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。
| 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 Flash | H3 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 |
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。
| 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:
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/。
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。
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/。
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。
| 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 |
GGUF 路线:
ComfyUI/custom_nodes/,重启 ComfyUI。--fast-disk 参数。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):
_int8 后缀的模板(hyperflow_t2v_int8 等)。--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。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。
| 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
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。
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。
[Intro]、[Verse]、[Pre-Chorus]、[Chorus]、[Bridge]、[Instrumental]、[Outro]。标签是指令,歌词本身只表达情绪。tiled_decode(分块解码)能省显存,速度稍慢。ComfyUI/output/audio/audio_minimax_music3.mp3。| 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。