ComfyUI 跑视频生成MiniMax-H3 该下哪几个文件按显存选型的完整实操指南【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3把一条 MiniMax-H3 视频生成工作流拖进 ComfyUI点下Queue Prompt之后新手最常遇到的第一道坎往往不是节点接错而是一句显存不足。问题多半出在选型环节显卡装不下你加载的那组文件。Comfy-Org 社区整理发布的这套 MiniMax-H3 模型文件集合里一共铺了六类材料扩散模型、文本编码器、VAE、turbo LoRA、ControlNet 补丁和预设 embeddings。这篇文章只以显存为出发点把三件事讲完每个文件负责什么、三档显存各配哪组文件、装完之后如何验证跑通。一次视频生成背后的三种角色、六个目录一次完整的视频生成由三个部件接力完成扩散模型是产线上的主工序逐帧画面在这里被生产出来。仓库里diffusion_models/下的 12 个文件全部属于它按任务分成 FL2VA 与 REF2VA 两个系列文本编码器是译员把提示词翻译成产线能执行的向量指令。MiniMax-H3 采用 Qwen3-VL-32B 架构text_encoders/下提供三种精度版本VAE是潜空间与像素之间的翻译器把潜向量压缩、再还原成屏幕上的画面。vae/目录下共有 3 个文件。两个扩散模型系列对应的任务不同FL2VA 系列负责图像转视频I2V与文本转视频T2VREF2VA 系列负责参考转视频R2V即模仿一段参考素材的视觉风格做风格化生成。仓库里还有三个目录初看时很容易被忽略但各有用途目录文件数用途loras/3turbo 系列加速 LoRA用于大幅压缩采样步数model_patches/4Fun ControlNet Union 补丁含 2.0 版与普通版均为 bf16 与 int8_convrot 两种精度embeddings/10预设提示词 embeddings在提示词节点里按文件名调用只搭最基础的 I2V / T2V / R2V 链路前三个目录就够用LoRA 和 embeddings 属于后续提速与玩法扩展。看懂文件名六种精度后缀与官方选型建议同一类模型之所以铺出这么多文件本质只有一句话拿精度换显存。bf16 画质最好、显存压力最大pruned 修剪部分参数画质接近原版int8 / fp8 / w6a8 则进一步压缩权重用少量画质换显存空间。前五个后缀都出现在扩散模型文件名里最后一个nvfp4_awq只用于文本编码器后缀精度形态显存压力定位bf16全精度高画质上限留给 24GBpruned_bf16修剪 全精度中画质与省显存的折中int8_convrotint8 量化低低显存主力fp8_scaledfp8 量化较低int8 用不了时的后备w6a8pruned 量化变体较低另一种低显存选项nvfp4_awqnvfp4 量化AWQ 转换最低仅文本编码器普通显卡可用两条选型建议官方 README 里说得很直接值得原样记下扩散模型如果能在 cu130 环境下跑 pytorch优先使用int8_convrotfp8_scaled只建议在int8_convrot不可用时才使用。也就是说低显存场景下扩散模型的第一顺位是 int8_convrotfp8_scaled 不是另一档而是后备方案。另外 README 同时注明文本编码器的 nvfp4_awq 版本不要求 Blackwell 显卡普通 GPU 也能加载。顺带补两点int8_convrot 在扩散模型里既有 pruned 版本也有未修剪版本如minimax_h3_fl2va_int8_convrot.safetensors想要量化又不想动参数结构时可以选后者三个部件之间不要求同系列pruned_bf16 扩散模型 int8 文本编码器就是常见的混合搭配不必把所有文件凑成同一个后缀。三档显存的文件组合没有最好的文件只有匹配你显存的文件。按个人用户常见的显存分布分三档给出组合显存档位扩散模型文本编码器VAE24GBminimax_h3_fl2va_bf16.safetensors与minimax_h3_ref2va_bf16.safetensorsqwen3vl_32b_minimax_h3_bf16.safetensorsminimax_h3_video_vae_fp16.safetensors12GB–24GB*_pruned_bf16系列如minimax_h3_fl2va_pruned_bf16.safetensorsqwen3vl_32b_minimax_h3_int8_convrot.safetensorsminimax_h3_video_vae_fp16.safetensors12GB 以下minimax_h3_fl2va_pruned_int8_convrot.safetensors或minimax_h3_fl2va_pruned_fp8_scaled.safetensorsqwen3vl_32b_minimax_h3_nvfp4_awq.safetensorsminimax_h3_video_vae_fp16.safetensors三档各自的要点24GB不必在精度上做任何妥协bf16 扩散模型FL2VA 与 REF2VA 各一份 bf16 编码器 fp16 视频 VAE是能力最完整、画质最好的一组。