5分钟跑通多模态视频生成MiniMax-H3-comfyUI-GGUF本地部署全流程【免费下载链接】MiniMax-H3-comfyUI-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUFMiniMax-H3-comfyUI-GGUF 是一个面向 ComfyUI 的多模态视频生成部署包它把 MiniMax H3 模型量化成 GGUF 格式让本地显卡也能直接产出带原生立体声的视频。很多人在 ComfyUI 里跑视频模型卡在第一步模型动辄几十 GB显卡装不下跑不动。GGUF 量化正是解决这个问题的常见思路——把权重压缩到消费级显卡能承受的体积再用 ComfyUI 的节点化界面把提示词 → 视频 → 声音串成一条流水线。本文按一条最小可运行路径带你走完先出结果再谈玩法。开场钩子一个真实的上手场景想象一下这个需求你手里有一张照片想让它动起来最好还带上现场的环境声或者你只有一段文字想直接生成一段 10 秒左右的视频片段。过去这通常意味着调用云端 API、排队等待或者被高昂的显存门槛劝退。MiniMax H3 本身是一个全模态生成系统——它能同时理解文本、图像、视频和音频再生成带 32kHz 原生立体声的视频输出时长 4 到 15 秒帧率固定 24 FPS。而这个仓库做的事很简单把 H3 的两个核心变体FL2VA 与 Ref2VA量化成 GGUF 文件并配好可直接导入的 ComfyUI 工作流。你不需要自己写采样代码只需要在 ComfyUI 里拖入工作流、填一句提示词、点一下运行。小结这套方案的价值不在跑通而在跑得起——用 GGUF 量化把 33B 参数规模的多模态视频生成模型塞进普通显卡接下来要做的就是把它装好。出发前检查清单4 样东西备齐再动手动手前先确认以下几项避免中途卡壳ComfyUI 本体本地已安装官方版 ComfyUI能正常启动打开网页界面。NVIDIA 显卡与驱动显存越充裕能选的量化档位和分辨率越自由低显存设备请直接选体积最小的档位。模型文件仓库内fl2va/与ref2va/两个目录下各有从 Q3_K_M 到 Q8_0 的 11 个 GGUF 量化版本先下载其中一个即可不用全下。配套组件GGUF 只是 UNet 部分工作流还需要视频 VAE、音频 VAE 和一个文本编码器CLIP共三个.safetensors文件下文会说明放在哪。其中最后一项最容易被忽略很多人模型下载了却跑不起来就是栽在这里。小结前置条件就四样——ComfyUI、显卡、GGUF 模型、三个配套组件。凑齐再往下走每一步都会很顺。最短上手路径从克隆仓库到第一支视频的 6 步这一节只讲最短路径先让 FL2VA 模式跑通用最少步骤拿到一支带声音的视频。第 1 步克隆仓库git clone https://gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF cd MiniMax-H3-comfyUI-GGUF第 2 步安装依赖pip install -r requirements.txt第 3 步放置 GGUF 模型文件把fl2va/目录下的 GGUF 文件推荐先放minimax_h3_fl2va-Q4_K_M.gguf这是工作流默认档位复制到 ComfyUI 的models/diffusion_models/目录。如果之后要用 Ref2VA 模式把ref2va/下的文件也放进来。第 4 步补齐三个配套组件视频 VAEminimax_h3_video_vae_fp16.safetensors→models/vae/音频 VAEminimax_h3_audio_vae_fp32.safetensors→models/vae/文本编码器qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors→models/text_encoders/这些文件来自 MiniMax H3 的官方模型发布按名字在对应渠道获取即可。文件名必须与工作流节点里的配置完全一致否则节点会报找不到文件。第 5 步安装工作流需要的自定义节点工作流依赖三个关键自定义节点包ComfyUI-GGUF提供UnetLoaderGGUF负责加载 GGUF 格式的模型rgthree-comfy提供工作流里的分组、旁路等辅助节点ComfyUI-KJNodes提供ImageResizeKJv2、PatchSageAttentionKJ等图像处理节点推荐用 ComfyUI Manager 安装。如果导入工作流后仍有节点标红可以直接用 Manager 的Install Missing Custom Nodes一键补齐缺失项。第 6 步导入工作流填提示词运行在 ComfyUI 里通过 Load 按钮导入workflows/Vantage-Minimax-H3-FL2VA.json你会看到一条清晰的链路UnetLoaderGGUF加载 GGUF 模型→CLIPLoader文本编码→ 两个VAELoader视频/音频 VAE→SamplerCustomAdvanced控制采样→VAEDecodeVAEDecodeAudio分别解码画面和声音→CreateVideo/SaveVideo合成输出。