MiniMax H3 开源免费版解压即用：最低 8G 显存可玩，ComfyUI 整合包下载 支持本地AI生成视频

大家好，这里是「代码简单说」。

最近 AI 视频生成领域又出现了一个比较值得关注的模型——MiniMax H3。

这次最大的看点并不只是模型效果，而是它直接走了开源路线。对于喜欢本地部署 AI 视频模型的用户来说，这意味着不再完全依赖在线平台，后续还可以期待社区针对模型进行各种优化、量化和工作流改进。

目前社区已经出现了基于ComfyUI 的 MiniMax H3 工作流和整合包，基本可以做到下载、解压、配置后直接运行。

本文整理一下 MiniMax H3 的本地使用方法，以及目前比较值得关注的几种视频生成玩法。

MiniMax H3 整合包下载

如果不想自己一个个安装 ComfyUI、节点和模型，可以直接使用已经整理好的整合包。

MiniMax H3 ComfyUI 整合包

这个版本主要面向希望快速体验 MiniMax H3 的用户。

下载之后按照整合包中的目录结构解压即可。

如果你已经有自己的 ComfyUI 环境，也可以不使用整合包，直接按照对应工作流安装模型和节点。

一、MiniMax H3 到底是什么？

MiniMax H3 是 MiniMax 推出的新一代视频生成模型。

目前社区关注它的主要原因有三个：

1. 模型开源
2. 支持本地运行
3. 视频生成质量已经达到了比较高的水平

尤其是开源这一点非常重要。

以前很多优秀的视频生成模型主要依赖在线服务，本地用户即使想体验，也没有完整模型可以使用。

而 MiniMax H3 开源以后，ComfyUI 社区很快就开始适配。

从目前测试情况来看，它已经可以用于：

• 文生视频
• 图生视频
• 首帧 + 尾帧生成视频
• 多参考图生成视频
• 视频参考
• 音频参考
• 风格控制
• 高动态视频生成

并且后续随着社区继续优化，实际体验还有进一步提升的空间。

三、硬件要求怎么样？

这可能是很多人最关心的问题。

MiniMax H3 虽然属于大型视频生成模型，但经过量化和模型裁剪之后，对显存的要求并没有想象中那么夸张。

目前社区测试反馈中，8GB 显存已经可以尝试运行。

不过这里需要注意：

8GB 显存属于「可以跑」，并不代表「运行体验很好」。

视频生成本身就属于非常吃显存和算力的任务。

不同的：

• 分辨率
• 视频长度
• Steps
• 模型精度
• 参考图片数量
• 参考视频数量

都会明显影响显存占用和生成速度。

如果显存比较小，可以优先降低生成分辨率。

例如可以从：

1.0

逐渐降低到：

0.8 0.6 0.5 0.4

实际参数需要根据自己的显卡测试。

四、MiniMax H3 ComfyUI 工作流

目前比较推荐的使用方式就是ComfyUI。

如果使用整合包，一般不需要自己从零搭建工作流。

打开 ComfyUI 后，可以在工作流目录中找到对应的 MiniMax H3 工作流。

目前比较值得体验的主要有三类。

五、工作流一：文生视频

第一种就是最基础的：

Text to Video

也就是通过提示词直接生成视频。

整个工作流实际上非常简单。

核心参数主要就是：

• Prompt
• 分辨率
• 视频时长
• Seed
• Steps

对于普通用户来说，基本只需要修改提示词、分辨率和时长即可。

如果想重新抽卡，可以修改 Seed。

1. Prompt

例如：

A cinematic action scene, a warrior running through a burning city, high dynamic movement, dramatic lighting, realistic camera movement, cinematic composition, detailed environment

