← 全部文章 · 铠泽漫游主站

MiniMax 模型集合:H3 视频、H3-Image 生图、Music 3 音乐

2026-11-15 · 阅读约 10 分钟 · MiniMaxComfyUI模型下载
MiniMax 模型集合:视频、图片、音乐
上图为 AI 生成示例:视频、图片、音乐,三件事一个集合。

MiniMax 开源的三个模型都在这篇里:H3 做视频、H3-Image 做图片、Music 3 做音乐,外加两个让视频更快、更省显存的玩法(Turbo LoRA、HyperFlow H3 Flash)。每个模型只写两件事:哪里下载模型(只给最新推荐的一套文件,不列过时的版本),以及如何在 ComfyUI 里用。

先看总表

模型能干什么关键数字ComfyUI 要求
MiniMax H3文生视频 / 图生视频 / 参考生视频,带同步立体声音频33B 参数,单次 4–15 秒0.30.0+,原生支持
H3 Turbo LoRA给 H3 视频生成加速4 步 / 8 步出片配合 H3 使用
HyperFlow H3 FlashH3 的压缩版,视频 + 音频一起出13.7B 参数,4 / 6 / 8 步,5.2–15 秒自定义节点(GGUF 或 INT8)
MiniMax H3-Image文生图 + 图片编辑原生直出约 1600 万像素0.45.0+,原生支持
MiniMax Music 3写一句歌词,生成一首完整歌曲最长 5 分钟,32 kHz 立体声最新版,原生支持

一、MiniMax H3:能出声的 AI 视频

H3 是 MiniMax 开源的视频生成模型,33B 参数。和其他视频模型最大的不同是:它视频和音频是一起生成的——画面里有人说话、有环境音,声音和口型、动作是对得上的。三种玩法:写一句话生成视频(文生视频)、给一张图让它动起来(图生视频)、给几张参考图按参考内容生成(参考生视频)。ComfyUI 0.30.0 以上原生支持,不用装额外插件。

哪里下载模型(推荐的一套)

文件下载哪个放到哪里
主模型minimax_h3_fl2va_int8_convrot.safetensors / minimax_h3_ref2va_int8_convrot.safetensors(int8 量化版,画质和速度最均衡;大显存卡可用 bf16 全精度)ComfyUI/models/diffusion_models/
文本编码器qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors(约 15.7 GB,最小,不需要 Blackwell 显卡)ComfyUI/models/text_encoders/
视频 VAE + 音频 VAE视频 VAE 一个,音频 VAE 一个,两个都要ComfyUI/models/vae/

都在 Hugging Face 的 Comfy-Org/MiniMax-H3 仓库:

主模型下载 文本编码器下载 VAE 下载 官方模型页

如何在 ComfyUI 里用

  1. 把 ComfyUI 更新到 0.30.0 或更新。
  2. 下载上面表格里的文件,放进对应的文件夹。
  3. 在 ComfyUI 里打开模板:文生视频、图生视频、参考生视频、多帧参考都有现成模板,选一个打开。
  4. 写提示词,点生成。第一次运行要等模型加载,耐心等一下。

进阶:仓库里还有 10 个特效词包(爆炸、开花、子弹时间、暗黑魔法、喷火、四季、亲吻镜头、螺旋上升、风暴魔法、楚门秀),下载到 ComfyUI/models/embeddings/,提示词里写 embedding:名字 就能调用;想控制画面结构可以用 Fun ControlNet,文件在 model_patches/。

官方教程

二、H3 Turbo LoRA:让 H3 快几倍

Turbo LoRA 是给 H3 做的蒸馏加速包:不改模型本体,挂上 LoRA 就能把采样步数砍到 4 步或 8 步,生成速度快几倍,画质损失很小。想快速出片、批量试效果的时候用它。

