# MiniMax H3 完整使用教程：部署、长视频、实时直播

> 33B 开源全模态视频模型，从零部署到 Motion Context 长视频拼接、低显存优化、fal.ai H3 Max 实时直播，一份搞定

# MiniMax H3 使用教程：从零部署到长视频生成与实时直播

## 一、模型概述

MiniMax H3 是 MiniMax（海螺AI）推出的第三代开源视频生成模型，33B 参数的全模态（Omni-modal）DiT 架构。最大亮点是**视频和立体声音频在同一个前向传播中联合生成**——人声、音效、背景音乐不是后期叠加的，而是模型原生输出的。

### 核心能力

- **文生视频（T2V）**：纯文字提示词生成视频
- **图生视频（I2V/fl2va）**：首帧/尾帧/首尾帧控制，让图片动起来
- **参考驱动生成（R2V/ref2va）**：提供参考图片/视频/音频，锁定角色、风格、动作或声音
- **输出规格**：最高 2K 分辨率，24fps，单次 4-15 秒，同步立体声音频

### 两个任务专用 Checkpoint

| Checkpoint | 支持任务 | 输入条件 | 输出 |
|-----------|---------|---------|------|
| H3-Base FL2VA | 文生视频音频、首尾帧生视频音频 | 文字；可选首帧/尾帧 | 视频+音频 |
| H3-Base Ref2VA | 参考驱动生视频音频 | 文字+参考图片/视频/音频 | 视频+音频 |

两个 Checkpoint 共享同一个 33B Omni Transformer 主体，AdaLN 分支约 13B 参数可预计算缓存，推理时不需加载。

## 二、在线使用（零部署）

### 2.1 fal.ai H3 Max（⭐ 生成速度超过播放速度）

[fal.ai](https://fal.ai/minimax-h3-max) 对 H3 做了后训练优化推出 **H3 Max**：5 秒 768p 视频仅需 ~2.5 秒生成，15 秒视频约 9 秒完成。

- **免费额度**：未登录每天 5 条 5 秒 768p 视频；登录后每天额外 5 条，最长 15 秒
- **价格**（促销期截至 2026.09.01）：480p $0.025/秒，768p $0.04/秒；之后翻倍
- **API 端点**：`https://fal.run/minimax/h3-max/text-to-video`

### 2.2 Hugging Face Space

[在线体验](https://huggingface.co/spaces/multimodalart/minimax-h3)，可直接试玩，无需注册。

### 2.3 MiniMax 官方

海螺 AI（HailuoAI）官网可直接在线生成 2K 视频，注册即用。

## 三、本地部署

### 3.1 下载模型权重

官方权重在 [HuggingFace: MiniMaxAI/MiniMax-H3](https://huggingface.co/MiniMaxAI/MiniMax-H3)，需先申请下载权限（GitHub Issues 提交申请）。

```bash
# 下载 FL2VA（文生视频 + 首尾帧）
hf download MiniMaxAI/MiniMax-H3 --include "model_index.json" "FL2VA/" "Ref2VA/" --local-dir MiniMax-H3

# 或者用 Comfy-Org 的优化重打包版
hf download Comfy-Org/MiniMax-H3 --local-dir MiniMax-H3-comfyorg
```

### 3.2 显存需求

| 方案 | 最低显存 | 输出质量 | 说明 |
|------|---------|---------|------|
| 官方 BF16 | 多卡（~80GB） | 最高 | 原始精度，需要 A100/H100 级别 |
| 官方 FP8 + NVFP4 文本编码器 | 单卡 4090（~46GB） | 高 | 20 秒视频约 6 分钟 |
| Comfy-Org 优化版（动态 offload） | RTX 3060（12GB） | 中 | 压缩到 ~42.5GB，offload 到内存 |
| GGUF Q4 | 16GB（offload） | 中低 | UNet ~19.9GB + 文本编码器 + VAE |
| GGUF Q5 | 24-32GB | 中 | UNet ~25.9GB，接近全精度 |
| NVFP4 | 20GB（Blackwell 显卡） | 中 | 仅限 B200/B300 等新架构 |

