告别翻车MiniMax-H3 视频生成在 ComfyUI 里的一次性落地指南【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3如果你已经把 ComfyUI 装好却迟迟没敢迈出视频生成这一步多半是被两件事劝退的模型文件散落各地不知道往哪放英文报错突然冒出来不知道从哪查起。MiniMax-H3 正是为打破这种尴尬而生的——它是专门为 ComfyUI 重新打包的视频生成模型把文本转视频、图像转视频、参考图转视频三种玩法收进同一套文件里。这篇文章不聊高深原理只顺着它是什么 → 电脑够不够格 → 文件放哪 → 怎么出第一段片 → 踩坑怎么救这条线带你一步步走完直到第一条成片出现在预览窗口里。认识 MiniMax-H3一句话提示词换来一段流动的画面先把概念理清。MiniMax-H3 是一个开箱即用的视频生成模型它对你的意义可以浓缩成一句话输入文字或图片输出一段连贯的、会动的视频。如果说文生图是给想象力拍了一张照片那么视频生成就是给想象力录了一段影像——多出来的一维时间正是它最有魅力的地方。它自带三种玩法覆盖了绝大多数创作场景文本转视频T2V直接敲一句提示词比如一只橘猫在雨天的窗台上打哈欠它就为你生成一段对应的画面适合从零开始构思内容。图像转视频I2V喂给它一张你喜欢的静态图片它会为图片补上运动轨迹让照片活过来比如让海报里的人物转头、让风景里的云开始流动。参考图转视频R2V给它一张参考图让它在保持参考风格的前提下生成新视频适合做风格统一的分镜或系列内容。更贴心的是这套模型还贴心地准备了多种精度版本。扩散模型有 bf16、int8 和 fp8 可选文本编码器则提供了 bf16、int8 以及 nvfp4_awq 量化格式。简单说显存富裕选 bf16 求画质显存紧张选量化版求流畅。特别提醒一句nvfp4 版的文本编码器并不强制要求最新的 Blackwell 显卡老卡也能用这点对普通用户非常友好。动手前先体检你的电脑离出片还差多远在下载任何文件之前先花一分钟给电脑做个体检省得装到一半发现跑不动。别紧张门槛没有想象中高操作系统Windows 10/11 或 Linux 均可macOS 用户建议先确认官方支持情况。Python 版本3.10 及以上。显卡显存这是最关键的一项至少 8GB推荐 12GB 以上。视频生成比文生图更吃显存因为模型本身动辄十几 GB还要同时给文本编码、扩散推理和 VAE 解码留出空间。前置软件一个能正常启动、版本较新的 ComfyUI。如果显存刚好卡在 8GB 的及格线上也别急着放弃——后面会讲怎么靠选低精度版本来省着用。体检通过后就可以进入正题了。给模型文件安家三个文件夹的分工与摆放模型到手后的第一件事是把文件放到 ComfyUI 认识的地方。这一步相当于给模型安了个家位置不对ComfyUI 就看不见它。先拿到模型文件在你的终端里执行git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3克隆完成后你会发现仓库里有三个关键目录它们各司其职diffusion_models/视频的发动机负责真正的扩散推理是体积最大的部分。text_encoders/视频的翻译官负责把你的提示词翻译成模型能理解的语义基于 Qwen3VL-32B 架构也是显存大户。vae/视频的解码器负责把模型生成的潜空间数据还原成能看的画面包含专用的视频和音频两个版本。接下来把这三个目录里的文件按照同样的结构复制进 ComfyUI 的 models 目录ComfyUI/ ├── models/ │ ├── diffusion_models/ │ │ ├── minimax_h3_fl2va_bf16.safetensors │ │ ├── minimax_h3_fl2va_pruned_fp8_scaled.safetensors │ │ └── minimax_h3_ref2va_pruned_int8_convrot.safetensors │ ├── text_encoders/ │ │ ├── qwen3vl_32b_minimax_h3_bf16.safetensors │ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors │ └── vae/ │ ├── minimax_h3_audio_vae_fp32.safetensors │ └── minimax_h3_video_vae_fp16.safetensors上面只是示例你完全不必把所有版本都搬过去——按自己的显存和用途挑两三个就够。文件名保留原样别随手改名否则加载时容易对不上号。所有扩散模型都要放进 diffusion_models 目录、文本编码器进 text_encoders、VAE 进 vae这是新手放错文件最典型的原因务必对照检查一遍。第一次生成加载模板、调好参数、按下启动文件就位后重启一次 ComfyUI然后在界面里点击Load按钮导入官方提供的三套工作流模板T2V、I2V 和 R2V分别对应前面说的三种玩法。想先看效果就从 T2V 模板开始它只需要你写一句提示词。第一次跑通参数别贪多记住三个安全值就能顺利出片视频长度515 秒最舒服。