ComfyPilotComfyPilot
文档 / 教程 / ComfyUI MiniMax H3 文生视频、图生视频与参考生视频工作流

ComfyUI MiniMax H3 文生视频、图生视频与参考生视频工作流

ComfyUI 中 MiniMax H3 原生工作流的逐步示例，含帧锚定与潜在噪声蒙版技巧，帮助你对生成视频做更精细的控制。

教程 minimax-h3-native 更新于 2026-10-18

查看官方原文

ComfyUI MiniMax H3 文生视频、图生视频与参考生视频工作流

ComfyUI 中 MiniMax H3 原生工作流的逐步示例，含帧锚定与潜在噪声蒙版技巧，帮助你对生成视频做更精细的控制。

本页涵盖三个基础 MiniMax H3 模板及原生节点高级技巧。能力、调参与加速见 MiniMax H3 概览。

MiniMax H3 文生视频（T2V）

根据文本提示词生成视频，并带有原生立体声音频。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_minimax_h3_t2v.mp4" />

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索“MiniMax H3 T2V”

模型下载

[card] Diffusion Model: minimax\_h3\_fl2va\_pruned\_int8\_convrot 放入 ComfyUI/models/diffusion_models/
[card] 文本编码器：qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq 放入 ComfyUI/models/text_encoders/
[card] VAE：minimax\_h3\_video\_vae\_int8\_convrot 放入 ComfyUI/models/vae/
[card] VAE：minimax\_h3\_audio\_vae\_fp32 放入 ComfyUI/models/vae/
[card] LoRA：minimax\_h3\_fl2v\_turbo\_8step\_v1.0\_comfyui\_bf16 工作流的模型扫描需要此文件；它为可选的 Lightning LoRA 加速模式提供支持。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_int8_convrot.safetensors
│   │   └── minimax_h3_audio_vae_fp32.safetensors
│   ├── 📂 loras/
│   │   └── minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors
│   └── 📂 embeddings/
│       └── minimaxh3_art_is_explosion.safetensors

提示词技巧

  1. 先写场景：整体场景，再写分镜时间轴
  2. 一块写完：镜头、运镜、对白、音效、音乐放在同一提示词块
  3. 分辨率：16:9 原生 1344×768（短边 768px）；对齐 32 倍数
  4. 时长：24fps 下对齐 17k+5 帧网格
  5. 首尾帧：在 MiniMaxH3ImageToVideo 的 first_frame/last_frame 接图即为 FL2VA
  6. Turbo：默认 20 步；turbo_mode 为 8 步 Lightning LoRA（更快，运动/音频略软）。可提高步数（如 25）改善运动

官方基础指南：提示词指南。

MiniMax H3 图生视频（I2V）

从输入图像生成视频，并可选择使用首帧/末帧关键帧。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_minimax_h3_i2v.mp4" />

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 “MiniMax H3 I2V”
[card] 输入图像：transparent\_rgb\_gaming\_mouse.png 下载默认输入图像，或使用你自己的图像。

模型下载

[card] Diffusion 模型：minimax\_h3\_fl2va\_pruned\_int8\_convrot 放入 ComfyUI/models/diffusion_models/
[card] 文本编码器：qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq 放入 ComfyUI/models/text_encoders/
[card] VAE：minimax\_h3\_video\_vae\_int8\_convrot 放入 ComfyUI/models/vae/
[card] VAE：minimax\_h3\_audio\_vae\_fp32 放入 ComfyUI/models/vae/
[card] Turbo LoRA：minimax\_h3\_fl2v\_turbo\_8step\_v1.0\_comfyui\_bf16 放入 ComfyUI/models/loras/。当 turbo_mode 启用时使用。

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_int8_convrot.safetensors
│   │   └── minimax_h3_audio_vae_fp32.safetensors
│   └── 📂 embeddings/
│       └── minimaxh3_art_is_explosion.safetensors

提示技巧

  1. 关键帧：first_frame/last_frame 可选，运动生成在两者之间
  2. 提示词：镜头、运动、音频写在同一块
  3. 分辨率/时长：规则同 T2V（原生目标 1344×768，17k+5）
  4. Turbo：turbo_mode 使用 turbo_steps（默认 8）与 turbo_model_strength（默认 1.0），替代 20 步

first_frame 会被缩放到画布，不保持原比例，所以宽高比不一致的图会被拉伸；last_frame 则按中心裁剪。I2V 模板默认 1:1、0.4 MP（640×640），请把宽高比设成与输入图一致，正式出片前再调高 Megapixels。

