MiniMax H3 + H3-Image 本地部署实战:从 4K 参考图到写意武侠短片,8GB 显卡就能跑!(附完整工作流)

[复制链接]
发表于 昨天 18:41 | 显示全部楼层 |阅读模式



很多朋友刚用开源模型在本地做 AI 视频时,常会遇到同一种问题:提示词写了一大段,当进到图生视频后,交付的结果第一镜还是女侠、第二镜就换脸了、第三镜衣服变色,打戏更是飘满网游风发光特效。
其实问题不是视频模型不听话,而在你跳过了一步用高一致性参考图当剧组底图的工序。
这次本地开源的 MiniMax H3 全家桶,刚好把多参考图出分镜和带原生音效做视频串进了一张 8GB 显卡里。我在 RTX 5060 8GB 工作机上完成了部署实测。模型本身最高可直出 4K(4096×4096),但为了照顾 8GB 显卡连跑 15 张剧组素材的速度,实例选了 4.2MP 宽银幕(3136×1344),最终做成一条 20.04 秒、2.35:1 电影画幅、带京剧板鼓与山风声 的短片《空山剑影》。
先看成片动效预览,后面从零拆解部署和做法。
0:00 / 0:20
一、两个模型如何配合:先生图,再生视频
很多准备上手完本地模型时都分不清手里两个模型怎么配合,用剧组分工来理解就清楚了。
MiniMax H3-Image 充当剧组的「造型师加剧照组」。同一个模型权重能同时做文生图和参考编辑,最多支持塞进 16 张参考图,用 <icture 1>、``<icture 2> 点名谁留脸、谁留场景。MiniMax H3 Video 则是「现场摄影机加拟音师」,专门把画好的静态分镜图拍动,同时在同一次推理里配好山风、脚步、兵刃交击和背景鼓点。
对小显存还有一个实际利好:生图和视频共用同一份 Qwen3-VL-32B 文本编码器。这个 14.61 GB 的大文件下一次就够了,两条链路都能吃。
整条工作流的核心原则只有一句话:别让视频模型凭空猜主角和背景长什么样,全部交给前面的参考图锁死。
二、MiniMax H3、 H3-Image 本地部署(照表放对位置就行)
先把本机测试边界说清楚:以下耗时与显存均测自 RTX 5060 8GB + i5-14600KF + 32GB 内存 + Windows 11,未对其他显卡做同等验证,不承诺所有设备都能跑出一样速度。



1. 先查 ComfyUI 版本
ComfyUI 内核需要更新到 0.45.0 及以上。打开网页右下角小齿轮点「About」即可查看版本。如果你还在用停在 0.44.2 的旧版桌面端,界面里会搜不到 MiniMaxH3ImageConditioning 节点,也解不开新版 24 通道图像 VAE,建议拉一份最新 0.45.0+ 便携版或源码。



2. 下载这 6 个文件并放到对应文件夹
看懂表里的英文缩写其实不难:DiT 是画画或出视频的主模型本体,VAE 是把模型内部信号转成画面和声音的解码器,名字带 W4A8 或 NVFP4 的则是为 8GB 显卡压过体积的量化版。按下面目录放好即可:

用途模型文件名大小放进 ComfyUI/models/ 子目录下载源
图+视频共用编码器qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors14.61 GBtext_encoders/ModelScope / Hugging Face
生图主模型minimax_h3_image_pruned_w4a8.safetensors11.69 GBdiffusion_models/同上
生图解码器minimax_h3_image_vae_fp16.safetensors1.09 GBvae/(别与视频 VAE 混用)同上
视频主模型minimax_h3_fasth3_vsa_4step_distill_fl2va_pruned_w4a8.safetensors(4 步版)或官方 minimax_h3_fl2va_pruned_int8_convrot.safetensors + 4 步 Turbo LoRA15.27 GB(官方 INT8 版 19.53 GB + LoRA 1.82 GB)diffusion_models/(LoRA 放 loras/)官方见 ModelScope H3
视频解码器minimax_h3_video_vae_int8_convrot.safetensors2.62 GBvae/同上
音频解码器minimax_h3_audio_vae_fp32.safetensors577.2 MBvae/同上


32GB 内存避坑提醒:双模型交替加载时系统会借用硬盘做临时缓存,实测页面提交内存会冲到 45–51 GB。开跑前去 Windows「高级系统设置 → 虚拟内存」给固态盘留出 32 GB 以上可用空间作为页面文件,防止切视频阶段闪退。
3. 拖入改好的 UI 工作流,对照抄参数



资料包 workflows/ 里的两份 .json 都是标准画布工作流,直接拖进 ComfyUI 浏览器窗口就能显示节点(高阶玩家需要的 API JSON 与批量脚本我另放进了 进阶脚本与API版/,不会混在一起)。里面我也帮你关掉了非必需的「提示词扩写」大模型,能省下近 7 GB 硬盘下载。

