MiniMax H3本地部署教程：ComfyUI安装、模型下载与提示词实战

想在电脑上运行 MiniMax H3，重点不是盲目追求高分辨率，而是先用合适的量化模型跑通工作流，再逐步增加时长、画幅和加速节点。本教程整理了从硬件准备到生成带声音视频的完整流程，适合没有代码基础的新手。

需要注意的是，模型文件、节点名称和版本要求可能随官方更新而变化。安装前应以 ComfyUI 模板说明和模型仓库 README 为准，不要一次性下载整个仓库。

一、先判断电脑能不能运行

本地部署主要消耗显存、系统内存和磁盘空间。建议配置如下：

• 显卡：NVIDIA 显卡，最低建议 12GB 显存，24GB 以上体验更好
• 系统内存：最低 32GB，推荐 64GB
• 磁盘：至少预留 60GB，推荐使用 NVMe 固态硬盘
• 系统：Windows 10、Windows 11或主流 Linux 发行版
• 驱动：安装与当前 CUDA、PyTorch 环境兼容的显卡驱动

Windows 用户可以按 Ctrl+Shift+Esc 打开任务管理器，在“性能—GPU”中查看专用显存，也可以运行：

nvidia-smi

12GB显卡并非不能运行，但会更依赖内存分层加载，首次载入模型和生成视频的等待时间也会更长。显存不足时，优先换用模型量化权重，而不是一味降低分辨率。

二、安装并更新ComfyUI

ComfyUI是节点式生成工作台，官方模板已经连接好主要节点，新手通常只需选择模型、填写提示词和设置输出参数。

全新安装

1. 从 ComfyUI 官方渠道下载桌面版。
2. 按安装向导完成部署，尽量将程序和模型目录放在固态硬盘。
3. 启动后等待初始化完成。
4. 打开模板库，搜索 MiniMax H3 相关工作流。

已有环境更新

手动部署的用户可进入 ComfyUI 目录执行：

git pull
pip install -r requirements.txt

如果工作流提示缺少 MiniMax H3 专用节点，通常是 ComfyUI 版本过旧。先更新内核和依赖，再重启程序，不要急着安装来源不明的同名节点包。

三、下载并正确放置模型

一套基础工作流通常包含以下组件：

• DiT或扩散模型：负责生成音视频主体
• 文本编码器：理解提示词和参考素材
• 视频VAE：将内部数据解码成画面
• 音频VAE：解码对白、环境声和配乐

新手应优先选择官方推荐的剪枝量化版。不要直接克隆整个模型仓库，否则可能下载数百GB无关文件。

目录结构可参考：

ComfyUI/
└── models/
    ├── diffusion_models/
    │   └── minimax_h3_模型文件.safetensors
    ├── text_encoders/
    │   └── minimax_h3_编码器.safetensors
    └── vae/
        ├── minimax_h3_video_vae.safetensors
        └── minimax_h3_audio_vae.safetensors

下载完成后重启 ComfyUI，让程序重新扫描模型。若视频有画面却没有声音，应检查音频VAE是否下载，并确认音频解码节点已经连接到视频保存节点。

四、跑通第一条文生视频

打开模板库，选择 MiniMax H3 Text to Video 或名称相近的官方模板。首次测试不要修改复杂参数，按下面的顺序检查：

1. 在加载节点中选择对应的扩散模型和文本编码器。
2. 分别选择视频VAE与音频VAE。
3. 使用模板默认分辨率和较短时长。
4. 输入一个主体明确、动作简单的提示词。
5. 点击运行，等待模型加载和采样完成。

测试提示词可以写成：

A ginger cat walks slowly along a rainy street at night. Neon lights reflect in the puddles. Soft rain and distant traffic can be heard.