官方基础指南：提示词指南。

MiniMax H3 参考转视频（R2V）

通过参考图像、视频和音频的任意组合来生成视频，锁定角色、风格、运动、运镜或声音。

<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/video_minimax_h3_r2v.mp4" />

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索“MiniMax H3 R2V”
[card] 参考图像：red\_superboy\_on\_city\_roof.png 工作流使用的角色参考，也可以使用自己的图像。
[card] 参考图像：mecha\_dragon\_lightning.png 工作流使用的风格和主题参考，也可以使用自己的图像。

模型下载

[card] Diffusion 模型：minimax\_h3\_ref2va\_pruned\_int8\_convrot 放置到 ComfyUI/models/diffusion_models/
[card] 文本编码器：qwen3vl\_32b\_minimax\_h3\_nvfp4\_awq 放置到 ComfyUI/models/text_encoders/
[card] VAE：minimax\_h3\_video\_vae\_int8\_convrot 放置到 ComfyUI/models/vae/
[card] VAE：minimax\_h3\_audio\_vae\_fp32 放置到 ComfyUI/models/vae/
[card] LoRA：minimax\_h3\_ref2v\_turbo\_4step\_v0.1\_comfyui\_bf16 工作流的模型扫描必需此文件；为可选的 Lightning LoRA turbo 模式提供支持。放置到 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_int8_convrot.safetensors
│   │   └── minimax_h3_audio_vae_fp32.safetensors
│   ├── 📂 loras/
│   │   └── minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors
│   └── 📂 embeddings/
│       └── minimaxh3_art_is_explosion.safetensors

提示技巧

  1. 标签：用 <Picture 1>、<Video 1>、<Audio 1>（ref_image_0 → <Picture 1>）。节点顺序：图像、视频、音频
  2. 分工：写明各参考驱动身份、风格、运动、运镜或声音
  3. 上限：9 图、3 视频、3 独立音频
  4. 视频帧率：按 24fps 读取，无元数据。加载前请转为 24fps
  5. 视频声音：画面与音轨分开；ref_video_audio_N 须对应 ref_video_N，否则文件内声音不会成为 <Audio N> 参考
  6. 音频编号：视频音轨先占 <Audio N>，再排独立音频；与画面编号独立
  7. VAE：视频音轨需 vae+audio_vae；独立音频仅需 audio_vae
  8. 音频用途：如 use <Audio 1> exactly as it is 或 follow the timbre of <Audio 2>
  9. 音色：Audio 参考是音色而非台词；写明表演；多说话人时每人一段 Audio 更稳
  10. ref_image_size：默认 match。max 短边 2048、更慢且不放大小图；需时先缩放到 2048 短边（32 倍数）
  11. 权重：R2V 用 ref2va，非 T2V/I2V 的 fl2va
  12. Turbo：可选 4 步 Lightning（更快、参考更弱）；要紧贴参考用 20–25 步
  13. 风格 LoRA：与参考竞争；基础 schedule 上强度约 0.5

官方参考指南：提示词指南。

使用原生节点的高级工作流

需较新的 ComfyUI 版本。

将引导锚定到任意帧 (#15439)

MiniMaxH3AddGuide 可在任意 frame_idx（负值从末尾计）锚定引导，不限首尾帧。

将 H3 节点的 positive 与 latent 接到 MiniMaxH3AddGuide：

  • image：静图或片段（多帧裁剪为有效 17k+5 长度；不足 5 帧只用首帧）
  • audio：同帧索引音轨，裁剪到剩余时长
  • frame\_idx：锚定位置

图像接 vae，音频接 audio_vae；可串联多节点。

例：前 22 帧在帧 0 续写；在 124 帧片的帧 60 放静图强制经过该姿态。

这是条件引导，非 V2V：仍从空 latent 采样，denoise 不会像 V2V 那样缩放引导强度。整段换风格用 R2V；局部编辑用 Fun ControlNet Union 遮罩。

见 多帧参考 模板。

使用 Latent 噪波遮罩进行 Inpainting 与扩展 (#15375)

逐 token 遮罩 覆盖视频与音频 latent，可只重生成一部分。

遮罩接采样器 denoise_mask：0 保留，1 重生成。视频对齐 2×2 latent 块，音频对齐整帧。用于修补、移除或扩展。