12GB–24GB多数个人用户落在这一档。思路是 pruned_bf16 扩散模型保画质底线int8 编码器省下的显存大头让给产线本身。12GB 以下目标只有一个字——跑。扩散模型选 pruned_int8 或 pruned_fp8编码器直接上 nvfp4_awq。如果还想要 R2V 能力REF2VA 系列同样有量化版本可对应例如minimax_h3_ref2va_pruned_int8_convrot.safetensors。两个容易漏掉的细节vae/里除了 fp16 视频 VAE还有minimax_h3_video_vae_int8_convrot.safetensors留给 fp16 版本都略紧的机器minimax_h3_audio_vae_fp32.safetensors则只在生成带音轨的视频时才需要接进链路纯画面的 I2V / T2V 只装视频 VAE 就够。MiniMax-H3 安装目录映射与首次运行验证文件选好后部署分三步动作。动作一克隆仓库。模型文件单个体积就有数 GB 量级网络不稳容易半途而废磁盘紧张时可以只拉取需要的目录。git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3动作二放进 ComfyUI 的models/对应子目录。映射关系一一对应不需要重命名仓库目录ComfyUI 放置位置diffusion_models/ComfyUI/models/diffusion_models/text_encoders/ComfyUI/models/text_encoders/vae/ComfyUI/models/vae/loras/ComfyUI/models/loras/model_patches/ComfyUI/models/model_patches/embeddings/ComfyUI/models/embeddings/动作三重启并验证。放置完成后重启 ComfyUI新模型会自动出现在节点下拉列表里。按任务挑对应工作流I2V 接一张图走 FL2VA 链路T2V 直接输提示词走文本编码器 → 扩散模型 → 视频 VAER2V 喂参考视频用 REF2VA 系列做风格迁移要做带声音的视频再把音频 VAE 接进输出端。第一次运行先出短时长、低分辨率的小样确认显存占用与单帧耗时可接受再逐步放大参数。⚡ 提速与调味turbo LoRA 与预设 embeddings 的用法确认基础链路跑通之后仓库里最值得用的两项增值件是 LoRA 和 embeddings。loras/下的 3 个 turbo LoRA 对应两条链路minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensorsFL2V4 步768pminimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensorsFL2V8 步minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensorsREF2V4 步v0.1。它们的作用是把采样步数大幅压缩、明显提升生成速度主模型文件照常使用即可。低显存机器想兼顾速度配上这几枚 LoRA 通常是最直接的改善。embeddings/下的 10 个预设如 bullet_time、truman_show、fire_breath 等用法写在 README 里在 CLIPTextEncode 节点中用embedding:前缀加文件名调用例如embedding:minimaxh3_art_is_explosion把文件名部分换成想要的预设即可复用对应的提示词效果。✅ 部署完成前的自查清单与 ⚠️ 许可提示以下五项逐条过完才算真正部署完成文件按显存档位选取12GB 以下的机器没有误装 bf16 全精度六个目录全部放进models/对应子目录没有文件放错位置确认了当前 pytorch 是否 cu130决定扩散模型是否优先 int8_convrot短时长、低分辨率小样已通过显存与耗时在可接受范围商用或分发前已经读过许可条款。许可方面需要注意这套模型采用 MiniMax-H3 社区许可证minimax-h3-community-license-agreement。商用、二次分发之前务必先阅读完整条款许可证全文可在 Hugging Face 的原始模型主页MiniMaxAI/MiniMax-H3以及仓库 README.md 中引用的 LICENSE 处查阅。部署跑通之后ComfyUI 官方文档与内置工作流模板库里还有 I2V、T2V、R2V、多帧参考、Fun ControlNet Union 等现成模板与本仓库的文件一一对应可以直接套用继续深入。