> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-chore-sync-comfy-api-v2-spec-462120c.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 在 ComfyUI 中使用 MiniMax H3：T2V、I2V 和 R2V 视频工作流
> 了解如何在 ComfyUI 中使用开放权重的 MiniMax H3，通过原生工作流实现文生视频、图生视频和参考生视频，支持立体声音频。
[MiniMax H3](https://www.minimax.io/blog/minimax-h3) 是 MiniMax 推出的通用全模态生成模型，现已以开放权重形式提供。它能在单一上下文中联合理解文本、图像、视频和音频，并生成带**原生立体声音频**的视频：语音、音效和音乐在单次前向传播中一并建模，而非事后叠加。输出最高支持 2K 分辨率、24fps，时长约 15 秒。
ComfyUI 原生支持 MiniMax H3。模板库目前提供三个示例工作流，每种覆盖一种生成模式：
* **文生视频**（T2V）：根据文本提示生成视频
* **图生视频**（I2V）：根据输入图像生成视频，可选择首帧/末帧控制
* **参考生视频**（R2V）：根据参考图像、视频和音频生成视频，锁定角色、风格、动作、相机运动或声音
这三个是示例模板，并非模型能力的完整清单。通过原生 MiniMax H3 节点可以覆盖更多生成模式：`MiniMaxH3ImageToVideo` 节点支持首帧/末帧图生视频（fl2va），`MiniMaxH3ReferenceToVideo` 节点支持图像、视频和音频参考驱动的生成（ref2va）。你也可以用这些节点搭建其他工作流。
## 主要功能
* **原生立体声音频**：对话、音效和音乐可与视频一同生成，并在同一个 MP4 文件中同步
* **多模态上下文**：文本、图像、视频和音频参考可在单次生成中组合使用
* **参考驱动生成**：从参考素材中锁定角色身份、风格、动作、相机运镜或声音
* **指令遵循**：使用自然语言描述参考素材与目标镜头之间的关系
* **准确的文本渲染**：拼写文本和品牌元素渲染清晰
* **开放权重**：在 ComfyUI 中本地运行，可完全控制每个参数
## 入门
ComfyUI 支持开放权重的 MiniMax H3。开始使用：
1. 将 ComfyUI 更新到 0.30.0 或更高版本
2. 前往**模板库** > **视频**，选择任意一个 MiniMax H3 工作流
3. 按照弹出窗口的提示下载模型并运行工作流
模型文件托管在 Hugging Face 的 [Comfy-Org/MiniMax-H3](https://huggingface.co/Comfy-Org/MiniMax-H3) 仓库中。
## 设置输出分辨率
每个工作流都使用一个 **Resolution Selector（分辨率选择器）** 节点来控制总体输出尺寸。该节点根据三个设置计算 `width` 和 `height`，其输出直接连接到 MiniMax H3 节点的 `width` 和 `height` 输入：
* **宽高比**：选择一个预设，例如 `16:9 (Widescreen)`、`9:16 (Portrait Widescreen)` 或 `1:1 (Square)`
* **百万像素**：输出的目标总像素数。数值越大画面越大，数值越小生成越快
* **取整倍数**：计算结果会取整到该数值的最近倍数。保持为 `32`，与 H3 的分辨率网格一致
模板默认使用一个较快的预览尺寸。要获得全质量输出，请在 16:9 下将分辨率选择器的百万像素设为 `0.98`，即 H3 的原生画布（短边 768px，16:9 下为 1344x768）；或在 MiniMax H3 节点的 `width` 和 `height` 中直接输入 `1344 x 768`（默认值）。请跳过 `1.0` 百万像素档：它得到 1376x768，超出模型 768x1344 像素的面积上限。
## ComfyUI 原生工作流
### MiniMax H3 文生视频（T2V）
根据文本提示词生成带有原生立体声音频的视频。
在 Comfy Cloud 中打开
下载 JSON，或在模板库中搜索“MiniMax H3 T2V”
#### 模型下载
放入 ComfyUI/models/diffusion\_models/
放入 ComfyUI/models/text\_encoders/
放入 ComfyUI/models/vae/
放入 ComfyUI/models/vae/
工作流的运行需要此文件，用于可选的 Lightning LoRA 加速模式。放入 ComfyUI/models/loras/
#### 模型存储
```
ComfyUI/
├── 📂 models/
│ ├── 📂 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
│ │ └── minimax_h3_audio_vae_fp32.safetensors
│ └── 📂 loras/
│ └── minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors
```
#### 提示词技巧
1. **描述整个场景**：先描述整体场景（地点、人物、正在发生的事情），再按时间将其拆分为多个镜头。
2. **镜头、相机和音频**：在同一个提示词块中描述镜头、相机运动以及伴随的音频（对话、音效、音乐）。
3. **分辨率**：H3 的原生画布短边为 768px，16:9 下为 1344x768，分辨率取整到 32 的倍数。
4. **时长**：时长输入会吸附到模型在 24fps 下每块 17 帧（17k+5）的网格上。
5. **首帧/尾帧**：将图像连接到 `MiniMaxH3ImageToVideo` 节点上的 `first_frame` 和/或 `last_frame`，即可将此工作流转换为首帧/尾帧图生视频。
