前言
MiniMax推出了一款可以在本地计算机上运行的全新开源视频生成模型，而且是目前市面上最好的一款开源视频生成模型——MiniMax H3.
最厉害的是，即使只有5~6 GB的显存也能运行这个模型。此外，它原生支持多模态，可以生成音频。并且在角色一致性、世界观、知识、指令遵循，甚至生成音乐和音乐同步方面都非常出色。它比我们目前见到的任何其他开源视频生成模型都要好很多。
在本篇博客中，我将详细介绍 MiniMax-H3 所能做到的事情。并且，我将使用这台只有 6 GB 显存的 3060 笔记本（比官方标注的 12 GB 最低显存标准还要低），来帮大家测试一下生成视频所消耗的时间。
当然，我还会教大家如何在本地电脑上部署，这样你就可以离线、免费、无限次地运行MiniMax H3。
让我们直接进入正题。
视频教程
我的设备运行效果
我的设备配置：
2021联想拯救者Y7000P
CPU: 英特尔 第十一代酷睿i7-11800H @2.30GHz 八核
显卡: NVIDIA GeForce RTX 3060 Laptop GPU(6GB /联想）
内存: 三星 32GB DDR4 3200MHz（16GB + 16GB）
硬盘: Samsung SSD 980 PRO 2TB
ZHITALTiPro7000 2TB
这是我使用我的 3060 笔记本，只有 6 GB 显存和 32 GB 内存的情况下，使用ComfyUI官方默认的文生视频工作流，默认参数，生成视频时分别在采样器环节和VAE解码环节，CUDA 核心和 GPU 显存的占用情况。
在耗时方面，使用 ComfyUI 官方默认的文生图工作流，生成一条视频需要 822 秒；而使用 专为 MiniMax H3 优化的Sage Attention加速节点后，生成一条默认视频的时长是 772 秒。
在MiniMax H3，8月3日模型开源之后，我陆陆续续分别用官方的图生视频和参考生视频工作流，让我的3060笔记本生成了几十条视频，并且不断修改生成视频的百万像素和视频长度参数，生成之后也记录了生成这条视频所需要的时间。
我总结了以下表格:
3060 6G显存 + 32G内存
通过这几天的不断测试，在各种各样不同的参数下运行 H3 模型，我也了解到了我这台 3060 笔记本（6G 显存加上 32G 内存）在运行 H3 模型时的计算边界：
- 生成的分辨率（百万像素）：我最多只能选择 0.6，也就是 1056×608 的分辨率。
- 视频长度：我测试 10 秒会爆显存，最多测试 6 秒可以正常生成。
大家可以参考我的这个表格和笔记本的配置作为 benchmark，来了解自己的笔记本能否生成视频，以及生成视频需要多长时间。
部署教程
在本篇博客中，我将使用一个名为 ComfyUI 的平台来运行 MiniMaxh3，这是在本地计算机上运行开源图像、视频和音频生成的最流行的平台之一。如果你的电脑上还没有 ComfyUI，或者不了解 ComfyUI 的操作流程，你可以前往ComfyUI的官网下载ComfyUI桌面客户端，并在B站上寻找相关的视频教程进行学习。
ComfyUI 下载过程中，请注意以下存储建议：
- 桌面端管理软件：可以下载到你常用的软件文件夹里。
- ComfyUI 模型下载文件夹：请放置在固态硬盘里，并记住模型下载文件夹的位置，后续下载模型文件或者自定义节点需要知道文件夹的位置。
此外，请保证有 60 GB 以上的硬盘空间，因为 MiniMax H3 的工作流以及 ComfyUI 运行环境所需要的 Python、torch 和 CUDA，总计可能需要 60 GB 以上的空间。
并且本篇教程会使用到本地的 AI Agent 来辅助安装与部署。如果你的电脑上没有 Agent Code 产品，你可以下载 Codex，并使用 DeepSeek 官方提供的接入文档来接入DeepSeek V4 flash使用，效果又快又好。
更新ComfyUI
假设你已经安装了 ComfyUI，首先应该在 ComfyUI 桌面客户端中点击“更新” ，然后运行更新程序，这会把你的 ComfyUI 更新到最新版本，如果你的ComfyUI版本低于0.30.0，则无法支持MiniMax H3工作流里的节点。
如果你是在ComfyUI工作流界面进行更新的话，更新完成后需要关闭ComfyUI再重新打开才能应用更新。
获取官方工作流
在ComfyUI左侧菜单栏的底部有一个模板，点击模板按钮后会显示ComfyUI官方提供的各种开源模型、工作流模板以及API模板。
因为 MiniMax H3 是最近十分火爆的开源模型，所以在我的模板首页上，就已经有了 H3 的文生视频、图生视频以及参考生视频这三条工作流。
如果你的模板首页没有这 3 条工作流，点击右上角的搜索并输入“MiniMax”，就可以检索到 MiniMax H3 的官方工作流。
需要注意的是，其中有一些带有 API 的标签，这意味着这条工作流实际上是在云端运行的，而不是本地运行。所以，请忽略那些带有 API 标签的工作流模板。
下载模型文件
在ComfyUI中下载默认模型
在 ComfyUI 里下载模型之前，你可以先在电脑高级系统设置的环境变量里，添加一条 HuggingFace 官方的国内镜像地址。环境变量：
这里以一条工作流作为参考。如果你在 ComfyUI 的模板里刚添加 MiniMax 的工作流，应该也会像这条工作流一样报错，提示你要下载相关的模型。而缺少输入的报错，只需要你上传相应格式的文件就可以消除错误。
这里设置完 HuggingFace 国内镜像地址之后，重启 ComfyUI，然后在工作流的报错里直接下载这些模型即可。
需要注意的是，文生视频工作流和图生视频工作流用的是一个扩散模型，而参考生视频工作流用的是另一个扩散模型。所以在参考生视频工作流中，你需要按照同样的方式来下载参考生视频的扩散模型，以消除错误。
