MiniMax-H3 本地视频生成全流程实战FL2VA 与 Ref2VA 双模型选型、部署与调优指南【免费下载链接】MiniMax-H3-comfyUI-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF把 MiniMax-H3 这套多模态视频生成系统跑在本地是什么体验答案是写一句提示词就能拿到一段画面与声音同步生成的视频连双声道立体声都是原生的。这篇指南不绕弯子直接带你走完从模型选型、环境部署到参数调优的完整链路重点拆解 FL2VA 与 Ref2VA 两个模型各自适合什么场景、又该如何在 ComfyUI 里把工作流跑通。一、先看成果一段视频里画面和声音同时长出来 MiniMax-H3 与传统文生视频工具最大的不同在于它把文本、图像、视频、音频的理解装进了同一个生成系统。你输入的不再只是一行描述画面的文字还可以是角色照片、参考视频、甚至一段想复刻风格的声音片段系统会综合这些素材统一输出视频与音频。它的输出规格相当能打值得你提前了解视频时长单段 4–15 秒分辨率默认短边 768 像素可覆盖 21:9、16:9、4:3、1:1、3:4、9:16 等常见比例帧率固定 24 FPS音频32kHz 立体声随视频一同生成而 MiniMax-H3-comfyUI-GGUF 这个项目做的就是把模型权重转成 GGUF 量化格式Q3_K_M 到 Q8_0 共 11 档并附上开箱即用的 ComfyUI 工作流。这意味着你不需要手搓采样代码也不必非得租满血显卡普通本地机器也能体验完整的视频生成链路。二、动手前先选型FL2VA 与 Ref2VA 差在哪 项目同时提供了两个模型变体它们的创作逻辑完全不同选错会让后面的工作事倍功半。建议你先花一分钟看清这张对比表对比维度FL2VA首末帧驱动Ref2VA全参考模式核心思路用开头与结尾画面框定视频走向用多段参考素材综合决定视频内容图像输入0–2 张最多 9 张视频输入不支持最多 3 段每段 2–15 秒总时长不超过 15 秒音频输入不支持最多 3 段且必须搭配图像或视频一起使用典型玩法纯文本生成、单张首帧/末帧引导、首末帧联合控制角色一致性、风格迁移、多素材混搭创作模型存放目录fl2va/ref2va/选择逻辑其实很简单想让某个角色、某个场景在整段视频里保持统一或者手里攒了一堆参考素材想喂给模型——选Ref2VA只求快速出片用一两张图控制剧情的起止或者干脆不喂图、纯靠提示词生成——选FL2VA就够了。三、从零到一三步把生成流程跑起来 ⚙️第 1 步把仓库拉到本地确保 ComfyUI 已经装好然后在你习惯的目录下克隆项目git clone https://gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF第 2 步补齐运行依赖进入项目目录安装依赖文件里声明的 Python 包cd MiniMax-H3-comfyUI-GGUF pip install -r requirements.txt第 3 步导入现成工作流项目把两个模型的节点编排都打包好了放在workflows/目录下实际共有四个文件Vantage-Minimax-H3-FL2VA.jsonFL2VA 标准流程Vantage-Minimax-H3-4-steps-FL2VA.jsonFL2VA 快速版只用 4 步采样Vantage-Minimax-H3_Ref2VA.jsonRef2VA 标准流程Vantage-Minimax-H3_4_steps-Ref2VA.jsonRef2VA 快速版打开 ComfyUI点 Load 按钮选中对应文件即可。第一次加载时工作流里引用的少数第三方自定义节点比如 rgthree 系列的开关与分组、KJNodes 的图像处理、SageAttention 加速等可能会提示缺失按 ComfyUI 的引导补装一次之后就能直接跑了。四、看懂 FL2VA 节点链路从提示词到有声视频 如果你不想只当点击者不妨顺着 FL2VA 工作流的连线走一遍理解数据是怎么流动的主模型入口UnetLoaderGGUF加载 GGUF 主模型默认指向minimax_h3_fl2va-Q4_K_M.gguf你在节点里可以随时切换到其他量化档位。双 VAE 分工工作流里有两个VAELoader一个负责视频潜变量minimax_h3_video_vae_fp16.safetensors一个负责音频潜变量minimax_h3_audio_vae_fp32.safetensors。视频和音频走的是两条独立的编解码通道这也是H3 能同时长出声音的关键。文本理解CLIPLoader加载qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors文本编码器把提示词翻译成模型能读懂的语义。采样核心SamplerCustomAdvanced配合噪声生成与调度器在这里控制整个生成过程EasyCache等节点负责加速与资源复用。