从零开始用 ComfyUI 跑 MiniMax H3：本地安装、云端和视频工作流

ComfyUI 看起来像一块接满电线的电路板，新手非常劝退，但连连看大家应该都玩过，道理都是一样的。而对于官方的默认工作流，甚至不需要任何连节点的操作，直接用就行了。

在使用comfyui之前，先做这三件事：

  1. 看电脑能不能跑。
  2. 决定用本地还是云端。
  3. 打开官方 MiniMax H3 模板，生成一条 5 秒视频。

后面的高清修复、参考图、首尾帧和长视频，都建立在这条基础链路已经跑通的前提上。

MiniMax H3 是最近非常火热的开源大模型，可以说是开源的同时，又能实现了seedance2.0的能力（天下苦即梦久矣！）

可以在 ComfyUI 中生成带同步声音的视频。官方模板已经覆盖文生视频、图生视频和参考生视频，不需要新手从空白画布自己接节点。

一、先检查自己的电脑

本地跑视频，最重要的不是 CPU，而是显卡和显存。

最简单的检查方法

在 Windows 中按 Ctrl + Shift + Esc 打开任务管理器，进入：

性能 → GPU

记下两项：

  • 显卡名称，例如我的是 NVIDIA GeForce RTX 4080 Laptop GPU。
  • 专用 GPU 内存，也就是常说的显存，例如 12GB。

然后查看：

性能 → 内存

记下电脑内存是 16GB、32GB 还是 64GB。

最后打开“此电脑”，确认准备安装 ComfyUI 的磁盘还有多少空间。

NVIDIA 用户也可以打开 PowerShell，输入：

1
nvidia-smi --query-gpu=name,memory.total,driver_version --format=csv,noheader

查看内存和磁盘：

1
2
3
4
5
Get-CimInstance Win32_ComputerSystem |
  Select-Object @{Name="MemoryGB";Expression={[math]::Round($_.TotalPhysicalMemory / 1GB)}}

Get-PSDrive -PSProvider FileSystem |
  Select-Object Name,@{Name="FreeGB";Expression={[math]::Round($_.Free / 1GB)}}

怎么判断能不能跑

ComfyUI 官方没有给 H3 写一个“低于多少显存绝对不能运行”的保证表。量化、内存卸载、分辨率和时长都会改变结果。下面是更实用的选择建议，不是官方最低配置：

当前 H3 模型仓库中，一套常见的精简 T2V/I2V 组合，包括量化扩散模型、文本编码器、视频 VAE、音频 VAE 和 Turbo LoRA，合计大约 45GB。增加 R2V 参考生视频权重后，还要再准备约 23GB。实际下载内容以 ComfyUI 模板弹窗为准，建议至少留出 70–100GB 空间。

以我的电脑为例：RTX 4080 Laptop 12GB 显存、约 32GB 内存。适合先从 864×480、5 秒、Turbo 8 步开始，不适合第一条就硬跑 1344×768、15 秒。

X 上也有人用 RTX 3060 12GB 跑通 864×480、10 秒的视频，但耗时约 7 分钟。这只能说明低显存有可行路径，不能理解为每一台 12GB 电脑都能无条件复现。