太短看不出内容太长会显著拉长生成时间等你熟练了再挑战更长的镜头。分辨率默认 1024×576 是个很稳的起点画质和速度兼顾显存紧张时可以先降一档。推理步数2030 步是质量与耗时之间的黄金区间低于 20 步画面容易粗糙高于 30 步的收益就很有限了。填好提示词、选好参数点下Queue Prompt剩下的交给时间。第一次生成可能会比预期慢一些因为模型要加载进显存、提示词要经过 32B 大模型的编码这些都是正常的一次性开销。看到预览窗口里出现连续的动态画面时恭喜你——你的 ComfyUI 已经正式解锁视频生成能力了。出片不顺心五个高频坑与对应的自救姿势跑通之后真正的调优才刚开始。这里把新手最容易踩的坑提前摆出来你遇到时可以直接对症下药坑一模型加载失败。先别急着重下文件。优先检查三件事文件是否放对了目录、文件名是否被改动、ComfyUI 是否最新版。三步都确认无误还报错才考虑文件下载不完整重新拉取一次。坑二生成速度像蜗牛。检查你用的是不是 bf16 全精度版——它是画质天花板也是速度地板。换成 int8 或 fp8 量化版速度会有肉眼可见的提升这是 README 里官方也推荐的取舍。另外降低分辨率、缩短时长都是立竿见影的提速手段。坑三显存爆了直接 OOM。量化版本是救星。扩散模型优先选 int8_convrot前提是你的 PyTorch 支持 cu130 环境用不了再退回 fp8_scaled文本编码器则优先用 nvfp4_awq 或 int8。同时关掉浏览器里一堆占显存的标签页也能挤出一口余量。坑四画面崩坏或风格漂移。多半是提示词和参考图的问题。T2V 把提示词写具体主体、动作、环境、氛围I2V/R2V 选主体清晰、光线干净的参考图别让模型猜太多。坑五第一次出片质量不满意。很正常视频生成是概率游戏。保持提示词不变多跑几次挑最好的或者小幅调整步数和分辨率观察画面细腻度的变化慢慢找到你硬件条件下最顺手的组合。写在最后让想法真正流动起来回想一下从下载模型到按下生成键其实只隔了体检、安家、加载三步。MiniMax-H3 把过去复杂的视频生成门槛压缩成了普通创作者也能轻松跨过的一小步文字能变成画面照片能动起来参考风格能一以贯之——你的创作工具箱里从此多了一台时间机器。现在就去克隆仓库、把文件放进 models 目录用一句你早就想拍出来的话生成属于你的第一段视频吧。预览窗口亮起来的那一刻你大概会忍不住再点一次 Queue Prompt。【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
告别翻车：MiniMax-H3 视频生成在 ComfyUI 里的一次性落地指南
告别翻车MiniMax-H3 视频生成在 ComfyUI 里的一次性落地指南【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3如果你已经把 ComfyUI 装好却迟迟没敢迈出视频生成这一步多半是被两件事劝退的模型文件散落各地不知道往哪放英文报错突然冒出来不知道从哪查起。MiniMax-H3 正是为打破这种尴尬而生的——它是专门为 ComfyUI 重新打包的视频生成模型把文本转视频、图像转视频、参考图转视频三种玩法收进同一套文件里。这篇文章不聊高深原理只顺着它是什么 → 电脑够不够格 → 文件放哪 → 怎么出第一段片 → 踩坑怎么救这条线带你一步步走完直到第一条成片出现在预览窗口里。认识 MiniMax-H3一句话提示词换来一段流动的画面先把概念理清。MiniMax-H3 是一个开箱即用的视频生成模型它对你的意义可以浓缩成一句话输入文字或图片输出一段连贯的、会动的视频。如果说文生图是给想象力拍了一张照片那么视频生成就是给想象力录了一段影像——多出来的一维时间正是它最有魅力的地方。它自带三种玩法覆盖了绝大多数创作场景文本转视频T2V直接敲一句提示词比如一只橘猫在雨天的窗台上打哈欠它就为你生成一段对应的画面适合从零开始构思内容。图像转视频I2V喂给它一张你喜欢的静态图片它会为图片补上运动轨迹让照片活过来比如让海报里的人物转头、让风景里的云开始流动。参考图转视频R2V给它一张参考图让它在保持参考风格的前提下生成新视频适合做风格统一的分镜或系列内容。更贴心的是这套模型还贴心地准备了多种精度版本。扩散模型有 bf16、int8 和 fp8 可选文本编码器则提供了 bf16、int8 以及 nvfp4_awq 量化格式。简单说显存富裕选 bf16 求画质显存紧张选量化版求流畅。特别提醒一句nvfp4 版的文本编码器并不强制要求最新的 Blackwell 显卡老卡也能用这点对普通用户非常友好。动手前先体检你的电脑离出片还差多远在下载任何文件之前先花一分钟给电脑做个体检省得装到一半发现跑不动。别紧张门槛没有想象中高操作系统Windows 10/11 或 Linux 均可macOS 用户建议先确认官方支持情况。Python 版本3.10 及以上。显卡显存这是最关键的一项至少 8GB推荐 12GB 以上。视频生成比文生图更吃显存因为模型本身动辄十几 GB还要同时给文本编码、扩散推理和 VAE 解码留出空间。前置软件一个能正常启动、版本较新的 ComfyUI。