双通道解码VAEDecode把潜变量还原成画面VAEDecodeAudio同步还原出音频。合成输出CreateVideo把画面与声音合成为最终视频文件再由SaveVideo落盘。简单说这就是一条文字进、画面和声音同时出的流水线双通道设计正是 MiniMax-H3 的招牌特色。五、Ref2VA 工作流多了什么多模态素材的入口 ️Ref2VA 工作流在 FL2VA 的基础上额外增加了三个类别的输入入口图像入口多个LoadImage节点最多支持 9 张图同时传入视频入口LoadVideo配合GetVideoComponents会把参考视频先拆成帧序列再送入模型音频入口LoadAudio加载音频参考用于风格或节奏的迁移。这些素材汇合后统一进入核心节点MiniMaxH3ReferenceToVideo对应 FL2VA 侧的MiniMaxH3ImageToVideo参与生成。给你的直观感受就是同样一段提示词加上几张角色图、一小段参考视频输出内容会听话得多。六、出片前的调参清单照着抄就行 ️量化版本怎么选这是一个很现实的取舍追求质量优先显存又充裕直接上Q8_0保留细节最多默认推荐Q4_K_M或Q5_K_M质量和资源占用最均衡也是工作流的默认选项机器配置比较紧张Q3_K_M把资源占用压到最低先跑通流程再说。生成参数建议时长控制在 4–15 秒越短出片越快分辨率保持默认的短边 768如需更高画质再按需调整帧率 24 FPS 是固定的不用改采样步数 20 步就能获得不错的效果想提速可以换用项目附带的 4 步快速工作流。提示词怎么写原始项目额外提供了两份编写指南——VIDEO_PROMPT_WRITING_GUIDE_base_en.md面向 FL2VA与VIDEO_PROMPT_WRITING_GUIDE_ref_en.md面向 Ref2VA里面有不少关于场景、运镜、光影的写法示范。第一次出片前翻一遍能少走很多弯路。七、关于许可与支持放心用有疑问找得到人 ✅MiniMax-H3 采用其社区许可协议发布个人学习和研究场景下可以放心使用。动手过程中如果遇到部署或生成方面的问题可以发邮件到 modelminimax.io 寻求支持。现在轮到你了——挑一个你喜欢的量化版本导入对应工作流写一句描述性的提示词按下 Run等着你的第一段有声视频诞生。【免费下载链接】MiniMax-H3-comfyUI-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MiniMax-H3 本地视频生成全流程实战：FL2VA 与 Ref2VA 双模型选型、部署与调优指南
MiniMax-H3 本地视频生成全流程实战FL2VA 与 Ref2VA 双模型选型、部署与调优指南【免费下载链接】MiniMax-H3-comfyUI-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF把 MiniMax-H3 这套多模态视频生成系统跑在本地是什么体验答案是写一句提示词就能拿到一段画面与声音同步生成的视频连双声道立体声都是原生的。这篇指南不绕弯子直接带你走完从模型选型、环境部署到参数调优的完整链路重点拆解 FL2VA 与 Ref2VA 两个模型各自适合什么场景、又该如何在 ComfyUI 里把工作流跑通。一、先看成果一段视频里画面和声音同时长出来 MiniMax-H3 与传统文生视频工具最大的不同在于它把文本、图像、视频、音频的理解装进了同一个生成系统。你输入的不再只是一行描述画面的文字还可以是角色照片、参考视频、甚至一段想复刻风格的声音片段系统会综合这些素材统一输出视频与音频。它的输出规格相当能打值得你提前了解视频时长单段 4–15 秒分辨率默认短边 768 像素可覆盖 21:9、16:9、4:3、1:1、3:4、9:16 等常见比例帧率固定 24 FPS音频32kHz 立体声随视频一同生成而 MiniMax-H3-comfyUI-GGUF 这个项目做的就是把模型权重转成 GGUF 量化格式Q3_K_M 到 Q8_0 共 11 档并附上开箱即用的 ComfyUI 工作流。这意味着你不需要手搓采样代码也不必非得租满血显卡普通本地机器也能体验完整的视频生成链路。二、动手前先选型FL2VA 与 Ref2VA 差在哪 项目同时提供了两个模型变体它们的创作逻辑完全不同选错会让后面的工作事倍功半。建议你先花一分钟看清这张对比表对比维度FL2VA首末帧驱动Ref2VA全参考模式核心思路用开头与结尾画面框定视频走向用多段参考素材综合决定视频内容图像输入0–2 张最多 9 张视频输入不支持最多 3 段每段 2–15 秒总时长不超过 15 秒音频输入不支持最多 3 段且必须搭配图像或视频一起使用典型玩法纯文本生成、单张首帧/末帧引导、首末帧联合控制角色一致性、风格迁移、多素材混搭创作模型存放目录fl2va/ref2va/选择逻辑其实很简单想让某个角色、某个场景在整段视频里保持统一或者手里攒了一堆参考素材想喂给模型——选Ref2VA只求快速出片用一两张图控制剧情的起止或者干脆不喂图、纯靠提示词生成——选FL2VA就够了。