在HuggingFace中下载其他模型
如果你的显卡配置比较好，显存在 16 GB 以上，你可以前往 MiniMax 发布在 HuggingFace 上的开源模型中，下载适合你的 GPU 显存大小的模型。否则的话，直接在ComfyUI官方的工作流中下载默认模型即可。
模型下载完成后，需要放置在 ComfyUI 的 models 里指定的文件夹里：
- 扩散模型：存放在 diffusion_models 文件夹里
- 文字编码器模型：存放在 text_encoders 文件夹里
- VAE 模型：存放在 vae 文件夹里
不同模型的运行效果以及消耗时间，大家可以参考这条视频。
参数选择与运行工作流
下载完所有模型之后，需要在工作流里按下 CTRL+R 的快捷键来刷新模型列表。然后在参数列表里就可以点击开启下拉框，寻找我们刚才下好的模型。这时候我们的文生视频和图生视频工作流应该就没有任何的报错了。对了，图生视频还需要添加一个输入图片。
参数选择
在工作流中，你可以改变宽高比、百万像素和持续时间这三个参数。宽高比是改变画面比例的，常见的有 1:1、4:3、16:9 等等，以及横屏和竖屏的切换。调整百万像素可以输出不同分辨率的视频。同时，底部有一个以 16:9 画面比例为例的表格，可以参考不同百万像素参数最终输出的视频分辨率。持续时间就是你要生成的视频的时间。
ComfyUI 官方的文生视频和图生视频工作流实际上是被整合过的。如果你点击工作流右上角的展开按钮，就可以看到完整的工作流。
在完整的工作流中，你还可以调整不同的采样器和调度器，以及调度器的步数和降噪指数。不过，如果你对这些参数了解得不清楚，就让它保持默认就好。
然后，点击左上角的父组件按钮，就可以返回精简过的工作流界面了。
运行工作流
点击运行按钮，就可以让ComfyUI按照你选择的参数进行生成了。
在ComfyUI官方的文生视频工作流中，保持默认参数的情况下，我的3060笔记本生成这么一条5秒的视频，大概花了13.7分钟。
参考生视频工作流的注意事项
在参考生视频的工作流中，你需要添加 VHS 的加载视频节点，因为 ComfyUI 自带的默认加载视频节点不起效果。
使用 VHS 的加载视频节点之后，你还需要将参考视频音频的接口与这个节点的音频接口连接。这样 H3 就不仅能够参考视频，还能够参考视频里的音频了。
与加载视频类似，加载音频的节点也需要选择VHS的加载音频节点。
添加加速节点
添加加速节点，可以让你的工作流在生成视频质量与原本接近的情况下，生成速度提升 30%~40%。最近开源社区对于 MiniMax H3 生成视频工作流的加速流程，还在不断优化过程中。在这里，我会先只用 ComfyUI 官方推荐的加速节点。等 1~2 个星期之后，开源社区里对 MiniMax H3 工作流的加速方案稳定下来，大家可以自行安装社区插件来获取更快的生成速度。
Sage Attention
Sage Attention发布页面： https://github.com/woct0rdho/SageAttention/releases
如果你的电脑里面没有 agent code 产品的话，就像我之前说的，你可以下载一个 codex，然后套上 DeepSeek 的 API 来使用。
接着直接将 ComfyUI 根目录导入到你的 Agent 里，然后输入以下的提示词，让 Agent 帮你把Sage Attention直接安装到 ComfyUI 目录里。
KJ nodes
KJ nodes发布页面： https://github.com/kijai/ComfyUI-KJNodes
与 attention 的安装方式相同，直接让 Agent 帮你根据KJ nodes仓库的文档，安装到 ComfyUI 的自定义节点里即可。
在工作流里连接加速节点
下载并安装完 Sage Attention和 KJ nodes 之后，在你的工作流里双击空白位置搜索 sage attention，就可以找到 ComfyUI 官方推荐的加速节点了。这里有通用的 patch sage attention kj 节点，以及专门为 MiniMax H3 优化的加速节点。
如果你选择通用的加速节点，需要在参数设置中调整到 auto；这里推荐直接选择针对 MiniMax H3 优化的加速节点即可。
把 UNet 加载器的模型接口连接到加速节点上，再把加速节点的模型接口连接到基本引导器和基本调度器上面，就算完成了加速节点的连接。
博客开头也介绍了我使用自己的 3060 笔记本，在有加速节点以及没有加速节点的情况下生成视频的所需时间，大家可以进行参考。
后续开源的加速方案稳定下来之后，大家可以自行下载稳定的加速方案来进行使用。我这里没有添加 ComfyUI 的 easy cash，因为在我自己测试添加 easy cash 这个节点之后，生成出来的视频会毁画面，让画面变得模糊。所以这里就只介绍了专门针对 MiniMax H3 优化的加速节点。
总结
MiniMax H3无疑是自阿里开源Wan 2.2视频模型后，开源视频生成社区里久旱逢甘露的一款模型。生成速度和Wan 2.2差不多的同时，效果提升巨大，相当于SeeDance 2.0的开源版本。
更重要的是，这款模型是原生多模态的视频生成模型，我在生成完第一个视频预览的时候才发现，这个模型能直接生成声音；并且在参考工作流中可以参考图片，声音和视频。
如果你手中有一台3060及以上配置的笔记本，便能通过ComfyUI自己本地部署该模型，拥有一个无限额度的免费视频生成模型。
文章中的参考视频与提及的链接
- 作者:王泽汉
- 链接:https://blog.wangzehan.com//article/minimax-h3-deploy
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
