ComfyUI 跑 MiniMax-H3 视频生成模型从一堆同名文件里挑对的那一个【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3很多人在第一次接触 MiniMax-H3 时都会被同一个问题难住仓库里明明只有几个文件夹可里面躺着 18 个长得几乎一模一样的 .safetensors 文件bf16、int8_convrot、fp8_scaled、pruned……名字差一两个单词体积和用途却天差地别。这篇 MiniMax-H3 模型选择与部署指南会带你解码这些文件名背后的逻辑按自己的显卡和需求直接对号入座并给出 ComfyUI 里的完整部署步骤让你从一脸懵到十分钟出片。一、这套模型包到底解决了什么问题MiniMax-H3 不是让你重新训练的新模型而是为 ComfyUI 重新打包好的即插即用模型合集。它把散落在原始仓库里的多个组件统一整理、命名、配好工作流你只需要把文件放到对应目录就能在 ComfyUI 里完成三类视频生成任务T2V文本到视频给一段文字描述生成对应画面。I2V图像到视频给一张静态图让画面动起来。R2V参考到视频以参考视频的风格为基底生成新的视频内容。可以把它理解成一套乐高每个文件夹负责流水线里的一个环节零件之间各司其职拼起来才是完整的视频工厂。二、四个文件夹对应一条完整的视频流水线打开仓库你会看到四个目录它们正好串起一条文字/图像 → 视频的生产线文件夹在流水线中的角色装的是什么text_encoders/读题的文案理解器基于 Qwen3-VL-32B 架构的文本编码器把提示词翻译成模型能懂的向量diffusion_models/作画的主引擎生成视频画面的扩散模型也是文件最多、最容易看花眼的地方vae/压缩与还原的画质管家负责视频帧、音频信号的编码解码loras/加速的 Turbo 外挂让出图速度大幅提升的 LoRA 微调插件其中text_encoders/提供 3 个精度档位vae/则按用途分为视频 VAEminimax_h3_video_vae_fp16.safetensors和音频 VAEminimax_h3_audio_vae_fp32.safetensors——注意只有想生成带音轨的视频时才需要挂上音频 VAE。三、看懂文件名选文件就不再纠结diffusion_models/里的 10 个文件看着吓人其实只要拆开名字规则一目了然minimax_h3_ 系列 _ 精度 .safetensors系列fl2va对应 I2V / T2V 工作流ref2va对应 R2V 工作流。先按你要做的任务锁定系列10 个文件立刻砍掉一半。精度bf16是高质量基准档int8_convrot是 int8 量化 旋转位置编码优化的速度档fp8_scaled是另一种 8 位量化方案属兜底选项。是否带pruned带pruned的是修剪版剪掉了部分冗余参数更省显存代价是画质略有妥协。 一句话记忆pruned决定省不省内存int8_convrot / fp8_scaled决定跑得快不快bf16决定画质上限。四、按你的显卡和需求直接对号入座选型其实就三条铁律显存宽裕、追求画质选bf16完整版如minimax_h3_fl2va_bf16.safetensors适合专业视频制作。环境支持 PyTorch cu130优先int8_convrot这是官方明确推荐的性能组合速度与质量的平衡最好。用不了 int8_convrot才退而求其次用fp8_scaled——它只应作为备选不应是首选。如果你的显存仍然吃紧再叠加pruned版本。参考对比如下场景推荐文件理由专业出片、显存充足minimax_h3_ref2va_bf16.safetensors完整精度画质天花板日常生成、环境支持 cu130minimax_h3_fl2va_pruned_int8_convrot.safetensors显存友好速度与质量兼得老显卡、驱动受限minimax_h3_fl2va_pruned_fp8_scaled.safetensors最后兜底方案复杂提示词理解qwen3vl_32b_minimax_h3_bf16.safetensors32B 级文本理解力低显存还想跑文本编码qwen3vl_32b_minimax_h3_nvfp4_awq.safetensorsAWQ 量化且不需要 Blackwell 显卡即可运行文本编码器这里有个隐藏福利nvfp4_awq版本虽然是用 NVIDIA NVFP4 方案量化的但不强制要求 Blackwell 架构 GPU显存紧张的玩家可以优先考虑它。