三、从零到一三步把生成流程跑起来 ⚙️第 1 步把仓库拉到本地确保 ComfyUI 已经装好然后在你习惯的目录下克隆项目git clone https://gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF第 2 步补齐运行依赖进入项目目录安装依赖文件里声明的 Python 包cd MiniMax-H3-comfyUI-GGUF pip install -r requirements.txt第 3 步导入现成工作流项目把两个模型的节点编排都打包好了放在workflows/目录下实际共有四个文件Vantage-Minimax-H3-FL2VA.jsonFL2VA 标准流程Vantage-Minimax-H3-4-steps-FL2VA.jsonFL2VA 快速版只用 4 步采样Vantage-Minimax-H3_Ref2VA.jsonRef2VA 标准流程Vantage-Minimax-H3_4_steps-Ref2VA.jsonRef2VA 快速版打开 ComfyUI点 Load 按钮选中对应文件即可。第一次加载时工作流里引用的少数第三方自定义节点比如 rgthree 系列的开关与分组、KJNodes 的图像处理、SageAttention 加速等可能会提示缺失按 ComfyUI 的引导补装一次之后就能直接跑了。四、看懂 FL2VA 节点链路从提示词到有声视频 如果你不想只当点击者不妨顺着 FL2VA 工作流的连线走一遍理解数据是怎么流动的主模型入口UnetLoaderGGUF加载 GGUF 主模型默认指向minimax_h3_fl2va-Q4_K_M.gguf你在节点里可以随时切换到其他量化档位。双 VAE 分工工作流里有两个VAELoader一个负责视频潜变量minimax_h3_video_vae_fp16.safetensors一个负责音频潜变量minimax_h3_audio_vae_fp32.safetensors。视频和音频走的是两条独立的编解码通道这也是H3 能同时长出声音的关键。文本理解CLIPLoader加载qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors文本编码器把提示词翻译成模型能读懂的语义。采样核心SamplerCustomAdvanced配合噪声生成与调度器在这里控制整个生成过程EasyCache等节点负责加速与资源复用。双通道解码VAEDecode把潜变量还原成画面VAEDecodeAudio同步还原出音频。合成输出CreateVideo把画面与声音合成为最终视频文件再由SaveVideo落盘。简单说这就是一条文字进、画面和声音同时出的流水线双通道设计正是 MiniMax-H3 的招牌特色。五、Ref2VA 工作流多了什么多模态素材的入口 ️Ref2VA 工作流在 FL2VA 的基础上额外增加了三个类别的输入入口图像入口多个LoadImage节点最多支持 9 张图同时传入视频入口LoadVideo配合GetVideoComponents会把参考视频先拆成帧序列再送入模型音频入口LoadAudio加载音频参考用于风格或节奏的迁移。这些素材汇合后统一进入核心节点MiniMaxH3ReferenceToVideo对应 FL2VA 侧的MiniMaxH3ImageToVideo参与生成。给你的直观感受就是同样一段提示词加上几张角色图、一小段参考视频输出内容会听话得多。六、出片前的调参清单照着抄就行 ️量化版本怎么选这是一个很现实的取舍追求质量优先显存又充裕直接上Q8_0保留细节最多默认推荐Q4_K_M或Q5_K_M质量和资源占用最均衡也是工作流的默认选项机器配置比较紧张Q3_K_M把资源占用压到最低先跑通流程再说。生成参数建议时长控制在 4–15 秒越短出片越快分辨率保持默认的短边 768如需更高画质再按需调整帧率 24 FPS 是固定的不用改采样步数 20 步就能获得不错的效果想提速可以换用项目附带的 4 步快速工作流。提示词怎么写原始项目额外提供了两份编写指南——VIDEO_PROMPT_WRITING_GUIDE_base_en.md面向 FL2VA与VIDEO_PROMPT_WRITING_GUIDE_ref_en.md面向 Ref2VA里面有不少关于场景、运镜、光影的写法示范。第一次出片前翻一遍能少走很多弯路。七、关于许可与支持放心用有疑问找得到人 ✅MiniMax-H3 采用其社区许可协议发布个人学习和研究场景下可以放心使用。动手过程中如果遇到部署或生成方面的问题可以发邮件到 modelminimax.io 寻求支持。现在轮到你了——挑一个你喜欢的量化版本导入对应工作流写一句描述性的提示词按下 Run等着你的第一段有声视频诞生。【免费下载链接】MiniMax-H3-comfyUI-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考