二、在 Windows 安装 ComfyUI

新手直接使用官方 Comfy Desktop。ComfyUI 官方仓库也把 Desktop 称为 Windows 和 macOS 上最容易的使用方式。

安装步骤

  1. 打开

    ComfyUI 官方下载页

  2. 下载 Windows 安装程序。

  3. 运行 .exe，按提示完成安装。

  4. 第一次打开时创建一个 ComfyUI installation。

  5. 把安装目录和共享模型目录放在空间充足的磁盘。

  6. 等初始化完成，打开 ComfyUI 界面。

官方给 Desktop 本身建议的基础磁盘空间约为 4.85GB，但这不包含 H3 的几十 GB 模型。不要把 ComfyUI 主程序大小和模型空间混在一起。

第一次打开后，先不要安装一堆第三方节点。只确认三件事：

  • 界面可以打开。
  • 模板库可以加载。
  • 队列面板没有启动错误。

手动安装、Portable 版本和自己配置 Python 更适合已经知道虚拟环境、PyTorch 与 CUDA 是什么的人。新手没有必要从最复杂的路线开始。

三、电脑不合适时，直接用云端 ComfyUI

最简单的云端方案是官方

Comfy Cloud

。它不需要本地安装，模型和常用节点已经准备好，操作界面与本地 ComfyUI 基本一致。

云端操作

  1. 打开 Comfy Cloud 并登录。
  2. 在左侧点击模板图标。
  3. 进入视频分类，搜索 MiniMax H3。
  4. 选择 T2V 或 I2V 模板。
  5. 修改提示词，I2V 再上传输入图片。
  6. 点击 Run，或按 Ctrl + Enter。
  7. 在 Queue 面板等待生成。
  8. 在视频播放器右下角菜单中选择 Download。

Comfy Cloud 是订阅服务，价格可能变化，使用前看

实时定价页

。官方文档说明，GPU 只在会话实际运行时计费，关闭浏览器标签页后会话自动停止。

云端适合先验证工作流。它的限制也很清楚：只能使用平台提供的模型和节点，不能像本地版本一样随意修改所有文件。后面要安装小众插件、管理自己的大模型，还是本地更自由。

此外还有很多现成的网站可以使用，比如libtv，runninghub之类的，但这里就不打广告了，可以自行选择。

四、用 H3 生成第一条视频

先用官方 T2V，也就是文生视频。

第一步：打开官方模板

确认 ComfyUI 版本不低于 0.30.0，新安装则直接保持最新版。

进入：

模板库 → 视频 → MiniMax H3 → Text to Video

🔺注意，模板第一次加载时会提示下载缺失模型。按弹窗选择官方模型即可。下载很大，开始前确认磁盘空间和网络。

第二步：只改四个地方

第一次不要动其他节点，只改：

  • 提示词
  • 宽高比
  • 分辨率
  • 时长

12GB 显存可以先用：

  • 画面：16:9
  • 分辨率：约 0.4MP，例如 864×480
  • 时长：5 秒
  • Turbo：开启
  • Turbo steps：8
    涡轮步数：8

这套参数的目的只是验证环境，不代表最终质量。

第三步：写一个完整但不复杂的提示词

H3 的提示词最好同时说明场景、动作、镜头和声音。例如：

1
2
3
4
黄昏的海边，一位穿白色风衣的年轻女性站在潮水边。
镜头从中景缓慢推近，海风吹动她的头发和衣角。
远处传来海浪声和轻柔的环境音乐，无对白。
单镜头，5 秒，写实电影感。

第一条只做一个镜头。不要同时要求换三个地点、五次转场、复杂对白和十几个动作。

第四步：运行和保存

点击 Run，或按 Ctrl + Enter。

如果成功，视频会出现在保存节点和 Queue 历史中。先保存这条测试视频，再逐步提高分辨率或时长。不要在基础工作流还会报错时安装高级插件。

五、用一张图片生成视频

打开官方 Image to Video 模板。

  1. 在 Load Image 节点上传图片。
  2. 把图片作为 first_frame。
  3. 提示词只描述接下来发生的动作、镜头和声音。
  4. 保持 5 秒和较低分辨率，先运行一次。

例如：

1
2
3
人物缓慢抬头看向镜头，轻轻呼吸。镜头稳定地向前推进。
头发被微风吹动，背景树叶发出轻微沙沙声，无对白。
保持人物身份、服装、光线和背景结构。

如果希望视频从 A 画面过渡到 B 画面，再把第二张图片接到 last_frame。H3 会生成两张关键帧之间的运动。首帧和尾帧都不是必填，也可以只控制其中一端。

六、基础跑通以后，再加这些工作流

不要一次全部安装。按自己的问题选择一个。

1. 高清修复与二次精修

正确顺序是：

低分辨率试动作 → 选中满意版本 → 放大或二次采样 → 导出

H3 Director

提供 Refine、Upscale 和 latent upscale，可以保留一采结果并对比二采结果。也可以使用官方托管的 2K 路线。不要把第一轮测试直接设成 2K，那只会让每次试错更慢。

