# MiniMax H3 本地部署完整指南：从装机到出片

> 33B开源全模态视频模型，原生立体声，从3060到5090全覆盖的保姆级部署+提示词+加速教程

## 一、项目简介

MiniMax H3 是 2026 年 8 月开源的 33B 参数全模态视频生成模型，支持最高 2K、24fps、15 秒视频输出，**原生同步生成立体声音频**，Apache 2.0 开源协议。

当前 Video Arena 开源模型双榜第一（文生视频 + 图生视频），仅比闭源 Seedance 2.0 低 2 分。

**三模块架构：**
- **H3-Context-IR**（闭源 API）— 提示词理解与编排
- **H3-Base**（✅ 开源）— 33B 生成主体，输出 768p + 原生立体声
- **H3-Regenerate-2K**（闭源 API）— 768p → 2K 重生成

本地部署的核心是 H3-Base，草稿和 768p 成片完全免费。

## 二、硬件门槛

- **最低：** RTX 3060 12GB + 32GB 内存 + NVMe SSD → 能跑 480p
- **推荐：** 24GB+ 显存（3090/4090 级别） → 768p 原生画布
- **理想：** 5090（32GB） → NVFP4 原生支持，更快更省
- **内存**不低于 32GB（底线），64GB 才从容
- **30/40 系显卡选 INT8/FP8 量化**，NVFP4 在非 50 系上反而更慢（软件模拟解压）

## 三、本地部署步骤（ComfyUI）

### 3.1 安装 ComfyUI ≥ 0.30.0

H3 原生支持节点在 2026-08-03 合并入 ComfyUI，旧版无法运行。

下载桌面版：https://github.com/Comfy-Org/ComfyUI

### 3.2 下载 4 个核心文件（约 40GB）

仓库：https://huggingface.co/Comfy-Org/MiniMax-H3

国内加速：`huggingface.co` → `hf-mirror.com`

| 文件 | 大小 | 用途 |
|------|------|------|
| `minimax_h3_fl2va_pruned_int8_convrot.safetensors` | 19.5GB | DiT 主模型（T2V/I2V） |
| `qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors` | 14.6GB | 文本编码器 |
| `minimax_h3_video_vae_fp16.safetensors` | 5.2GB | 视频 VAE（画面） |
| `minimax_h3_audio_vae_fp32.safetensors` | 0.6GB | 音频 VAE（声音） |

**两个 VAE 都必须下**，少了音频 VAE = 无声视频。

一键下载（国内）：
```bash
export HF_ENDPOINT=https://hf-mirror.com
pip install -U huggingface_hub
hf download Comfy-Org/MiniMax-H3 \
  diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors \
  text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors \
  vae/minimax_h3_video_vae_fp16.safetensors \
  vae/minimax_h3_audio_vae_fp32.safetensors \
  --local-dir ComfyUI/models/
```

### 3.3 加载模板 → 跑通第一条视频

ComfyUI → 工作流 → 浏览模板 → 视频 → "MiniMax H3 Text to Video"

模板默认预览分辨率 768×432，4090 热跑约 **99 秒**出片。第一次含模型加载约 10 分钟。

## 四、三种生成模式

| 模式 | 权重 | 说明 |
|------|------|------|
| **T2V** 文生视频 | fl2va | 纯文字生成 |
| **I2V** 图生视频 | fl2va | 给首帧/尾帧 |
| **R2V** 参考生视频 | ref2va（另下 19.5GB） | 锁定角色/画风/音色 |

R2V 是 H3 最强模式，支持最多 9 张参考图 + 3 条参考视频 + 3 条参考音频。

## 五、硬性参数规则（来自源码）

- **帧数网格：17k+5**（5、22、39、56…362），最长 **15.08 秒**
- **原生画布：短边 768**，最大 768×1344，每轴 32 倍数
- 最低 384p，256p 必然失败
- 分辨率降不了显存（大头是模型），OOM 就换更小量化