**社区经验**：Q4 = 性价比推荐；Q5 = 接近全精度但需更多显存；Q3 = 兼容性最广但质量下降明显。

### 3.3 社区量化版本

| 仓库 | 格式 | 特点 |
|------|------|------|
| [joeygambino/MiniMax-H3-GGUF](https://huggingface.co/joeygambino/MiniMax-H3-GGUF) | GGUF Q4-Q5 | 需 ComfyUI-GGUF + 一行架构补丁 |
| [rockerBOO/minimax-h3-nvfp4](https://huggingface.co/rockerBOO/minimax-h3-nvfp4) | NVFP4/INT4 | 20GB，Blackwell 专用 |
| [Abiray/MiniMax-H3-GGUF](https://huggingface.co/Abiray/MiniMax-H3-GGUF) | GGUF Q3-Q5 | 附带 ComfyUI 工作流 |

### 3.4 ComfyUI 安装与使用

**安装 ComfyUI**（如果还没有）：

```bash
git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
pip install -r requirements.txt
```

**加载模型**：将下载的模型放入 `ComfyUI/models/checkpoints/` 或 `ComfyUI/models/unet/`。

**使用内置工作流**：ComfyUI 内置三套官方模板：

- `video_minimax_h3_t2v` — 文生视频
- `video_minimax_h3_i2v` — 图生视频
- `video_minimax_h3_r2v` — 参考驱动生成

从模板库直接加载即可开始使用。

## 四、低显存优化技巧

### 4.1 分块处理（Tile/Chunk）

原理：将视频潜空间分成多块分别处理，用显存换时间。

- 块数填 2/4/8，越多显存占用越低，但处理时间越长
- 实测：原来 70 万像素 10 秒跑不动，分 2 块后可以跑到 80 万像素 10 秒
- 适合 8GB/12GB 显卡用户

### 4.2 CLIP 模型清理

生成前卸载 CLIP 文本编码器的显存占用，生成完成后再重新加载。可以节省数 GB 显存。

### 4.3 Turbo LoRA 加速

如果模型已经能跑但预览太慢，加 **H3 Turbo LoRA** 实现 4 步采样（v4 low-step），大幅提升生成速度。

## 五、长视频生成（突破 15 秒限制）

H3 原生单次生成上限约 15 秒，超过后质量下降且容易崩溃。社区通过 **Motion Context（运动上下文传递）** 实现长视频拼接。

### 5.1 Motion Context 原理

核心思路：**不是传递图片帧，而是传递模型内部状态。**

1. 第一段视频正常生成（例如 10 秒）
2. 提取结尾约 1 秒的模型内部潜空间状态
3. 将该状态注入下一段视频生成的起始位置
4. 第二段视频不是重新生成，而是**接着上一段继续往下演**
5. 画面和音频都能无缝衔接

### 5.2 操作步骤（ComfyUI）

1. 第一段生成：正常跑工作流，Motion Context 加载设为 0（无前文状态）
2. 保存第一段的潜空间输出
3. 第二段生成：Motion Context 加载设为 1，段序号改为 2
4. 输入新提示词，点击运行
5. 重复以上步骤可生成 30 秒、40 秒甚至更长的视频

### 5.3 长视频专用 ComfyUI 节点/插件

| 插件 | Stars | 特点 |
|------|-------|------|
| [ethanfel/ComfyUI-H3-Motion-Context](https://github.com/ethanfel/ComfyUI-H3-Motion-Context) | 335 | Motion Context 循环，场景计划驱动，支持暂停/恢复/重试 |
| [tritant/ComfyUI_MiniMax_H3_Extender](https://github.com/tritant/ComfyUI_MiniMax_H3_Extender) | 155 | 多片段链式生成，磁盘缓存，动态图片/音频参考，Per-Clip LoRA |
| [vizart-vj/ComfyUI-MiniMax-H3-LongMedia](https://github.com/vizart-vj/ComfyUI-MiniMax-H3-LongMedia) | 71 | 流式 Sol Attention，压缩 KV，自适应 VRAM 守卫，MultiClip 规划 |