工作流 A(生图与多图参考:01_MiniMax_H3_Image_多图参考8G版_UI工作流.json)

加载器选好上面对应的生图模型、共用文本编码器(注意 CLIPLoader 的 type 选 minimax)与生图 VAE喂参考图时,把主角照连入 MiniMaxH3ImageConditioning 的 images.image_1,场景或道具图连到 image_2,提示词里对应写 <icture 1> 和 <icture 2>。纯文生图把这几个口留空就行。KSampler照抄这组数别改动:steps = 6、``cfg = 1.0、``sampler_name = euler、``scheduler = simple、``denoise = 1.0。它属于无负向提示词架构,不想要的元素靠正向画面描述去压。分辨率别图省事填 1024×1024,低于 4MP 画面容易塌糊。试草图选 2048×2048(实测约 23 秒),做电影宽银幕选 3136×1344,需要真 4K 海报就把尺寸拉到 4096×4096(实测约 73 秒)。工作流 B(图生视频:02_MiniMax_H3_Video_4步235宽银幕_UI工作流.json)

把定稿分镜图放进 LoadImage,连给 MiniMaxH3ImageToVideo 的 first_frame(单图转视频时 last_frame 留空)。
宽银幕宽高按 32 的倍数填入 **1216×512**(24fps);帧数 length 遵循 17k + 5 规则,按镜头节奏填 39(1.6s)、56(2.3s)或 73(3.0s)。
采样器设 res_multistep、``simple、``steps = 4,``MiniMaxH3SigmaShift 保持 12.0 / 3.0。提示词按 integrated_multimodal_description:(画面动作)、overall_soundscape:(环境声)和 non_diegetic_music:(配乐,没有写 N/A)三段来写,生成后成片统一落在 ComfyUI/output/video/。
三、实测实例:用这套工作流做出 20 秒《空山剑影》
部署完跑起来不难,难的是怎么拍出老武侠片的胶片味道,而不是清一色塑料古风。下面用我跑通的 20 秒短片《空山剑影》当实例,拆开四步给你做模板。
1. 先给全片立 5 条风格底座(写进每个 Prompt 末尾)
写写意武侠提示词切忌堆砌古风、唯美、大片、仙气。胡金铨《侠女》《空山灵雨》那种 70 年代台湾实拍质感,关键就靠下面这 5 条要素写死:




风格维度速查表:新手 Prompt 避坑写法

风格维度新手怎么写进 Prompt(避坑写法)
胶片色调写「1970s 35mm 伊士曼彩色负片褪色感」,配色压在赭石、焦茶、石青灰、竹青、烟白,禁青橙调色
留白与光柱远景给足 2/3 山岚白雾;竹林依靠侧逆日光穿透松烟形成实体光柱,不画发光剑气
实感服化道女主凌霜穿未漂染粗麻交领短袄、炭灰布腰带、黑布靴,高髻插素木簪;追兵为东厂茶褐麻袍与高尖毡帽
动作与剪辑借鉴京剧「静极→骤动→定格亮相」,20 秒硬拆 10 镜短切,每镜只留 1.0s–2.5s

2. 第一步:先出 5 张片场资产底图(实测 2 分 30 秒)



把这 5 张资产出好定死,后面 10 个分镜就再也不会换脸、变袖子或换武器:

  • A1 女主定妆照(2048×2048,实测 29.37s):
  • 纯文生图确立凌霜面相、木簪高髻、粗麻衣和古剑,它是全片头号锚点 <icture 1>。
  • A2 女主四视图(2720×1536,实测 52.39s):
  • 挂上 <icture 1>=A1,出齐正/侧/背及黑纱竹斗笠四面视图,方便核验鞋子与剑鞘。
  • A3 核心道具表(2720×1536,实测 23.25s):
  • 定死明代手锻直剑、暗红短剑穗与斗笠形制。
  • A4 东厂三番子(2720×1536,实测 22.55s):
  • 单独画出反派群像当武戏参考锚点。
  • A5 雾中竹林空镜(3136×1344,实测 22.68s):
  • 先出纯无人竹林光柱与青苔石阶,供后续人物入画合景。

3. 第二步:按场景复杂度选 0/1/2 张参考图出 10 镜(实测 10 分 16 秒)



新手常犯的偷懒错误是每镜都挂满两张参考图。那样做虽然省心,但挂图越多推理越慢,合理分配最省时间:

镜头类型对应镜号参考图怎么接单张实测耗时极远景纯山水留白S01(山脊独行)不接参考图(小人轮廓省算力)32.32s单人特写与动作S03、S05、S06B、S07、S09仅接 <icture 1>=A1 锁主角46.56s–51.41s反派俯冲专场S04(竹梢跃下)仅接 <icture 1>=A4 锁番子造型57.07s人物+景别/群战S02、S06A、S08双参考 <icture 1> + <icture 2> 锁人景89.19s–98.49s