哪里下载模型

去 Comfy-Org/MiniMax-H3 仓库的 loras/ 目录下载:图生视频版 4 步、8 步各一个文件,参考生视频版 4 步一个文件,按需要下,放进 ComfyUI/models/loras/。

LoRA 下载 原仓库

如何在 ComfyUI 里用

  1. 在 H3 的工作流里加上 LoRA 加载节点,选中下载的文件。
  2. 把采样步数改成 4 或 8:4 步最快,8 步画质更好,第一次建议先用 8 步试效果。

三、HyperFlow H3 Flash:显卡一般的首选

这是第三方团队做的 H3 压缩版:通过结构剪枝和低秩分解,把 33B 的模型压缩到 13.7B,生成只要 4 / 6 / 8 步,不用 CFG。输出是 5.2–15 秒的视频(默认 1344×768,24fps),带 32 kHz 立体声音频。实测 5.2 秒片段、6 步,在 RTX 5090 上约 92 秒。量化版 Q4_K_M 只有 9.1 GB,24GB / 32GB 显卡的电脑、16GB 内存就能跑。

哪里下载模型

路线下载哪个放到哪里
GGUF(通用)minimax_h3_fl2va_hyperflow_flash_14b-Q4_K_M.gguf(推荐,9.1 GB)ComfyUI/models/diffusion_models/
INT8(24GB 以上显卡)单文件版 minimax_h3_fl2va_hyperflow_flash_14b-int8_convrot.safetensors(约 16.0 GB)ComfyUI/models/diffusion_models/
共用文本编码器 qwen3vl_32b_minimax_h3_nvfp4_awq(约 15.7 GB)+ 视频 VAE + 音频 VAE与 H3 相同的文件夹

模型页与完整说明 GitHub 仓库

如何在 ComfyUI 里用

GGUF 路线:

  1. 把 ComfyUI-GGUF 和 ComfyUI-HyperFlow-Flash 两个自定义节点克隆到 ComfyUI/custom_nodes/,重启 ComfyUI。
  2. 下载上面的 .gguf 文件和文本编码器、VAE,放进对应的文件夹。
  3. 内存 16GB 或 32GB 的电脑,启动 ComfyUI 时加上 --fast-disk 参数。
  4. 打开模板:hyperflow_t2v(文生视频)、hyperflow_i2v(图生视频)、hyperflow_flf2v(首尾帧)、hyperflow_ref2v(参考生视频)。

INT8 路线(24GB 以上显卡):

  1. 安装 ComfyUI-HyperFlow-Flash 1.1.0 或更新(这条路线不需要 ComfyUI-GGUF)。
  2. 下载单文件版 INT8 权重,文本编码器和 VAE 与 GGUF 路线相同。
  3. 打开带 _int8 后缀的模板(hyperflow_t2v_int8 等)。
  4. 启动 ComfyUI 时加上 --enable-triton-backend,或者用 CUDA 13.0 以上编译的 PyTorch,否则速度会慢一半左右。
许可提醒:这个压缩版遵循 MiniMax H3 社区许可,许可有地域限制(在美国等地使用需要 MiniMax 事先授权),并附有可接受使用政策。用之前先看一眼模型页上的许可条款。

四、MiniMax H3-Image:1600 万像素生图 + 改图

H3-Image 是 MiniMax 新开源的图像模型,33.1B 参数。最大的卖点是原生直出最高 1600 万像素的图片——不是先画小图再放大,细节不会丢。中英文提示词都能用,文生图、图生图、图片编辑三合一,权重开源免费,装到自己的电脑上跑,图片不用上传到别人的服务器。

🖼️ 1600 万像素直出原生高清输出,细节丰富,色彩自然,人像、风景、建筑表现都很好。
🔤 中英文文字渲染能准确生成中文和英文文字,做海报、表情包、创意图都很方便。
✏️ 图片编辑对已有的图做修改:换背景、换服装、调整光线,操作简单。
🔄 文生图 + 编辑无缝衔接同一张图,先用文字生成,再用编辑功能接着改,直到满意为止。
🎨 多种风格切换写实、卡通、油画、水彩等风格,写进提示词里就能切换。
🔒 开源本地部署权重免费下载,本地运行,不用担心隐私泄露。