## 六、加速方案

| 方案 | 效果 | 画质影响 |
|------|------|----------|
| **SageAttention 2.x** | 每 步 省 ~24% | 无损 |
| SageAttention + EasyCache | 累计省 ~42% | SSIM≈0.96 轻微 |
| SageAttention + TeaCache | 累计省 ~58% | SSIM≈0.78 明显 |
| **Turbo LoRA** | 20步→4-8步 | 无损 |

> 💡 **注意：**
> - 网传 Turbo LoRA "5× 加速"是采样步数缩放，端到端实测 **3.9×**（14秒片从 15:57 到 4:03），VAE 解码和封装不跟着缩
> - **EasyCache 是给原生 20 步设计的，跟 4 步 Turbo LoRA 不叠加**，实测还多 5% 监控开销，别全都开
> - LoRA 生态现状：加速方向已成熟，人物/画风训练还**没成气候**，想训角色的先等等

> ⚠️ Cache 改变生成结果本身（同 seed 画面不同），不适合"草稿挑片→换配置复现"的工作流。正确用法：筛提示词用 Sage+TeaCache，正片用 Sage 或 Sage+EasyCache。

## 七、提示词语法（全文最核心）

H3 有官方结构化提示词格式，三字段骨架：

```
integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...
```

**关键规则：**
- 镜头切换：`[Shot 2] At 00:03.500, the camera cuts to...`
- 运镜写完整英文句子（类型+幅度+速度）
- 对白用 `(S1)` 分配角色，台词放 `<d>[语言] 台词</d>` 标签内，一字不改
- 配乐只写乐器和节奏，**不写情绪词**
- I2V/R2V 有额外的首帧对齐指令

完整官方指南：https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md

**偷懒法：** 让任意 LLM 代劳——把官方指南链接和你的中文想法一起丢给它。

## 八、必备开源仓库

| 仓库 | 用途 |
|------|------|
| [MiniMax-AI/MiniMax-H3](https://github.com/MiniMax-AI/MiniMax-H3) | 官方仓库，权重+9个Skill |
| [larryvrh/MiniMax-H3-Turbo-Lora](https://huggingface.co/larryvrh/MiniMax-H3-Turbo-Lora) | 加速 LoRA，20步→4-8步，实测 3.9× |
| [NikoDemon80/ComfyUI-H3-Motion-Context](https://github.com/NikoDemon80/ComfyUI-H3-Motion-Context) | 长视频续接（H3 单次上限15秒） |
| [T8mars/comfyui-minimax-h3-audio-T8](https://github.com/T8mars/comfyui-minimax-h3-audio-T8) | 音视频工作流合集 |
| [AIMixer/ComfyUI_MiniMaxH3_Director](https://github.com/AIMixer/ComfyUI_MiniMaxH3_Director) | 导演台工作流（T2V/I2V/R2V/V2V） |
| [Icyoung/ComfyUI-MiniMaxH3-TeaCache](https://github.com/Icyoung/ComfyUI-MiniMaxH3-TeaCache) | H3 专用 TeaCache 加速节点 |
| [kijai/ComfyUI-KJNodes](https://github.com/kijai/ComfyUI-KJNodes) | SageAttention 补丁节点 |

## 九、保姆级教程出处

- huangserva 原文：https://x.com/servasyy_ai/article/2085251627880255525
- 苏米客整理版：https://www.xmsumi.com/detail/3967
- 七牛云部署指南：https://segmentfault.com/a/1190000048115621

## 十、本地 vs API 成本对比

| 场景 | 本地 | API |
|------|------|-----|
| 768p 草稿/试错 | 免费 | ¥0.50/秒 |
| 1080p（本地超分） | 免费 | ¥0.50/秒 |
| 官方 2K | 不支持（本地） | ¥0.80/秒 |
| 768p→2K 重生成 | 不支持 | ¥0.30/秒 |

**推荐策略：** 试错本地跑（省 API 费），定稿 1080p 本地超分（免费），非要 2K 再走 API。

---

**分类**：教程
**标签**：视频 · ComfyUI · H3
**作者**：Xiao.Xi
**链接**：https://octohz.com/p/2006