《空山剑影》全片 10 镜 2.35:1 分镜总览图  10 张 3136×1344(4.2MP 2.35:1 宽银幕)分镜跑完耗时 **615.57 秒(10 分 16 秒)**,显存压在 7547 MiB 以内。而且像收尾镜 S09 左上角的竖排墨书「空山劍影」,写进 Prompt 就能随图一起出,省去后期加字。4. 第三步:送进 H3 视频模型到剪辑成片(实测 8 分 46 秒)把 10 张定稿分镜拖进工作流 B 分别出片:S01/S02/S08/S09 填 73 帧(约 3s),S03/S04/S05/S06A/S07 填 56 帧(约 2.3s),削竹快切 S06B 填 39 帧(约 1.6s)。10 段视频在 8GB 卡上累计耗时 525.89 秒(8 分 46 秒)。

生成完成后到 ComfyUI/output/video/ 拿到 10 个 MP4,直接全选拉进剪映或用 ffmpeg 按 1.0s–2.5s 节拍裁剪合并,加个头尾黑场淡入淡出就能导出 20.04 秒 成片(含软件启动与合并全程约 9 分 12 秒)。
算一笔总时间账:出图 12 分 46 秒 + 出视频 8 分 46 秒 ≈ 21 分 32 秒,一张 8GB 游戏卡半小时不到就能独立出完一条声画齐全的短片。
四、实测踩出来的 3 个真坑(附翻车前后对照)
这 10 个镜头不是抽卡一遍过,我把真实踩坑记录整理出来,帮你少走弯路:

S05 双鞘穿帮与 S06B 否定词翻车修正前后对照图
坑 1:S05 拔剑出鞘画成「两头全长木剑鞘」
现象: 开始 Prompt 写右手拇指把剑顶出一寸,结果画面两手抓的全是木头套管。
原因: 模型看不懂半出鞘时哪端是鞘、哪端是柄,对称拉出了两截木鞘。
解法:明确拆出左右手动作——左边持单个木鞘,右边握绳缠剑柄往外抽两寸亮钢刃,重跑 51.41s 过关。
坑 2:S06B 写 no people 想拍空镜削竹,结果多出两个大汉
现象:第一轮想拍纯竹竿微距,特意写上 no people, no faces, no human hands,结果出来两个古装男在竹林里劈竹。
原因:MiniMax H3-Image走的是无负向提示词路径,句子里一旦带了 people 等词根,又同时有武侠剑客氛围词,很容易反向把人物激活进画面。
解法:别在无 CFG 模型里用 no XXX 写否定词。后来我删掉否定词,改挂 <Picture 1>=A1 让女主凌霜出镜横剑削断竹子,50 秒一次性画对,切回下一镜还更连戏。
坑 3:视频打斗别贪长,靠短切与「冻住前景」出质感
现象:交手镜头生成超过 2.5 秒,后半秒衣袖和刀剑经常糊成一团。
解法:胡金铨动作戏靠「短镜快切 + 定格亮相」立威风。每镜只保留干脆利落的 1–2 秒;到 S08 亮相时,把提示词写成 stays completely still and frozen,实测 H3 真能把前景女侠稳稳冻住,只让后面三个番子慢半拍依次倒地。
五、写在最后
照着这份流程动手前,先花 30 秒过一遍这 5 项:
ComfyUI 内核 ≥ 0.45.0(右下角齿轮 → About 确认)
共用的 Qwen3-VL-32B 放进 text_encoders/,生图 VAE 与视频 VAE 没选混
Windows 虚拟内存给固态硬盘预留 ≥ 32GB 页面文件
生图 steps=6、``cfg=1.0、``euler/simple,宽银幕推荐 3136×1344(4.2MP 兼顾锐度与速度,单张海报可开到 4096×4096)
先出 A1–A5 资产定妆定景,再挂 <Picture 1> / <Picture 2> 生分镜与短视频
现阶段来看,靠 MiniMax H3 Image + Video 这套本地组合,哪怕只有一张 8GB 显卡,只要把参考图资产先立住,新手半小时内也能做出角色稳、带配音的写意武侠小片。至于十来秒一镜到底的多人近身缠斗,现阶段还是建议拆成 1.5–2.5 秒短切镜头来拼接,容错高得多。
我已经把改好参数、拖进浏览器即可跑的两套纯 UI 工作流(.json)、《空山剑影》完整 20 秒剧本 打包整理好啦, 需要请自取。

🔗资料包地址👇

https://github.com/hiwise/comfyui/tree/main/minimax-h3%26h3-image





本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

×
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关注公众号

相关侵权、举报、投诉及建议等,请发 E-mail:2776601884@qq.com

Powered by Discuz! X5.0 Licensed © 2001-2026 Discuz! Team.|青ICP备2025004122号-1

在本版发帖
关注公众号
返回顶部