3285 字
16 分钟
AI 工具应用:MiniMax H3 ComfyUI 工作流实战
2026-11-15

先说问题:H3 能出片,但从零搭工作流劝退人#

MiniMax H3 是目前少数能一次生成「画面+声音」的开源视频模型:给它首帧、尾帧和一段文字,它能补出中间的动作、镜头运动,连音轨都一起解码出来。问题是,想在 ComfyUI 里把这条链路从零搭起来,门槛一点都不低:

  • 模型不是一个文件,是四个。基础模型、文本编码器、视频 VAE、音频 VAE 各管一段,放错目录节点就找不到。
  • 帧数有对齐规矩。H3 的帧数必须落在 17k + 5 的序列上,随手填一个整数帧数,采样阶段就可能直接报错或者被悄悄改掉。
  • 采样器、调度器、LoRA 要配套。Turbo LoRA 用哪套采样参数、强度给多少、显存不够时开哪个开关,都是试错试出来的经验。
  • 节点连错就跑不出带声音的片。视频和音频是两条解码链,最后还要合成一路输出,任何一环断了,成片要么没声、要么干脆没有成片。

本篇的主线就是绕开这轮试错:用一份别人已经调通的工作流 JSON,把模型加载、Turbo LoRA、采样、分辨率计算、音视频解码全部封装好,自己只需要在外层总控面板上换图、改词、调参数,就能跑出首尾帧视频、图生视频和文生视频三种结果。

项目地址:https://github.com/pixelaigc/ComfyUI-MiniMax-H3-Workflow

它是什么:一份 JSON,三种模式,一个总控面板#

这个仓库本体非常小,只有一个工作流文件 video_minimax_h3_t2v_0909.json 和一份说明。它的设计思路是「子流程封装+外层总控」:

  • 子流程里封装了模型加载、Turbo LoRA 挂载、采样、分辨率计算、视频与音频分别解码再合成的完整链路,平时不用进去看。
  • 外层总控面板把日常要调的东西全提了出来:首帧、尾帧两个图像输入,提示词,基础模型、文本编码器、视频 VAE、音频 VAE、Turbo LoRA 的文件选择,以及步数、时长、种子、宽高比、百万像素。
  • 三种模式合一:首尾帧都接是首尾帧视频,只接首帧是图生视频,两个都不接是文生视频,切换靠断开输入连线,不用换工作流。

这份工作流的价值不在节点本身,而在于它把 H3 的全部配套规矩一次配齐了:你调的每个参数,都已经落在能跑通的组合里。

它和本系列第 18 篇 ComfyUI-MiniMaxDirector 是上下游关系:那篇的 MiniMaxDirector 是「写词」工具,把分镜、运镜和音频线索编译成 H3 能吃的结构化提示词;本篇这份工作流是「执行」工具,负责把提示词真正跑成带声音的片子。两篇配合,先用导演节点写词,再拖进这份工作流出片,是目前 H3 最顺手的一条流水线。ComfyUI 本身的安装与节点基础不熟的,先看 ComfyUI 入门篇 补一遍再回来。

环境与依赖:ComfyUI 本体加一个 Turbo 节点包#

运行这份工作流需要两样东西:

  1. 支持 MiniMax H3 与子图(subgraph)功能的 ComfyUI。工作流里的 MiniMaxH3ImageToVideo、ResolutionSelector、ComfyMathExpression 都是 ComfyUI 核心自带节点,不需要额外装;如果导入后这几个节点报缺失,先查 ComfyUI 版本是不是太旧、启动日志有没有导入错误。JSON 里记录的前端版本是 1.47.11,那只是作者的导出环境信息,不是验证过的最低版本。
  2. Turbo 节点包 ComfyUI-MiniMax-H3-Turbo(作者 Larryvrh),它提供工作流用到的 MiniMaxH3TurboLoRA 节点。在 ComfyUI 根目录执行:
Terminal window
git clone https://github.com/Larryvrh/ComfyUI-MiniMax-H3-Turbo custom_nodes/ComfyUI-MiniMax-H3-Turbo

装完重启 ComfyUI 再导入工作流。注意这份工作流走的是普通 KSamplerSelect 采样器路径,并没有用节点包里的专用 Turbo Sampler,不要看到节点包里有采样器就自己改线。

WARNING

仓库和工作流 JSON 都不包含模型权重,也没有记录作者的显卡型号、显存峰值和运行耗时。模型要自己按下一节的表去下;自己的机器能不能跑、跑多快,以实测为准,不要轻信任何「最低显存」口头承诺。