6. **加速模式（可选）**：工作流默认以 20 步生成；调高步数（例如 25 步）可获得更好的动态质量。在 MiniMax H3 节点上启用 `turbo_mode`，即可使用内置 Lightning LoRA（`minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16`）以 8 步快速生成，但音频和动态质量会略有下降。
#### 提示词编写指南
MiniMax 官方发布了针对基础生成模式（T2VA、I2VA、FL2VA 和 L2VA）的[视频提示词编写指南](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)。该指南说明了如何将提示词组织为带有镜头运动与音频（对白、音效、音乐）的定时镜头，并为每种模式提供了示例。MiniMax 还发布了可安装的 [H3 skills](https://github.com/MiniMax-AI/MiniMax-H3/tree/main/skills)，其中包含一个提示词编写 skill，将这些指南打包供智能体使用。
***
### MiniMax H3 图像转视频（I2V）
根据输入图像生成视频，可选指定首帧/末帧关键帧。
在 Comfy Cloud 中打开
下载 JSON 或在模板库中搜索“MiniMax H3 I2V”
下载默认输入图像，或使用您自己的图像。
#### 模型下载
放置到 ComfyUI/models/diffusion\_models/
放置到 ComfyUI/models/text\_encoders/
放置到 ComfyUI/models/vae/
放置到 ComfyUI/models/vae/
放入 ComfyUI/models/loras/。启用 turbo\_mode 时需要使用。
#### 模型存储
```
ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│ ├── 📂 text_encoders/
│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│ ├── 📂 loras/
│ │ └── minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors
│ └── 📂 vae/
│ ├── minimax_h3_video_vae_fp16.safetensors
│ └── minimax_h3_audio_vae_fp32.safetensors
```
#### 提示词技巧
1. **关键帧**：`first_frame` 和 `last_frame` 输入为可选；模型会生成它们之间的运动
2. **提示词**：在同一个文本块中描述镜头、动作以及伴随的音频（对白、音效、音乐）
3. **分辨率**：H3 的原生画布短边为 768px，16:9 下为 1344x768，分辨率取整到 32 的倍数
4. **时长**：时长输入会对齐到模型在 24fps 下的每块 17 帧（17k+5）网格
5. **Turbo 模式**：在 MiniMax H3 节点上启用 `turbo_mode`，即可切换到 Turbo LoRA 并以 `turbo_steps`（默认 8）步生成，而非默认的 20 步。`turbo_model_strength` 控制 LoRA 强度（默认 1.0）。
#### 提示词编写指南
MiniMax 官方发布了针对基础生成模式（T2VA、I2VA、FL2VA 和 L2VA）的[视频提示词编写指南](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)。该指南说明了如何将提示词组织为带有镜头运动与音频（对白、音效、音乐）的定时镜头，并为每种模式提供了示例。MiniMax 还发布了可安装的 [H3 skills](https://github.com/MiniMax-AI/MiniMax-H3/tree/main/skills)，其中包含一个提示词编写 skill，将这些指南打包供智能体使用。
***
### MiniMax H3 参考转视频（R2V）
从参考图像、视频和音频的任意组合中生成视频，锁定角色、风格、动作、相机运镜或声音。
在 Comfy Cloud 中打开
下载 JSON，或在模板库中搜索“MiniMax H3 R2V”
工作流的角色参考，也可使用您自己的图像。
工作流的风格与主题参考，也可使用您自己的图像。
#### 模型下载
放置于 ComfyUI/models/diffusion\_models/
放置于 ComfyUI/models/text\_encoders/
放置于 ComfyUI/models/vae/
放置于 ComfyUI/models/vae/
工作流的运行需要此文件，用于可选的 Lightning LoRA 加速模式。放入 ComfyUI/models/loras/
#### 模型存储
```
ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│ ├── 📂 text_encoders/
│ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│ ├── 📂 vae/
│ │ ├── minimax_h3_video_vae_fp16.safetensors
│ │ └── minimax_h3_audio_vae_fp32.safetensors
│ └── 📂 loras/
│ └── minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors
```
#### 提示技巧
1. **按标签引用**：按标签引用每个输入，顺序须与其连接时完全一致，例如 ``、`