五、三步完成 ComfyUI 部署十分钟开跑整个部署过程没有编译、没有依赖地狱三步走完拉取仓库把模型文件拿到本地git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3对号入座放文件目录结构必须是 ComfyUI/ ├── models/ │ ├── diffusion_models/ # 你选好的扩散模型 │ ├── text_encoders/ # 你选好的文本编码器 │ ├── loras/ # 按需放入 Turbo LoRA │ └── vae/ # 视频 VAE需要音频再加音频 VAE⚠️ 目录名一个字母都不能错ComfyUI 全靠目录名识别模型类型。加载对应工作流T2V 用 T2V 模板、I2V 用 I2V 模板、R2V 用 R2V 模板再把loras/里的 Turbo LoRA 接进采样节点即可出片。六、新手最容易踩的三个坑把所有扩散模型一股脑塞进diffusion_models/文件多了 ComfyUI 虽然都能识别但节点里选错版本是常有的事建议只放你决定用的那一两个。文本编码器与扩散模型精度混搭不同量化档位混用可能导致效果异常尽量保持同一套精度方案。忘记 LoRA 目录Turbo 系列的 4 步/8 步 LoRA 是大幅提速的关键minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors等文件放对位置出片速度才有保障。七、写在最后模型文件再多本质也只是按需取用的选择题先定任务I2V / T2V / R2V再定精度bf16 / int8_convrot / fp8_scaled最后按显存决定是否加pruned。理清这三步MiniMax-H3 就是你 ComfyUI 里一把趁手的视频生成利器。官方模型采用 MiniMax-H3 社区许可证使用前记得确认授权条款更多细节可参考原始模型仓库MiniMaxAI/MiniMax-H3与 Comfy-Org 官方工作流模板。现在就去git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3选好属于你的那份文件让第一段 AI 视频尽快跑起来吧。【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
ComfyUI 跑 MiniMax-H3 视频生成模型从一堆同名文件里挑对的那一个【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3很多人在第一次接触 MiniMax-H3 时都会被同一个问题难住仓库里明明只有几个文件夹可里面躺着 18 个长得几乎一模一样的 .safetensors 文件bf16、int8_convrot、fp8_scaled、pruned……名字差一两个单词体积和用途却天差地别。这篇 MiniMax-H3 模型选择与部署指南会带你解码这些文件名背后的逻辑按自己的显卡和需求直接对号入座并给出 ComfyUI 里的完整部署步骤让你从一脸懵到十分钟出片。一、这套模型包到底解决了什么问题MiniMax-H3 不是让你重新训练的新模型而是为 ComfyUI 重新打包好的即插即用模型合集。它把散落在原始仓库里的多个组件统一整理、命名、配好工作流你只需要把文件放到对应目录就能在 ComfyUI 里完成三类视频生成任务T2V文本到视频给一段文字描述生成对应画面。I2V图像到视频给一张静态图让画面动起来。R2V参考到视频以参考视频的风格为基底生成新的视频内容。可以把它理解成一套乐高每个文件夹负责流水线里的一个环节零件之间各司其职拼起来才是完整的视频工厂。二、四个文件夹对应一条完整的视频流水线打开仓库你会看到四个目录它们正好串起一条文字/图像 → 视频的生产线文件夹在流水线中的角色装的是什么text_encoders/读题的文案理解器基于 Qwen3-VL-32B 架构的文本编码器把提示词翻译成模型能懂的向量diffusion_models/作画的主引擎生成视频画面的扩散模型也是文件最多、最容易看花眼的地方vae/压缩与还原的画质管家负责视频帧、音频信号的编码解码loras/加速的 Turbo 外挂让出图速度大幅提升的 LoRA 微调插件其中text_encoders/提供 3 个精度档位vae/则按用途分为视频 VAEminimax_h3_video_vae_fp16.safetensors和音频 VAEminimax_h3_audio_vae_fp32.safetensors——注意只有想生成带音轨的视频时才需要挂上音频 VAE。