摘要MiniMax H3是MiniMax开源的全模态视频生成模型采用330亿参数的H3-Omni-Transformer架构支持文本、图像、视频、音频的统一理解可输出最高2K分辨率、最长15秒、带原生双声道音频的视频。围绕这一模型社区已构建了多种工作台方案——云端H3 Studio、本地时间线工作台、ComfyUI整合包等。本文系统梳理MiniMax H3的技术参数、工作台工具选型、部署要求与实测数据。一、MiniMax H3一个模型统一四种模态MiniMax H3于2026年8月正式开源是MiniMax推出的新一代开放通用多模态视频模型。它与传统视频生成模型最大的区别在于不是先理解再生成的两段式流程而是将文本、图像、视频、音频统一编码为多模态序列后进行联合预测。1.1 核心架构H3的底层是H3-Omni-Transformer一个330亿参数的稠密单流Transformer架构。核心组件组件功能优势H3-VisualVAE视频编码与解码高压缩率4倍序列长度收益H3-AudioVAE音频模态处理支持32kHz立体声输出H3-Omni-Transformer多模态联合预测端到端训练吞吐提升近30%架构配置hidden_size:5376num_attention_heads:56num_layers:50关键创新H3采用Contextual Omni Representation建立不同素材与目标内容之间的关系理解与生成异构训练架构使端到端训练吞吐提升近30%。1.2 输出规格根据MiniMax官方文档H3的核心输出参数如下参数项规格说明输出分辨率768P / 2KH3-Regenerate-2K可实现2K输出时长4–15秒仅支持整数值画幅比例7种21:9、16:9、4:3、1:1、3:4、9:16、adaptive音频输出原生立体声32kHz默认短边分辨率768像素—帧率24fps—分辨率说明H3-Base默认输出为768P音频视频。2K分辨率需要通过H3-Regenerate-2K能力实现该能力在本地部署中的支持情况因工作台方案而异。1.3 四种生成模式H3支持四种核心生成模式覆盖从纯文本描述到多模态参考的完整创作链路模式说明适用场景文生视频T2V纯文本提示词生成视频概念构思、创意探索图生视频I2V首帧图像驱动可选尾帧控制维持角色一致性首尾帧生成FL2V同时指定首帧和尾帧精确控制运动轨迹全能参考R2V/Ref2VA图片/视频/音频混合输入复杂参考创作⚠️全能参考限制单任务上限为9张图片、3段视频和3段独立音频混合素材总数不超过12份。二、围绕H3的工作台生态H3本身是模型权重普通用户直接调用需要一定的技术基础。社区围绕H3构建了多种工作台方案定位和部署方式差异明显。2.1 NeoVista H3 Studio云端浏览器工作台NeoVista H3 Studio是基于MiniMax H3的中文视频工作台采用云端GPU实例运行、浏览器访问的模式。核心功能✅ 三种创作方式文生/图生/全能参考✅ 批量创作每行一条提示词最多10条✅ FlashVSR视频超分✅ GIMM-VFI帧率提升✅ 草稿保存和作品库计费模式用户无需本地显卡在优云智算等平台上租用GPU实例后即可使用实例和存储费用以平台控制台为准。适合不想折腾本地环境、希望快速验证H3能力的用户。2.2 MiniMax-H3-Lite本地时间线工作台MiniMax-H3-Lite是一个面向开发者的本地视频生成工作台核心设计理念是多镜头时间线编排。核心特性将官方三份ComfyUI工作流拆分为T2V、I2V、R2V三个独立模式页用户以时间线方式编排多个镜头逐镜头生成视频并预览成片技术栈FastAPIJinja2单端口服务端渲染支持一键启动start.bat和Docker部署参数规格严格对齐官方标准参数规格宽高比六种短边分辨率768P上限768×1344时长选项4/8/10/15秒帧数网格按秒显示帧数关键设计H3-Lite保留了官方ComfyUI工作流的参数契约但不依赖ComfyUI运行采用diffusers进程内推理。2.3 MiniMax H3 Video Studio节点画布工作台Video Studio是由社区开发者siyuan-liu31维护的自托管视觉工作台定位是MiniMax H3 ComfyUI的持久化创作空间。核心差异✅ 节点画布架构✅ 可持久化的画布编排✅ 支持七个生成模式T2V、I2V、FL2V、R2V、V2V、RV2V等✅ 长视频故事板CLI工具提供Go CLI工具h3ctl支持Agent自动化调用持久化Job ID断点续采和取消操作⚠️项目归属Video Studio是一个独立社区项目与MiniMax或ComfyUI官方无隶属关系。