首次运行较慢属于正常情况，因为模型需要从磁盘载入内存和显存。成功标准不是画面必须完美，而是能够正常输出MP4，并且同时包含画面与声音。完成这一步后，文生视频基础工作流就算跑通了。

五、分辨率与时长怎么设置

分辨率先低后高

建议先用较小画幅测试提示词，确定主体、动作和镜头方向后，再切换到接近模型原生训练画布的规格输出正片。

• 草稿：优先使用模板默认预览规格
• 正片：根据显卡能力提高到768p级画布
• 低于模板支持下限：可能直接生成失败
• 强行原生生成1080p以上：耗时会明显增加，稳定性也可能下降

更实用的路线是先生成稳定的768p视频，再通过视频超分工作流提升至1080p。超分参数不宜过强，否则可能改变人脸、文字和口型。

时长不要随意填写

本地节点可能要求帧数符合特定网格，并自动向上修正不合法的数值。因此，卡点视频应优先使用模板预设的合法帧数，再根据帧率计算实际时长。需要长视频时，建议拆成多个镜头分别生成，最后在剪辑软件中组合。

六、图生视频与参考生视频

图生视频

图生视频适合让人物照片、产品图或插画动起来。操作时应注意：

• 提前把输入图裁成目标视频的宽高比
• 只给首帧时，描述动作如何从当前画面开始
• 同时给首尾帧时，重点描述两帧之间的运动过程
• 提示词应保持人物服装、颜色和空间位置一致

参考生视频

参考生视频通常需要单独的参考模型权重，可用于保持角色外观、动作、运镜、风格或音色。添加素材后，要明确说明每份参考负责什么，例如“参考图片用于人物外观，参考视频仅用于镜头运动”。素材堆得越多不一定越稳定，职责不清反而容易互相干扰。

七、H3提示词实用结构

复杂镜头建议使用结构化提示词，将画面、环境音和配乐分开：

integrated_multimodal_description: [Shot 1] Live-action, cinematic. A baker opens a small shop before sunrise. The camera slowly pushes toward the wooden counter.

overall_soundscape: Wooden shutters scrape softly. Trays clink inside the quiet bakery.

non_diegetic_music: A gentle acoustic-guitar pattern at a moderate tempo.

编写H3提示词时，优先检查四点：

• 每个镜头是否引入了新信息
• 运镜是否写明方向、速度和幅度
• 对白是否明确说话人及语言
• 环境音与配乐是否分开描述

多镜头视频可使用 [Shot 1]、[Shot 2] 标记，并为后续镜头写清切换时间。提示词越具体越好，但不要堆砌互相矛盾的风格词。

八、加速与显存优化

基础工作流稳定后，再考虑安装 SageAttention 或缓存类节点。

SageAttention

它主要用于提高注意力计算速度。安装时必须匹配当前 PyTorch、CUDA和显卡架构，否则可能报错或回退到普通计算。建议优先使用自动模式，不要同时启用全局启动参数和工作流补丁节点，避免重复加速导致性能下降。

缓存节点

缓存节点通过复用相邻采样步骤减少计算，速度提升通常比较明显，但可能带来以下影响：

• 动作幅度变小
• 静止帧增加
• 纹理和局部细节变糊
• 相同种子下的画面与无缓存版本不同

筛选创意时可以使用激进缓存，正式输出则应降低阈值，或者只保留较稳妥的注意力加速。

九、常见问题排查

提示缺少节点

先更新 ComfyUI、模板和依赖，更新后完整重启。不要仅刷新浏览器页面。

CUDA显存不足

按以下顺序处理：

1. 确认没有误用BF16全精度模型。
2. 关闭游戏、浏览器硬件加速和其他模型程序。
3. 使用剪枝版、INT8或更小的量化权重。
4. 将系统内存提升至32GB以上。
5. 检查模型是否放在高速固态硬盘。

视频没有声音

确认音频VAE、音频解码节点和视频保存节点均已正确连接。只加载视频VAE无法得到原生音轨。

输入图片被裁切

生成前按输出比例裁图，避免让工作流自动拉伸或居中裁剪重要主体。

参考模式速度特别慢

检查参考图尺寸选项。保留超高分辨率参考图会显著增加参考Token和采样时间，日常测试应使用匹配输出尺寸的模式。

十、本地部署还是使用API

选择方式可以简单归纳为：

• 偶尔体验：优先使用网页版或API，省去下载模型和维护环境的时间
• 大量试错：本地部署更划算，适合反复调整提示词
• 需要稳定高清交付：本地生成草稿，定稿时再使用高质量超分或官方高清服务
• 研究与微调：需要更大的显存、完整权重和更复杂的多卡环境

MiniMax H3本地部署的正确顺序是“先跑通、再提画质、最后加速”。只要模型目录、VAE和模板版本正确，即使是中等显存显卡，也可以通过量化权重和内存分层完成基础视频生成。