哪里下载模型(推荐的一套)

文件下载哪个放到哪里
主模型fp8 约 13.7 GB(显存 24GB 左右选这个)/ bf16 约 27.4 GB(32GB 显存,比如 RTX 5090,直接上全精度)ComfyUI/models/diffusion_models/
VAE 模型约 335 MB,必须装ComfyUI/models/vae/
文本编码器Qwen3-4B 约 8 GB / Qwen3-8B 约 16 GB,二选一ComfyUI/models/text_encoders/
工作流工作流合集(.json),导入即用任意位置,在 ComfyUI 里导入即可

硬盘至少预留 40 GB。下载要花点时间,建议用下载工具慢慢下,不用守着。

主模型下载 VAE 下载 文本编码器下载 工作流下载 官方模型页

如何在 ComfyUI 里用

  1. 下载 ComfyUI(官方下载页),更新到 0.45.0 或更新。
  2. 按上面表格下载模型文件,放进对应的文件夹。
  3. 启动 ComfyUI,导入工作流文件。
  4. 写提示词就能出图。还可以在 ComfyUI 里装插件,比如 ComfyUI-Manager,装完重启 ComfyUI 即可。

使用小贴士

官方教程

五、MiniMax Music 3:一句话写首歌

Music 3 是 MiniMax 的音乐生成模型:一句歌词加一段风格描述,就能生成一首最长 5 分钟的完整歌曲,有前奏、主歌、副歌、间奏、尾奏,32 kHz 16-bit 立体声输出。ComfyUI 原生支持,有官方示例工作流。

哪里下载模型

模型文件在 Hugging Face 的 Comfy-Org/MiniMax-Music-3 仓库(已按 ComfyUI 格式重打包),原始权重在 MiniMaxAI/MiniMax-Music3。最省事的办法:打开 ComfyUI 的模板库,按下面步骤操作,下载会自动提示。

ComfyUI 重打包下载 官方模型页

如何在 ComfyUI 里用

  1. 把 ComfyUI 更新到最新版。
  2. 打开 模板库 > 音频,选择 MiniMax Music 3 工作流,按提示下载模型。
  3. 写 Caption(音乐描述),分三段:全局信息(风格、BPM、调性、情绪走向、适合什么场景听)、人声细节(男声 / 女声、音色、演唱风格、和声、效果)、编曲(主要和次要乐器、律动、贝斯、鼓点、质感、空间效果)。写得越具体,出来的歌越接近预期。
  4. 写 Lyrics(歌词),歌词里加段落标签控制结构:[Intro]、[Verse]、[Pre-Chorus]、[Chorus]、[Bridge]、[Instrumental]、[Outro]。标签是指令,歌词本身只表达情绪。
  5. max_duration(时长):目标时长,单位秒,模板默认 60 秒,最长约 300 秒(5 分钟)。歌越长越费时间和显存,低显存显卡做长歌时打开 tiled_decode(分块解码)能省显存,速度稍慢。
  6. seed(随机种子):固定种子能复现同一首歌,换种子换一个版本。
  7. 生成的歌保存在 ComfyUI/output/audio/audio_minimax_music3.mp3。

官方教程

不知道选哪个?一句话对照

你想干什么选哪个
做一段能出声的 AI 视频,画质优先MiniMax H3(第一节)
做视频,但显卡一般 / 内存不大HyperFlow H3 Flash(第三节)
H3 生成太慢,想提速挂 H3 Turbo LoRA(第二节),4 步或 8 步
画图、做海报、改图MiniMax H3-Image(第四节)
写首歌MiniMax Music 3(第五节)

文件大小以官方页面为准,下载前先对一下自己的显存和硬盘空间。