在最左侧的提示词框里输入你的视频描述然后 Queue Prompt。首次运行需要加载并量化模型耗时明显偏长是正常现象耐心等终端日志走到采样阶段即可。小结从克隆到出片总共 6 步核心就三件事——放对 GGUF、补齐 VAE 和 CLIP、装好自定义节点。跑通这一次你就有了后续所有玩法的基础。进阶玩法速览FL2VA 与 Ref2VA 的 3 种用法第一个视频跑通之后值得花几分钟了解这两个模型变体各自擅长什么它们的差异直接决定你能做什么样的创作。用法一FL2VA 首末帧控制fl2va/对应的 FL2VA 模式支持 0 到 2 张输入图像三种玩法无图像输入纯文字直接生成视频适合快速出概念片单张图像输入用首帧或末帧引导视频走向适合让一张照片动起来两张图像输入同时指定首帧和末帧画面在两端之间生成适合做镜头转场用法二Ref2VA 全参考模式ref2va/对应的 Ref2VA 模式是全参考输入限制更宽图像最多 9 张视频最多 3 个片段每段 2-15 秒总时长不超过 15 秒音频最多 3 段但音频必须搭配图像或视频一起输入不能单独作为参考所有类型混合输入时文件总数上限为 12导入workflows/Vantage-Minimax-H3_Ref2VA.json工作流里会多出LoadVideo、LoadAudio等参考输入节点把素材连上去即可。适合做给定参考画面/声音生成风格一致的新片段这类需求。用法三4 步工作流快速迭代仓库里还提供了两个 4 步版本workflows/Vantage-Minimax-H3-4-steps-FL2VA.json和workflows/Vantage-Minimax-H3_4_steps-Ref2VA.json。它们用更少的采样步数换取速度适合反复调提示词、快速看效果等提示词定稿了再切回完整工作流用默认 20 步出最终成品。另外输出侧有几个固定规格值得记住时长 4-15 秒、24 FPS、32kHz 立体声、短边默认 768 像素且支持包括 21:9、16:9、4:3、1:1、3:4、9:16 在内的多种宽高比。项目 README 里还引用了两份提示词写作指南docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md和docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md写提示词前值得翻一翻对出片质量影响很大。小结FL2VA 负责首末帧定调Ref2VA 负责多素材参考4 步工作流负责快速试错。先按需选一个模式别贪多。新手最容易踩的 5 个坑附解决办法坑 1导入工作流后节点大片标红原因是缺少自定义节点。对照上文第 5 步安装 ComfyUI-GGUF、rgthree-comfy、ComfyUI-KJNodes或用 ComfyUI Manager 的缺失节点安装功能一键补齐。坑 2提示找不到 GGUF 文件通常是路径或文件名对不上。检查 GGUF 是否放进了models/diffusion_models/并且文件名与UnetLoaderGGUF节点里填写的完全一致默认是minimax_h3_fl2va-Q4_K_M.gguf。坑 3只下了 GGUF漏了 VAE 和 CLIPGGUF 只覆盖 UNet 主模型视频 VAE、音频 VAE、文本编码器三个文件一个都不能少。缺哪一个对应的节点就会报错逐个核对文件名补上即可。坑 4视频能出但没有声音检查音频链路是否完整音频 VAE 是否正确加载、VAEDecodeAudio是否接到了合成节点上。另外 Ref2VA 模式下音频不能作为唯一参考输入必须搭配图像或视频。坑 5首次运行像卡死H3 是 33B 参数规模的模型首次加载和量化耗时以分钟计看到终端长时间没有新日志不代表死机。先确认 CPU/显存占用在变化耐心等待后续运行会快很多。小结五个坑里前三个是文件没放对/没装全后两个是误判状态。按图索骥逐项排查基本都能在几分钟内解决。下一步把生成质量再往上推一档跑通之后建议按这个顺序深入先用默认的 Q4_K_M 档位把流程摸熟再用 4 步工作流快速迭代提示词提示词定稿后切回完整工作流出最终版如果对画面细节有更高要求再尝试 Q5_K_M、Q6_K 甚至 Q8_0 档位——档位越高细节越丰富但加载更慢、显存占用更大低显存设备请谨慎选择。顺带提醒一句MiniMax H3 遵循 MiniMax H3 社区许可协议商用前记得核对许可条款遇到模型本身的问题可以联系 modelminimax.io。至此你已经完成了从看教程到出第一支带声音的视频的完整闭环。剩下的就是把你的照片、参考片段和一句好提示词交给它看看多模态视频生成能在你的显卡上跑出什么花样。【免费下载链接】MiniMax-H3-comfyUI-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/vantagewithai/MiniMax-H3-comfyUI-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考