## 六、首尾帧控制

首尾帧（First/Last Frame）可以精确控制视频的起止画面：

- **只要首帧**：生成首帧图 → 关闭尾帧 ControlNet → 生成视频
- **首尾都要**：首帧和尾帧的 ControlNet 都打开 → 模型填充中间过渡
- **只要尾帧**：只开尾帧 ControlNet

ComfyUI 官方模板 `video_minimax_h3_i2v` 即为此模式。

## 七、实时直播应用

### 7.1 fal.ai H3 Max + Twitch/Rumble 直播

2026 年 8 月底，开发者 [Rehan Sheikh](https://x.com/rehan_shei) 和 [Pieter Levels](https://levels.io) 分别实现了基于 H3 Max 的实时 AI 视频直播：

**架构**：
```
Twitch/Rumble 弹幕 → 抓取 prompt → fal.ai H3 Max API 生成 → 推流回直播
```

- H3 Max 生成速度超过播放速度（15 秒视频 ~9 秒生成），实现无缝衔接
- 24 小时不间断生成，观众通过弹幕实时影响内容方向
- 效果类似《瑞克和莫蒂》中的「跨维度电视」
- Twitch 因政策封禁后，已迁移到 Rumble

### 7.2 这不是 MiniMax 官方功能

H3 Max 是 fal.ai 的后训练加速版本，直播桥接脚本是开发者自写的。MiniMax 官方未提供直播功能。

## 八、提示词技巧

### 8.1 官方 Skill 文档

MiniMax 提供了官方的提示词 Skill 文档，可以将它提交给任意智能体（豆包、Claude 等），让 AI 按照 MiniMax 的提示词规范来帮你写 prompt。

### 8.2 分辨率与尺寸

| 比例 | 分辨率（16:9 为例） |
|------|---------------------|
| 21:9 | 超宽电影 |
| 16:9 | 1344×768 | 
| 4:3 | 传统电视 |
| 1:1 | 方形 |
| 3:4 | 竖版 |
| 9:16 | 手机竖屏 |

ComfyUI 中可通过快捷分辨率节点选择，输入最短边像素数即可。

## 九、已知局限

- **手部/物体一致性**：社区反馈在相当比例的测试片段中存在手部、物体物理等问题
- **原生音频质量**：音频同步生成是亮点，但音质和准确性仍有提升空间
- **15 秒硬限制**：单次生成超过 15 秒质量明显下降，长视频必须用 Motion Context 拼接
- **GGUF 非官方支持**：社区量化版不是 MiniMax 或 Comfy-Org 维护的，可能存在兼容性问题

## 入口

- **官方权重**：[HuggingFace: MiniMaxAI/MiniMax-H3](https://huggingface.co/MiniMaxAI/MiniMax-H3)
- **ComfyUI 官方文档**：[docs.comfy.org](https://docs.comfy.org/tutorials/video/minimax/minimax-h3)
- **fal.ai H3 Max**：[fal.ai/minimax-h3-max](https://fal.ai/minimax-h3-max)
- **在线体验**：[HuggingFace Space](https://huggingface.co/spaces/multimodalart/minimax-h3)
- **Motion Context 插件**：[GitHub](https://github.com/ethanfel/ComfyUI-H3-Motion-Context)
- **H3 Extender 插件**：[GitHub](https://github.com/tritant/ComfyUI_MiniMax_H3_Extender)
- **长视频低显存指南**：[Seedance](https://www.seedance.tv/blog/minimax-h3-long-video-low-vram)
- **GGUF 量化**：[joeygambino/MiniMax-H3-GGUF](https://huggingface.co/joeygambino/MiniMax-H3-GGUF)
- **H3 Max 直播 Demo**：[Infinite Slop](https://levels.io)

---

**分类**：软件
**标签**：视频 · MiniMax · H3
**作者**：子龙
**链接**：https://octohz.com/p/2085