【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 跑视频生成MiniMax-H3 该下哪几个文件按显存选型的完整实操指南【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3把一条 MiniMax-H3 视频生成工作流拖进 ComfyUI点下Queue Prompt之后新手最常遇到的第一道坎往往不是节点接错而是一句显存不足。问题多半出在选型环节显卡装不下你加载的那组文件。Comfy-Org 社区整理发布的这套 MiniMax-H3 模型文件集合里一共铺了六类材料扩散模型、文本编码器、VAE、turbo LoRA、ControlNet 补丁和预设 embeddings。这篇文章只以显存为出发点把三件事讲完每个文件负责什么、三档显存各配哪组文件、装完之后如何验证跑通。一次视频生成背后的三种角色、六个目录一次完整的视频生成由三个部件接力完成扩散模型是产线上的主工序逐帧画面在这里被生产出来。仓库里diffusion_models/下的 12 个文件全部属于它按任务分成 FL2VA 与 REF2VA 两个系列文本编码器是译员把提示词翻译成产线能执行的向量指令。MiniMax-H3 采用 Qwen3-VL-32B 架构text_encoders/下提供三种精度版本VAE是潜空间与像素之间的翻译器把潜向量压缩、再还原成屏幕上的画面。vae/目录下共有 3 个文件。两个扩散模型系列对应的任务不同FL2VA 系列负责图像转视频I2V与文本转视频T2VREF2VA 系列负责参考转视频R2V即模仿一段参考素材的视觉风格做风格化生成。仓库里还有三个目录初看时很容易被忽略但各有用途目录文件数用途loras/3turbo 系列加速 LoRA用于大幅压缩采样步数model_patches/4Fun ControlNet Union 补丁含 2.0 版与普通版均为 bf16 与 int8_convrot 两种精度embeddings/10预设提示词 embeddings在提示词节点里按文件名调用只搭最基础的 I2V / T2V / R2V 链路前三个目录就够用LoRA 和 embeddings 属于后续提速与玩法扩展。看懂文件名六种精度后缀与官方选型建议同一类模型之所以铺出这么多文件本质只有一句话拿精度换显存。bf16 画质最好、显存压力最大pruned 修剪部分参数画质接近原版int8 / fp8 / w6a8 则进一步压缩权重用少量画质换显存空间。前五个后缀都出现在扩散模型文件名里最后一个nvfp4_awq只用于文本编码器后缀精度形态显存压力定位bf16全精度高画质上限留给 24GBpruned_bf16修剪 全精度中画质与省显存的折中int8_convrotint8 量化低低显存主力fp8_scaledfp8 量化较低int8 用不了时的后备w6a8pruned 量化变体较低另一种低显存选项nvfp4_awqnvfp4 量化AWQ 转换最低仅文本编码器普通显卡可用两条选型建议官方 README 里说得很直接值得原样记下扩散模型如果能在 cu130 环境下跑 pytorch优先使用int8_convrotfp8_scaled只建议在int8_convrot不可用时才使用。也就是说低显存场景下扩散模型的第一顺位是 int8_convrotfp8_scaled 不是另一档而是后备方案。另外 README 同时注明文本编码器的 nvfp4_awq 版本不要求 Blackwell 显卡普通 GPU 也能加载。顺带补两点int8_convrot 在扩散模型里既有 pruned 版本也有未修剪版本如minimax_h3_fl2va_int8_convrot.safetensors想要量化又不想动参数结构时可以选后者三个部件之间不要求同系列pruned_bf16 扩散模型 int8 文本编码器就是常见的混合搭配不必把所有文件凑成同一个后缀。三档显存的文件组合没有最好的文件只有匹配你显存的文件。按个人用户常见的显存分布分三档给出组合显存档位扩散模型文本编码器VAE24GBminimax_h3_fl2va_bf16.safetensors与minimax_h3_ref2va_bf16.safetensorsqwen3vl_32b_minimax_h3_bf16.safetensorsminimax_h3_video_vae_fp16.safetensors12GB–24GB*_pruned_bf16系列如minimax_h3_fl2va_pruned_bf16.safetensorsqwen3vl_32b_minimax_h3_int8_convrot.safetensorsminimax_h3_video_vae_fp16.safetensors12GB 以下minimax_h3_fl2va_pruned_int8_convrot.safetensors或minimax_h3_fl2va_pruned_fp8_scaled.safetensorsqwen3vl_32b_minimax_h3_nvfp4_awq.safetensorsminimax_h3_video_vae_fp16.safetensors三档各自的要点24GB不必在精度上做任何妥协bf16 扩散模型FL2VA 与 REF2VA 各一份 bf16 编码器 fp16 视频 VAE是能力最完整、画质最好的一组。