四个模型文件加一个 LoRA:照表放目录#

JSON 当前保存的选择如下,下载后严格按目录放,放错一级节点列表里就刷不出来:

用途模型文件存放目录
基础模型minimax_h3_fl2va_pruned_int8_convrot.safetensorsComfyUI/models/diffusion_models/
文本编码器qwen3vl_32b_minimax_h3_nvfp4_awq.safetensorsComfyUI/models/text_encoders/
视频 VAEminimax_h3_video_vae_fp16.safetensorsComfyUI/models/vae/
音频 VAEminimax_h3_audio_vae_fp32.safetensorsComfyUI/models/vae/
Turbo LoRAminimax_h3_turbo_4step_ema_ckpt850.safetensorsComfyUI/models/loras/

几个细节:

  • 两个 VAE 同放 vae/ 目录,一个管画面解码、一个管声音解码,缺了音频 VAE,成片就是哑的。
  • 文本编码器是 Qwen3-VL 32B 的量化版,H3 的提示词理解全靠它,别拿普通 CLIP 顶替。
  • 备齐文件后刷新模型列表或重启 ComfyUI,在总控面板逐项确认五个下拉框都选中了表里的文件。如果换用其他检查点,要按那个检查点自己的说明配置参数,不要把不同版本的文件当成等效默认值混用。

快速开始:六步跑出第一条片#

  1. 从仓库下载 video_minimax_h3_t2v_0909.json,拖进 ComfyUI 画布。
  2. 按上一节装好 Turbo 节点包、备齐五个模型文件,确认画布上没有缺失节点、面板上没有模型报错。
  3. 在左侧两个图像加载节点上传图片:上方接 first_frame(首帧),下方接 last_frame(尾帧)。
  4. 在 Image to Video (MiniMax H3) 面板填写提示词,描述首尾帧之间的动作、镜头变化与声音。JSON 自带的外层提示词是海怪掀船、泰坦踩踏的示例场景,直接替换成自己的即可;子流程内部还留着旧示例文字,那不是当前输入,不用管。
  5. 确认 LoRA、步数、时长和分辨率(下一节逐项讲),点击运行。
  6. 在右侧 SaveVideo 节点查看输出。

JSON 里不包含图片本体:文件里只存了作者本地的两个素材文件名(HPmuyFwbYAALgM9.jfif、HPmu4ASbQAAVr8D.jfif),你那边根本没有这两个文件,第 3 步必须重新上传自己的首尾帧,否则会直接报图片不存在。

三种模式切换:靠「绕过」,不是删节点#

模式切换只取决于两个图像输入接没接:

生成模式首帧 first_frame尾帧 last_frame用法
首尾帧视频输入输入用两张图锁住视频的起始与结束画面
图生视频输入绕过 / 不输入只以首帧为起点,结尾交给提示词发挥
文生视频绕过 / 不输入绕过 / 不输入不用任何图像条件,纯文字生成

这里的「绕过」指的是让对应图片不再传入子流程:可以断开那条图像输入连线;如果用节点的 Bypass 操作,也要确认该接口确实没有再收到图片。切换到文生视频后就不用准备任何图片素材。它和动画短片流水线里「首尾帧定格」的思路一致,AI 动画短片流水线 里对首尾帧关键帧的用法可以互相参照。

总控参数:面板上这几项都在管什么#

参数当前保存值说明
prompt中文海怪 / 泰坦场景内容、动作、镜头和声音的描述
noise_seed614289519754737噪声种子;想复现还要保持其他输入与环境一致
lora_nameminimax_h3_turbo_4step_ema_ckpt850.safetensorsTurbo LoRA 文件
steps8实际采样步数
duration6目标秒数,实际帧数会按下文公式对齐
aspect_ratio16:9 (Widescreen)目标画面比例
megapixels0.4当前计算分辨率为 864 × 480
unet_name / clip_name见模型表基础模型与文本编码器
vae_name / audio_vae见模型表视频 VAE 与音频 VAE

最容易踩的坑在步数:LoRA 文件名里写着 4step,不代表采样步数会自动变成 4。实际步数只认面板上的 steps,当前保存值是 8。仓库图解里展示的是另一组示例设置(6 步、目标 5 秒),图解只用来说明参数含义,默认值一律以 JSON 和本表为准。

两条硬规矩:分辨率按面积算,帧数按 17k+5 对齐#

分辨率:先算总面积,再对齐 32 的倍数#

分辨率节点按 megapixels × 1024 × 1024 算出目标总面积,结合宽高比拆成宽和高,再把宽高分别舍入到 32 的倍数。所以实际比例和像素面积会和设定值略有偏差,这是算法使然。16:9 下四档常用值算出的尺寸是:

宽高比百万像素计算分辨率
16:90.2608 × 352
16:90.4864 × 480
16:90.61056 × 608
16:90.81216 × 672

显存吃紧先降这一项:从 0.4 降到 0.2,像素量直接减半,比改其他参数都立竿见影。

帧数:6 秒实际是 158 帧、约 6.58 秒#

时长换算用的是下面这条表达式,a 是目标秒数,帧率固定 24 fps:

max(5, round(a * 24)) + (5 - (max(5, round(a * 24)) % 17)) % 17

说人话就是:先把秒数换成帧数,再向上对齐到最近的 17k + 5。默认 6 秒先换算出 144 帧,向上对齐后是 158 帧,按 24 fps 播出来约 6.58 秒。

输出时长不等于填入的秒数,是帧数对齐的必然结果,不是工作流出了 bug。剪辑时按实际帧数算时间点,别按面板上的目标秒数硬对。

子流程内部参数:一般不用动,动之前先看懂#

以下设置都藏在子流程里,要双击进入子流程才能改:

设置当前值
采样器res_multistep
调度器simple
降噪强度1.0
LoRA 强度1.0
LoRA low_vramfalse(关闭)
分辨率倍数 multiple32
视频帧率24 fps
视频位深8

其中只有一个开关日常可能用到:low_vram。显存实在不够时可以进子流程把它打开,让 LoRA 以低显存方式加载;代价是可能影响量化模型的画面锐度,开之前先用同一组参数各跑一条对比,再决定要不要长期开。其余参数是和 Turbo LoRA 配套调好的组合,尤其采样器 res_multistep 加调度器 simple 这一对,没实测对比不要换。

输出位置:默认落在 output/video/#

SaveVideo 节点当前的文件名前缀是 video/MiniMax_H3_h9,格式与编码器都是 auto,由保存节点自动决定扩展名。用默认输出目录时,成片保存在:

ComfyUI/output/video/

如果启动 ComfyUI 时自定义过输出目录,以实际配置为准。找不到成片先确认这个前缀目录,而不是满硬盘搜文件名。

常见问题与排障#

导入后有缺失节点 先看缺的是哪类:缺 MiniMaxH3TurboLoRA 是 Turbo 节点包没装或没重启;缺 MiniMaxH3ImageToVideo、ResolutionSelector、ComfyMathExpression 这类核心节点,是 ComfyUI 版本太旧或启动时导入失败,去启动日志里搜报错行。

模型列表里找不到文件 对照模型表逐项查目录和文件名:基础模型在 diffusion_models/、文本编码器在 text_encoders/、两个 VAE 在 vae/、LoRA 在 loras/。放对后刷新列表或重启,再在总控面板重新选择。记住 JSON 不打包模型权重,文件不在本地,列表里永远不会有。

图片不存在报错 JSON 里存的是作者本地的素材文件名,你的机器上没有。在两个图像加载节点重新上传自己的首帧、尾帧即可。

显存不足(OOM) 三档处理顺序:先把 megapixels 从 0.4 降到 0.2;还不够就缩短 duration;最后再进子流程打开 LoRA 的 low_vram,但要接受画面锐度可能下降,改完同参数对比一条再定。

输出时长比设置值长 帧数对齐造成的,6 秒变约 6.58 秒是正常现象,公式和换算过程见上文「帧数」一节,不是参数没生效。

声音异常或没有声音 先确认音频 VAE 文件在位且面板里选对了,再检查音频 VAE、ComfyUI 本体和 Turbo 节点包三者的版本是否匹配。这份工作流用的是普通采样器路径,跨大版本组合的兼容性没有官方保证,升级其中任何一个组件后,先跑一条短片验证声音再批量生产。

小结#

这份工作流适合已经装好 ComfyUI、想直接上手 H3 又不想从零连节点的人:拖 JSON、装一个 Turbo 节点包、按表放五个模型文件、上传首尾帧、改提示词,就能跑通首尾帧、图生、文生三种模式。用的时候记住三件事:步数只认面板上的 steps,不认 LoRA 文件名里的 4step;时长按 17k + 5 对齐,输出比设定略长是常态;分辨率按百万像素调,显存不够先降它。写词交给 MiniMaxDirector,执行交给这份工作流,H3 的一条完整流水线就齐了。

AI 工具应用:MiniMax H3 ComfyUI 工作流实战
https://www.anexns.cloudns.org/posts/ai-minimax-h3-workflow/
作者
Anexns
发布于
2026-11-15
许可协议
CC BY-NC-SA 4.0