MiniMax H3 对自然语言提示词的理解能力比较不错。

如果之前已经习惯使用其他 AI 视频模型，那么原来的提示词也可以尝试直接迁移过来。

2. 分辨率

工作流中的分辨率设计比较直观。

通常会按照像素数量和画面比例进行控制。

例如：

1:1 1024 × 1024

16:9 则可以使用类似：

1376 × 768

具体分辨率可以根据显卡显存进行调整。

如果显存不够，不要一上来就追求高分辨率。

先保证模型能够正常生成，再逐步提高分辨率。

六、模型精度怎么选择？

MiniMax H3 目前已经出现了多个不同精度、不同体积的模型版本。

常见的包括：

• BF16
• FP8
• INT8
• GGUF
• 其他量化版本

基本原则非常简单：

模型越大，通常质量和显存需求越高。

如果显卡性能比较强，可以选择 BF16 等高精度版本。

如果显存有限，则可以考虑：

FP8 INT8 GGUF

等量化版本。

七、INT8 和 FP8 怎么选？

如果你的硬件比较有限，可以优先从 INT8 或 FP8 开始。

例如：

INT8

一般可以获得比较不错的速度和显存占用平衡。

如果你的显卡属于较新的架构，也可以尝试 FP8 等版本。

对于普通用户来说，不需要一开始就纠结具体的精度。

建议按照：

能跑 → 跑得快 → 提升质量

这个顺序来调整。

八、KJ 节点和加速选项

部分 MiniMax H3 工作流使用了 KJ Nodes。

如果你的 ComfyUI 环境已经安装相关节点，可以使用对应的优化功能。

例如部分环境可以使用：

• Sage Attention
• FP16 Accumulation

等加速选项。

但是这里需要注意：

没有安装对应依赖的时候不要强行打开。

否则可能直接出现节点报错。

如果启动工作流以后出现相关错误，可以先把这些加速选项关闭，再确认依赖是否安装完整。

九、工作流二：图生视频

第二种玩法就是：

Image to Video

也就是上传一张图片，然后让 MiniMax H3 根据图片生成动态视频。

这个工作流和文生视频其实非常接近。

主要区别就是增加了图片输入。

例如上传一张人物照片，然后通过 Prompt 描述：

The woman slowly turns around, her hair moving naturally in the wind, cinematic camera movement, realistic body motion, subtle facial expression changes