三、看懂文件名选文件就不再纠结diffusion_models/里的 10 个文件看着吓人其实只要拆开名字规则一目了然minimax_h3_ 系列 _ 精度 .safetensors系列fl2va对应 I2V / T2V 工作流ref2va对应 R2V 工作流。先按你要做的任务锁定系列10 个文件立刻砍掉一半。精度bf16是高质量基准档int8_convrot是 int8 量化 旋转位置编码优化的速度档fp8_scaled是另一种 8 位量化方案属兜底选项。是否带pruned带pruned的是修剪版剪掉了部分冗余参数更省显存代价是画质略有妥协。 一句话记忆pruned决定省不省内存int8_convrot / fp8_scaled决定跑得快不快bf16决定画质上限。四、按你的显卡和需求直接对号入座选型其实就三条铁律显存宽裕、追求画质选bf16完整版如minimax_h3_fl2va_bf16.safetensors适合专业视频制作。环境支持 PyTorch cu130优先int8_convrot这是官方明确推荐的性能组合速度与质量的平衡最好。用不了 int8_convrot才退而求其次用fp8_scaled——它只应作为备选不应是首选。如果你的显存仍然吃紧再叠加pruned版本。参考对比如下场景推荐文件理由专业出片、显存充足minimax_h3_ref2va_bf16.safetensors完整精度画质天花板日常生成、环境支持 cu130minimax_h3_fl2va_pruned_int8_convrot.safetensors显存友好速度与质量兼得老显卡、驱动受限minimax_h3_fl2va_pruned_fp8_scaled.safetensors最后兜底方案复杂提示词理解qwen3vl_32b_minimax_h3_bf16.safetensors32B 级文本理解力低显存还想跑文本编码qwen3vl_32b_minimax_h3_nvfp4_awq.safetensorsAWQ 量化且不需要 Blackwell 显卡即可运行文本编码器这里有个隐藏福利nvfp4_awq版本虽然是用 NVIDIA NVFP4 方案量化的但不强制要求 Blackwell 架构 GPU显存紧张的玩家可以优先考虑它。五、三步完成 ComfyUI 部署十分钟开跑整个部署过程没有编译、没有依赖地狱三步走完拉取仓库把模型文件拿到本地git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3对号入座放文件目录结构必须是 ComfyUI/ ├── models/ │ ├── diffusion_models/ # 你选好的扩散模型 │ ├── text_encoders/ # 你选好的文本编码器 │ ├── loras/ # 按需放入 Turbo LoRA │ └── vae/ # 视频 VAE需要音频再加音频 VAE⚠️ 目录名一个字母都不能错ComfyUI 全靠目录名识别模型类型。加载对应工作流T2V 用 T2V 模板、I2V 用 I2V 模板、R2V 用 R2V 模板再把loras/里的 Turbo LoRA 接进采样节点即可出片。六、新手最容易踩的三个坑把所有扩散模型一股脑塞进diffusion_models/文件多了 ComfyUI 虽然都能识别但节点里选错版本是常有的事建议只放你决定用的那一两个。文本编码器与扩散模型精度混搭不同量化档位混用可能导致效果异常尽量保持同一套精度方案。忘记 LoRA 目录Turbo 系列的 4 步/8 步 LoRA 是大幅提速的关键minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors等文件放对位置出片速度才有保障。七、写在最后模型文件再多本质也只是按需取用的选择题先定任务I2V / T2V / R2V再定精度bf16 / int8_convrot / fp8_scaled最后按显存决定是否加pruned。理清这三步MiniMax-H3 就是你 ComfyUI 里一把趁手的视频生成利器。官方模型采用 MiniMax-H3 社区许可证使用前记得确认授权条款更多细节可参考原始模型仓库MiniMaxAI/MiniMax-H3与 Comfy-Org 官方工作流模板。现在就去git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3选好属于你的那份文件让第一段 AI 视频尽快跑起来吧。【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
