MiniMax H3 开源全模态视频模型：部署教程与本地实测

MiniMax 推出并开源了其第三代 AI 视频生成系统 MiniMax H3。作为一款全模态生成系统，H3 能够统一处理文本、图像、视频和音频上下文，并生成带有原生立体声的同步视频，摆脱了以往生成视频后需额外后期配音的痛点。

模型核心特性

MiniMax H3 通过 ComfyUI 的动态层调度机制，降低了显存的硬性门槛：

显存配置	建议量化版本	运行表现及建议
24GB 及以上	Q8 / INT8 / NVFP4	可流畅运行较高分辨率，生成质量最佳。
16GB	Q5 / Q4	兼顾画质与生成速度。
12GB	Q4	推荐配置。实测生成 5 秒 480p 视频（20步）约需 5 分钟。
8GB	Q3 / Q2 (混合精度)	最低起跑线。需搭配 32GB+ 系统内存与 NVMe 固态硬盘，从 480p 5秒基础参数试跑。

注意：显存较低时，系统会自动将部分权重 offload 至内存和硬盘。请务必将模型与软件部署在 NVMe 固态硬盘中，否则加载速度会严重受限。

H3 需要 ComfyUI 0.27 或更高版本才能正常识别原生节点。

1、官方下载：【点击前往】

2、备用下载：【点击前往】，含越狱工作流及节点

根据机器显存情况下载对应的组件并放置于指定目录下：

主模型 (models/unet/)：
- 下载 GGUF 量化版本主模型（如 MiniMax-H3-FL2VA-Q4_K_M.gguf）。
  hugging face下载：【点击前往】
  备用整合包下载：【点击前往】
文本编码器 (models/text_encoders/)：
- qwen3vl_32b_minimax_h3_Q4_K_M.gguf
视频与音频 VAE (models/vae/)：
- 视频 VAE：minimax_h3_video_vae_fp16.safetensors
- 音频 VAE：minimax_h3_audio_vae_fp32.safetensors (必须使用 fp32 版本，fp16 会导致失真或无声)

越狱工作流节点：【点击下载】或【备用下载】
工作流文件：【点击下载】或【备用下载】
将工作流拖入 ComfyUI，检查并绑定以下关键节点：
- **Unet Loader (GGUF)**：选择已下载的主模型。
- **CLIP Loader (GGUF)**：选择 Qwen3-VL 文本编码器。
- VAE Loader：分别连接视频 VAE 与音频 VAE，注意勿颠倒接口。
初次测试建议将分辨率设置为 480p，时长设为 5 秒。