模型就会根据图片内容和提示词生成视频。

十、首帧 + 尾帧生成视频

MiniMax H3 另一个比较实用的功能就是：

First Frame + Last Frame

也就是：

首帧 + 尾帧 → 视频

这个功能对于控制视频的开始和结束画面非常有用。

例如：

首帧：人物站在房间里 尾帧：人物走到窗户旁边

模型会尝试生成从首帧到尾帧之间的过渡动画。

在 ComfyUI 中，一般只需要把两张图片分别连接到：

First Frame Last Frame

即可。

如果只输入第一张图片，就是：

单图生视频

如果同时输入首帧和尾帧，就是：

首尾帧生视频

因此整个使用逻辑还是比较简单的。

十一、Steps 参数怎么设置？

工作流中还有一个比较重要的参数：

Steps

也就是采样步数。

通常可以根据实际情况进行调整，例如：

20 30 40 50

如果画面动态比较复杂，可以尝试提高 Steps。

例如：

30 → 40 → 50

逐步测试。

但是 Steps 越高并不意味着一定更好。

它同样会增加生成时间。

因此实际使用时建议根据自己的显卡和画面复杂程度寻找平衡点。

十二、工作流三：多参考生成视频

我认为目前 MiniMax H3 最值得关注的功能之一，就是：

Multi Reference

也就是多参考生成。

相比单纯的文生视频和图生视频，多参考可以提供更多输入信息。

例如可以同时提供：

• 人物参考图
• 场景参考图
• 风格参考图
• 视频参考
• 音频参考

然后让模型综合这些信息生成最终视频。

十三、最多支持多少参考？

目前工作流可以支持多个参考输入。

社区整理的信息中：

图片

最多：

9 张

视频

最多：

3 个

音频

最多：

3 个

理论上最多可以组合12 个参考输入。

当然，实际使用时并不建议一上来就塞满。

因为：

参考越多，计算量通常也越大。

尤其是加入视频参考之后，生成速度可能明显下降。

所以建议根据实际需求控制参考数量。

十四、多参考到底有什么用？

举一个比较容易理解的例子。

假设我们想生成一个人物打斗视频。

可以提供：

人物参考图 + 场景参考图 + 动作参考视频 + 风格参考图

然后通过 Prompt 描述具体动作。

这样模型获得的信息就会明显多于单纯输入一句文字。

对于：

• 人物一致性
• 场景一致性
• 风格控制
• 动作参考
• 视频创作

都有比较大的帮助。

这也是为什么多参考生成被很多人认为是 MiniMax H3 后续非常有潜力的方向。

十五、MiniMax H3 和 Seedance 2.0 怎么看？

目前网上讨论最多的问题之一就是：

MiniMax H3 能不能干掉 Seedance 2.0？

现在直接下结论还比较早。

因为二者在：

• 模型规模
• 推理速度
• 视频分辨率
• 商业服务
• API
• 工作流生态
• 本地部署

等方面都有差异。

但有一点非常明显：

MiniMax H3 的开源，会明显增加 AI 视频生成领域的竞争。

尤其是本地部署用户。

过去很多优秀的视频生成能力集中在商业平台中。

现在如果开源模型继续快速迭代，并且社区不断推出：

• FP8
• INT8
• GGUF
• ComfyUI 工作流
• 显存优化
• Attention 加速
• 量化方案

那么本地 AI 视频生成的门槛会越来越低。

十六、目前最大的限制是什么？

虽然 MiniMax H3 的效果非常值得关注，但目前也不能忽略几个问题。

1. 推理速度

模型刚开源不久，生态还在快速完善。

本地运行速度相比成熟商业平台仍然比较慢。

2. 显存需求

虽然社区已经出现了 8GB 显存可运行的方案，但如果想追求：

• 高分辨率
• 长视频
• 多参考
• 高精度模型

仍然需要更强的硬件。

3. 工作流生态

目前 ComfyUI 工作流还在持续完善。

后续随着更多开发者参与，相信会出现更多优化节点和第三方工作流。

4. 2K 等更高分辨率能力

目前社区主要体验的还是相对较低分辨率版本。

如果后续更高分辨率模型进一步开放，再配合社区优化，实际效果可能还会继续提升。

十七、没有高显存显卡怎么办？

如果自己的电脑显卡显存比较小，也不一定非要本地运行。

可以考虑使用云端 GPU 平台运行 ComfyUI 工作流。

这种方式最大的优势就是：

不需要自己购买高显存显卡。

例如一些平台可以直接提供：

48GB GPU 96GB GPU

等不同规格的 GPU。

首次使用通常会提供一定的免费算力额度，可以先测试 MiniMax H3 是否符合自己的需求。

如果只是想体验模型，云端 GPU 反而更加方便。

十八、MiniMax H3 本地部署建议

如果你准备自己折腾，建议按照下面的顺序进行。

第一步：准备 ComfyUI

建议使用较新的 ComfyUI 版本。

第二步：更新节点

尤其是工作流依赖的 KJ Nodes 等节点。

不要直接拿很久以前的 ComfyUI 环境运行最新工作流。

第三步：下载模型

根据自己的显存选择：

BF16 FP8 INT8 GGUF

不要盲目下载最大的模型。

第四步：加载官方或社区工作流

优先使用已经验证过的工作流。

这样可以减少自己搭节点时出现错误的概率。

第五步：从低分辨率开始

例如先使用：

0.5 ~ 0.6

这样的规模进行测试。

确认可以正常生成之后，再逐渐增加分辨率。

十九、MiniMax H3 值得现在折腾吗？

如果你本身就在玩 ComfyUI 或 AI 视频生成，我认为值得尝试。

原因很简单：

这是一个开源的视频生成模型。

开源最大的价值并不只是现在能生成什么，而是后续整个社区可以围绕它继续做优化。

例如：

官方模型 ↓ 社区量化 ↓ ComfyUI ↓ 显存优化 ↓ Attention 加速 ↓ 工作流优化 ↓ 第三方节点 ↓ 更低硬件门槛

这条路线一旦跑通，模型的实际使用成本会持续下降。

因此现在看到的 MiniMax H3，更像是一个起点，而不是最终形态。

二十、总结

MiniMax H3 这次开源之后，AI 视频生成领域的竞争确实会更加激烈。

目前比较值得关注的几个特点可以总结为：

如果你只是想快速体验，直接使用整合包会比较省事。

MiniMax H3 ComfyUI 整合包：

https://pan.quark.cn/s/37f1b26d2d25

目前建议大家不要只盯着单次生成效果。

真正值得关注的是后面的社区生态。

如果后续能够进一步优化推理速度、显存占用，并开放更高分辨率模型，那么 MiniMax H3 对现有商业 AI 视频生成平台的竞争压力还会继续增加。

对于普通用户来说，模型之间竞争越激烈，最终受益的还是使用者。