如果显存刚好卡在 8GB 的及格线上也别急着放弃——后面会讲怎么靠选低精度版本来省着用。体检通过后就可以进入正题了。给模型文件安家三个文件夹的分工与摆放模型到手后的第一件事是把文件放到 ComfyUI 认识的地方。这一步相当于给模型安了个家位置不对ComfyUI 就看不见它。先拿到模型文件在你的终端里执行git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3克隆完成后你会发现仓库里有三个关键目录它们各司其职diffusion_models/视频的发动机负责真正的扩散推理是体积最大的部分。text_encoders/视频的翻译官负责把你的提示词翻译成模型能理解的语义基于 Qwen3VL-32B 架构也是显存大户。vae/视频的解码器负责把模型生成的潜空间数据还原成能看的画面包含专用的视频和音频两个版本。接下来把这三个目录里的文件按照同样的结构复制进 ComfyUI 的 models 目录ComfyUI/ ├── models/ │ ├── diffusion_models/ │ │ ├── minimax_h3_fl2va_bf16.safetensors │ │ ├── minimax_h3_fl2va_pruned_fp8_scaled.safetensors │ │ └── minimax_h3_ref2va_pruned_int8_convrot.safetensors │ ├── text_encoders/ │ │ ├── qwen3vl_32b_minimax_h3_bf16.safetensors │ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors │ └── vae/ │ ├── minimax_h3_audio_vae_fp32.safetensors │ └── minimax_h3_video_vae_fp16.safetensors上面只是示例你完全不必把所有版本都搬过去——按自己的显存和用途挑两三个就够。文件名保留原样别随手改名否则加载时容易对不上号。所有扩散模型都要放进 diffusion_models 目录、文本编码器进 text_encoders、VAE 进 vae这是新手放错文件最典型的原因务必对照检查一遍。第一次生成加载模板、调好参数、按下启动文件就位后重启一次 ComfyUI然后在界面里点击Load按钮导入官方提供的三套工作流模板T2V、I2V 和 R2V分别对应前面说的三种玩法。想先看效果就从 T2V 模板开始它只需要你写一句提示词。第一次跑通参数别贪多记住三个安全值就能顺利出片视频长度515 秒最舒服。太短看不出内容太长会显著拉长生成时间等你熟练了再挑战更长的镜头。分辨率默认 1024×576 是个很稳的起点画质和速度兼顾显存紧张时可以先降一档。推理步数2030 步是质量与耗时之间的黄金区间低于 20 步画面容易粗糙高于 30 步的收益就很有限了。填好提示词、选好参数点下Queue Prompt剩下的交给时间。第一次生成可能会比预期慢一些因为模型要加载进显存、提示词要经过 32B 大模型的编码这些都是正常的一次性开销。看到预览窗口里出现连续的动态画面时恭喜你——你的 ComfyUI 已经正式解锁视频生成能力了。出片不顺心五个高频坑与对应的自救姿势跑通之后真正的调优才刚开始。这里把新手最容易踩的坑提前摆出来你遇到时可以直接对症下药坑一模型加载失败。先别急着重下文件。优先检查三件事文件是否放对了目录、文件名是否被改动、ComfyUI 是否最新版。三步都确认无误还报错才考虑文件下载不完整重新拉取一次。坑二生成速度像蜗牛。检查你用的是不是 bf16 全精度版——它是画质天花板也是速度地板。换成 int8 或 fp8 量化版速度会有肉眼可见的提升这是 README 里官方也推荐的取舍。另外降低分辨率、缩短时长都是立竿见影的提速手段。坑三显存爆了直接 OOM。量化版本是救星。扩散模型优先选 int8_convrot前提是你的 PyTorch 支持 cu130 环境用不了再退回 fp8_scaled文本编码器则优先用 nvfp4_awq 或 int8。同时关掉浏览器里一堆占显存的标签页也能挤出一口余量。坑四画面崩坏或风格漂移。多半是提示词和参考图的问题。T2V 把提示词写具体主体、动作、环境、氛围I2V/R2V 选主体清晰、光线干净的参考图别让模型猜太多。坑五第一次出片质量不满意。很正常视频生成是概率游戏。保持提示词不变多跑几次挑最好的或者小幅调整步数和分辨率观察画面细腻度的变化慢慢找到你硬件条件下最顺手的组合。写在最后让想法真正流动起来回想一下从下载模型到按下生成键其实只隔了体检、安家、加载三步。MiniMax-H3 把过去复杂的视频生成门槛压缩成了普通创作者也能轻松跨过的一小步文字能变成画面照片能动起来参考风格能一以贯之——你的创作工具箱里从此多了一台时间机器。现在就去克隆仓库、把文件放进 models 目录用一句你早就想拍出来的话生成属于你的第一段视频吧。预览窗口亮起来的那一刻你大概会忍不住再点一次 Queue Prompt。【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考