2. 多张参考图、参考视频和参考音频

官方 R2V 模板使用另一套 ref2va 权重。它最多支持 9 张参考图、3 个参考视频和 3 段独立音频。

提示词中要明确分工：

1
2
3
4
<Picture 1> 负责人物身份。
<Picture 2> 负责服装。
<Video 1> 负责镜头运动。
<Audio 1> 负责声音风格。

H3 Easy

把图像、视频和音频放到一个 Media 接口，并支持用 @ 选择参考素材。它适合官方 R2V 已经跑通，但觉得原始节点太散的人。

3. 首尾帧和任意帧控制

首尾帧直接使用官方 I2V 模板。

如果要在视频中间强制经过某张图，最新版 ComfyUI 提供 MiniMaxH3AddGuide。它可以把图片、视频片段或音频锚定到任意帧，也可以串联多个 Guide。

这比只控制首尾帧更灵活，但也更容易产生跳变。先用一个中间锚点，不要一次塞满时间轴。

4. 长视频续拍和音乐视频

H3 开放权重的单次生成上限应按约 15 秒理解。更长的视频通常不是一次生成，而是分段续拍再拼接。

Motion Context MultiRef

提供音乐视频和 AV Extension 示例，把前一段的画面、运动和声音上下文带进下一段。它还依赖 VideoHelperSuite、KJNodes、rgthree 等节点，适合基础工作流稳定以后再装。

5. 局部重绘、物体移除和扩展画面

新版本原生 H3 支持 latent noise mask。蒙版为 0 的部分保留，值为 1 的部分重新生成。

它可以只重绘视频的一小块、移除物体或扩展画面。操作前先保存原工作流和原视频，因为视频局部重绘比图片更容易在边缘和时间上出现闪动。

七、最常见的五个问题

① 模型下载到一半，磁盘满了

先清理或更换模型目录。H3 不是一个小 checkpoint，而是一组扩散模型、文本编码器、视频 VAE、音频 VAE 和 LoRA。

② 打开工作流，全是红色缺失节点

官方模板先更新 ComfyUI。第三方工作流则打开 Manager，按缺失节点安装对应仓库，然后重启。不要看到一个红框就搜索并安装十个同名节点。

③ CUDA out of memory
③ CUDA 超出内存限制

先降低分辨率和时长，关闭其他占用显存的软件，再使用量化模型、Turbo 或内存卸载。不要先改一堆采样参数。

④ 能生成，但速度非常慢

低显存机器把模型放到系统内存再来回搬运，本来就会慢。12GB 显存“能跑”和 24GB 显存“用得舒服”是两件事。

⑤ 视频有画面，但动作或声音不对

缩短提示词，只保留一个场景、一个主要动作和一个镜头。声音也写在同一个提示词里。先把单镜头跑通，再做多段和参考素材。

八、一条最稳的学习路线

如果完全没有用过 ComfyUI，按这个顺序：

  1. 官方 Desktop 或 Comfy Cloud。
    官方提供的桌面版或 Comfy Cloud 服务。
  2. 官方 H3 T2V，864×480、5 秒、Turbo。
  3. 官方 I2V，加入一张首帧。
  4. 官方首尾帧。
  5. 官方 R2V，多参考素材。
  6. H3 Easy，简化日常操作。
  7. H3 Director，做分镜、二采和放大。
  8. Motion Context MultiRef，做长视频或音乐视频。

先生成一条能播放的 5 秒视频，再谈高级工作流。ComfyUI 最容易走偏的地方，就是基础链路还没跑通，文件夹里已经装了几十个节点。

参考资料

官方文档

进阶工作流

第三方自定义节点会在本机执行代码。只从可信仓库安装，先看 README、更新时间和依赖；不要把含 API Key 的配置文件一起公开。涉及商业使用或不同地区发布时，还应单独检查 MiniMax H3 的当前模型许可证。