三、本地部署与硬件要求3.1 硬件基线本地部署H3的核心瓶颈是GPU显存。根据阿里云开发者社区发布的一键整合包技术文档配置等级GPU显存系统内存存储备注最低量化版8 GB32 GB60 GB 空闲仅可运行Int8量化权重推荐12 GB48–64 GB100 GB批量任务建议64GB内存高性能16 GB64 GB100 GBFP16模式需要更大显存8GB显存实测数据显卡内存分辨率时长处理时间备注RTX 306032GB480P864×4805秒7–9分钟—RTX 5060Ti48GB——约5分钟推荐配置GTX 10708GB640×360—15–20分钟需降分辨率社区优化社区已有多份8GB显存实测报告。一份ComfyUI工作流合集项目专门针对8GB显存RTX 4060 Laptop调优通过BlockCache模型缓存、SageAttention加速和LowVRAM三件套实测显存占用约14GB配合动态显存卸载可在16GB显存卡上稳定运行。3.2 一键整合包目前社区已有多款H3一键整合包主要面向Windows平台。整合包内容Python 3.10运行环境PyTorch CUDAComfyUI节点后端SageAttention3加速内核FFmpegInt8量化的H3模型权重部署步骤# 1. 解压整合包到无中文、无空格的路径D:\AI\MiniMax-H3\# 2. 双击启动脚本start.bat# 3. 浏览器访问http://127.0.0.1:8188存储要求整合包约27–30GB首次使用前需确认磁盘剩余空间大于60GB。3.3 其他部署方式部署方式说明适用场景SGLang Docker支持docker run --gpus all云服务器部署海幻团队Docker针对NVIDIA GPU和华为昇腾NPU优化国产化环境四、工作流结构EDIT → REPLACE → CONTINUEH3的本地工作流围绕视频编辑场景设计了三段式结构与官方ComfyUI工作流一致EDIT源视频预处理 ↓ 输入待编辑的源视频片段 ↓ VideoDecode抽帧 ↓ 帧序列送入VAE编码 ↓ 提取运动条件光流/相机轨迹 REPLACE主体替换 ↓ 基于EDIT提取的运动条件和区域定位 ↓ 使用H3模型生成替换后的视频内容 ↓ 可结合参考图/视频/音频进行多模态条件控制 CONTINUE续写与拼接 ↓ 将上一段的最后一帧作为下一段的首帧 ↓ 实现连续生成突破15秒时长限制4.1 ComfyUI H3节点在ComfyUI中H3相关节点已内置到核心源码中截至2026年9月列出了五个H3节点。控制节点ComfyUI还提供了H3 Fun ControlNet Union节点支持通过以下方式控制视频运动CannyDepthHEDMLSDPose五、适用场景与选型建议5.1 快速体验H3能力推荐方案NeoVista H3 Studio云端方案理由无需本地硬件投入按小时付费低至0.2元/时5.2 本地开发与自动化推荐方案MiniMax-H3-Lite理由单端口FastAPI架构便于二次开发支持API集成和批量处理5.3 ComfyUI深度用户推荐方案YixuAn-13的H3 ComfyUI工作流合集新用户推荐从Beta_3入手结构最简、最贴官方进阶用户需要完整画质链的选Beta_25.4 长视频与Agent自动化推荐方案MiniMax H3 Video Studio理由节点画布和h3ctlCLI工具更适合项目管理和自动化调用六、客观说明与风险提示维度说明硬件门槛本地部署对硬件有一定门槛8GB显存可运行但速度较慢模型许可H3模型权重遵循MiniMax的开源协议但各社区工作台项目的许可证不同如H3-Lite为独立项目Video Studio为社区维护商用前需分别确认生态成熟度社区工具仍在快速发展中部分功能可能不稳定附录资源列表类型资源说明 下载地址点击下载压缩包 MiniMax H3官方miniMax.cn开源公告与模型下载 官方文档platform.minimax.cnAPI与参数文档 本地时间线工作台MiniMax-H3-LiteFastAPI架构支持时间线编排 节点画布工作台Video Studio支持长视频与Agent调用⚙️ ComfyUI工作流H3 All-in-One8GB显存优化版本 Docker部署SGLang文档官方Docker方案 整合包文档阿里云开发者社区一键整合包技术细节版权声明本文为CSDN原创内容转载请注明来源与作者。️免责声明MiniMax H3为开源模型各社区工作台项目与MiniMax官方无隶属关系。本地部署前请确认硬件配置是否满足要求模型权重的许可条件以MiniMax官方发布为准。技术信息更新较快建议以各项目GitHub仓库最新README为准。