 1:1 (Квадратный)
• Мегапиксели: целевое общее количество пикселей; более высокие значения дают больший кадр, более низкие работают быстрее
• Кратность: округление до ближайшего кратного этому числу; оставьте 32, чтобы соответствовать сетке разрешений H3

Нативный холст H3 имеет короткую сторону 768px, ограничен 768x1344 пикселями и округлён до кратного 32. Шаблон поставляется с быстрым размером предпросмотра; для полного качества увеличьте Мегапиксели примерно до 1.0 при 16:9, что даёт примерно 1344x768.

1. MiniMax H3: текст-в-видео (T2V)

Генерируйте видео из текстовых промптов с нативным стереозвуком.

Загрузки моделей (T2V)

Хранение моделей (T2V)

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│   └── 📂 vae/
│       ├── minimax_h3_video_vae_fp16.safetensors
│       └── minimax_h3_audio_vae_fp32.safetensors

Советы по промптам (T2V)

• Опишите всю сцену: сначала опишите общую сцену (место, персонаж, что происходит), а затем разбейте её на отдельные кадры с таймингом
• Кадры, камера и аудио: опишите кадры, движения камеры и сопровождающее аудио (диалоги, SFX, музыку) в одном блоке промпта
• Длительность: значение длительности привязывается к сетке модели из 17 кадров на блок (17k+5) при 24 FPS
• Первый/последний кадр: подключите изображения к first_frame и/или last_frame на ноде MiniMaxH3ImageToVideo, чтобы превратить этот рабочий процесс в image-to-video по первому/последнему кадру

2. MiniMax H3 Изображение-в-Видео (I2V)

Генерируйте видео из входного изображения, с опциональными ключевыми кадрами первого и последнего кадра.

Входное изображение: - скачайте изображение по умолчанию или используйте своё.

Загрузки моделей (I2V)

Хранение моделей (I2V)

Та же структура, что и в рабочем процессе T2V (diffusion model FL2VA + text encoder NVFP4 + оба VAE).

Советы по промптингу (I2V)

• Ключевые кадры: входы first_frame и last_frame необязательны; модель генерирует движение между ними
• Промпт: опишите кадры, движение и сопровождающее аудио (диалоги, SFX, музыка) одним блоком
• Длительность: привязывается к сетке из 17 кадров на блок (17k+5) при 24 FPS

3. MiniMax H3 Reference-to-Video (R2V)

Генерируйте видео, в которых персонаж, стиль, движение, движение камеры или голос задаются любой комбинацией референсных изображений, видео и аудио.

Референсные изображения:

Референс персонажа для рабочего процесса или используйте собственное изображение.

Референс стиля и объекта для рабочего процесса или используйте собственное изображение.

Загрузки моделей (R2V)

Хранение моделей (R2V)

ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│   └── 📂 vae/
│       ├── minimax_h3_video_vae_fp16.safetensors
│       └── minimax_h3_audio_vae_fp32.safetensors

Советы по промптам (R2V)

• Референс по тегу: ссылайтесь на каждый вход по тегу в точном порядке его подключения, например <Picture 1>, <Video 1>, <Audio 1>
• Назначьте каждому референсу задачу: укажите, какой референс отвечает за какую часть кадра (внешность, стиль, движение, камера, голос); явные назначения работают намного лучше
• Ограничения: до 9 референсных изображений, 3 референсных видео (каждое может нести собственную звуковую дорожку) и 3 отдельных референсных аудиоклипа
• ref_image_size: match уменьшает референсы до разрешения генерации ради скорости; max сохраняет короткую сторону вплоть до 2048 px для более точной передачи внешности ценой скорости
• Сэмплер: res_multistep с планировщиком beta или normal, как правило, даёт лучший результат, чем simple, для промптов с большим количеством референсов
• Примечание: R2V использует diffusion-модель ref2va, это другой набор весов, отличный от модели fl2va, применяемой в T2V и I2V

Рабочие процессы с API

Ещё три официальных шаблона вызывают API MiniMax вместо локального выполнения:

Устранение неполадок

В: ComfyUI не показывает ноды MiniMax H3

Обновите ComfyUI до версии 0.30.0 или более поздней. Нативная поддержка добавлена в Comfy-Org/ComfyUI #15224 3 августа 2026 года. Обновления Desktop и Cloud следуют за стабильными релизами, поэтому некоторые функции, доступные в ночных сборках, могут быть ещё недоступны.

В: Не хватает памяти / высокое потребление VRAM

• Используйте pruned INT8 диффузионную модель (19,5 ГБ) вместо bf16
• Используйте NVFP4 AWQ текстовый энкодер (14,6 ГБ), который работает на любой GPU
• Уменьшите разрешение в ноде Выбор разрешения (меньше мегапикселей) и сократите длительность
• Динамическая система VRAM в ComfyUI и block swap помогают на машинах с достаточным объёмом системной RAM

В: Генерация срывается на 256p или очень низких разрешениях

У H3 минимальное разрешение составляет 384p. 256p полностью не работает. Используйте пресеты разрешения из официального шаблона.

В: В выходном видео нет аудио

Убедитесь, что загружены оба VAE: minimax_h3_video_vae_fp16.safetensors (видео) и minimax_h3_audio_vae_fp32.safetensors (аудио), а также что рабочий процесс включает ноду VAEDecodeAudio, прикреплённую к SaveVideo.

В: Какой checkpoint использовать для image-to-video?

Используйте checkpoint FL2VA для T2V и I2V (первый кадр, последний кадр или оба). Используйте checkpoint Ref2VA, когда нужна генерация на основе полных референсов (идентичность, стиль, голос).

В: Куда сообщать об ошибках?

• Ошибки времени выполнения: ComfyUI/issues
• Проблемы интерфейса: ComfyUI_frontend/issues

Советы по производительности MiniMax H3

Проверенные сообществом настройки для более быстрой генерации с официальными рабочими процессами:

• Сэмплер и планировщик: res_multistep с планировщиком simple на 20 шагах: широко используемая базовая настройка для T2V и I2V. Меньшее число шагов экономит время, но качество заметно падает ниже примерно 15 шагов. Увеличение до 25 шагов даёт немного лучшее содержимое изображения и движение, но требует больше времени на генерацию.
• Sage attention: запускайте ComfyUI с --use-sage-attention (встроено, пользовательские ноды не нужны). Сообщество сообщает об ускорении генерации примерно до 2 раз на GPU среднего класса, с убывающей отдачей по мере роста разрешения; результаты зависят от GPU.
• Разрешение: держите Выбор разрешения около 0.4 MP (например, 768x512) для быстрых черновиков. H3 работоспособен на своём минимуме 384p, а это намного ниже, чем требовали предыдущие видеомодели.
• Закреплённая память: в ComfyUI 0.30.x регрессия закреплённой памяти может сделать загрузку модели очень медленной. Запуск с --disable-pinned-memory, по сообщениям, восстанавливает быструю загрузку и значительно сокращает время генерации в некоторых конфигурациях.

Квантованные модели MiniMax H3 от сообщества

Квантованные версии diffusion-чекпойнтов MiniMax H3 от сообщества, загружаемые в стандартный ComfyUI. Это сторонние конверсии, а не официальные релизы MiniMax или Comfy-Org; сведения о лицензии и качестве смотрите в README каждого репозитория.

INT8

INT4

NVFP4

FP8

Связанные ресурсы

• Новость о выпуске открытых весов MiniMax H3
• Страница модели MiniMax H3
• Официальная документация Comfy-Org по MiniMax H3
• MiniMax H3 на Hugging Face