12GB–24GB多数个人用户落在这一档。思路是 pruned_bf16 扩散模型保画质底线int8 编码器省下的显存大头让给产线本身。12GB 以下目标只有一个字——跑。扩散模型选 pruned_int8 或 pruned_fp8编码器直接上 nvfp4_awq。如果还想要 R2V 能力REF2VA 系列同样有量化版本可对应例如minimax_h3_ref2va_pruned_int8_convrot.safetensors。两个容易漏掉的细节vae/里除了 fp16 视频 VAE还有minimax_h3_video_vae_int8_convrot.safetensors留给 fp16 版本都略紧的机器minimax_h3_audio_vae_fp32.safetensors则只在生成带音轨的视频时才需要接进链路纯画面的 I2V / T2V 只装视频 VAE 就够。MiniMax-H3 安装目录映射与首次运行验证文件选好后部署分三步动作。动作一克隆仓库。模型文件单个体积就有数 GB 量级网络不稳容易半途而废磁盘紧张时可以只拉取需要的目录。git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3动作二放进 ComfyUI 的models/对应子目录。映射关系一一对应不需要重命名仓库目录ComfyUI 放置位置diffusion_models/ComfyUI/models/diffusion_models/text_encoders/ComfyUI/models/text_encoders/vae/ComfyUI/models/vae/loras/ComfyUI/models/loras/model_patches/ComfyUI/models/model_patches/embeddings/ComfyUI/models/embeddings/动作三重启并验证。放置完成后重启 ComfyUI新模型会自动出现在节点下拉列表里。按任务挑对应工作流I2V 接一张图走 FL2VA 链路T2V 直接输提示词走文本编码器 → 扩散模型 → 视频 VAER2V 喂参考视频用 REF2VA 系列做风格迁移要做带声音的视频再把音频 VAE 接进输出端。第一次运行先出短时长、低分辨率的小样确认显存占用与单帧耗时可接受再逐步放大参数。⚡ 提速与调味turbo LoRA 与预设 embeddings 的用法确认基础链路跑通之后仓库里最值得用的两项增值件是 LoRA 和 embeddings。loras/下的 3 个 turbo LoRA 对应两条链路minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensorsFL2V4 步768pminimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensorsFL2V8 步minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensorsREF2V4 步v0.1。它们的作用是把采样步数大幅压缩、明显提升生成速度主模型文件照常使用即可。低显存机器想兼顾速度配上这几枚 LoRA 通常是最直接的改善。embeddings/下的 10 个预设如 bullet_time、truman_show、fire_breath 等用法写在 README 里在 CLIPTextEncode 节点中用embedding:前缀加文件名调用例如embedding:minimaxh3_art_is_explosion把文件名部分换成想要的预设即可复用对应的提示词效果。✅ 部署完成前的自查清单与 ⚠️ 许可提示以下五项逐条过完才算真正部署完成文件按显存档位选取12GB 以下的机器没有误装 bf16 全精度六个目录全部放进models/对应子目录没有文件放错位置确认了当前 pytorch 是否 cu130决定扩散模型是否优先 int8_convrot短时长、低分辨率小样已通过显存与耗时在可接受范围商用或分发前已经读过许可条款。许可方面需要注意这套模型采用 MiniMax-H3 社区许可证minimax-h3-community-license-agreement。商用、二次分发之前务必先阅读完整条款许可证全文可在 Hugging Face 的原始模型主页MiniMaxAI/MiniMax-H3以及仓库 README.md 中引用的 LICENSE 处查阅。部署跑通之后ComfyUI 官方文档与内置工作流模板库里还有 I2V、T2V、R2V、多帧参考、Fun ControlNet Union 等现成模板与本仓库的文件一一对应可以直接套用继续深入。【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
