文章定位：深度技術整理｜影片來源：Bilibili：MiniMax H3 一鍵懶人整合包

影片主打「最低 8GB 顯存、15 秒視頻、2K、24FPS、全能參考模式，支援 RTX 30／40／50 系列」的 ComfyUI 整合包。這些賣點背後對應的是近期開放權重的 MiniMax H3 視音頻生成系統，以及 Comfy-Org 對模型檔案、工作流和量化版本的重新打包。

本文不把整合包宣傳語直接當成官方保證，而是將影片內容與 MiniMax 官方 GitHub／Hugging Face 模型卡、ComfyUI 工作流及社群量化方案分開核對。

一、MiniMax H3 是甚麼？

MiniMax H3 是一個全模態生成系統，能理解文字、圖片、影片和音訊等混合輸入，並生成帶原生立體聲音訊的影片。它不是單純的文字轉影片模型，官方規格同時涵蓋文字轉影片、圖片轉影片、首尾幀生成、影片／音訊參考，以及多模態參考生成。

官方模型卡列出的基本輸出規格包括：

  • 輸出時長：4–15 秒。
  • 輸出幀率：24 FPS。
  • 預設較短邊：768 pixels。
  • 最高 2K：需要 H3-Regenerate-2K 額外流程。
  • 音訊：32 kHz stereo。
  • 支援多種畫面比例，包括 16:9、9:16、1:1、21:9 等。

二、影片的「15 秒＋2K＋24FPS」如何理解？

15 秒是官方基本能力範圍

官方模型卡明確列出 4–15 秒輸出，因此 15 秒不是單純整合包自行拼接的數字。但實際生成時間、顯存使用量和成功率會受解析度、參考輸入數量、採樣設定、量化格式及 GPU 影響。

24 FPS 是輸出規格，不等於生成速度

24 FPS 表示完成後的影片每秒 24 幀。15 秒輸出就是 360 幀；它不表示模型每秒能生成 24 幀，也不代表每張顯卡都能即時預覽。影片生成仍需逐步採樣、VAE 解碼和音訊處理。

2K 不是所有本地工作流的直接輸出

官方方案先由 H3-Base 生成 768p 結果，再透過 H3-Regenerate-2K 以原始上下文和低解析度結果重新生成 2K。官方 README 說明，Regenerate-2K 模組目前尚未完整開源，完整 2K workflow 會結合官方 API。換句話說，ComfyUI 本地整合包能否一鍵本地輸出真正 2K，要看它使用的是哪個節點、模型檔案及工作流，不應只看縮圖標題。

三、兩種核心模式：FL2VA 與 Ref2VA

H3-Base-FL2VA：首尾幀到影片

FL2VA 是 first-and-last-frame-to-video。它可以沒有圖片而使用文字轉影片；有一張圖片時可作首幀或尾幀；有兩張圖片時則可指定首幀和尾幀。這條路線適合控制開場與結尾、做轉場和讓鏡頭在兩個狀態之間變化。

H3-Base-Ref2VA：全能參考模式

Ref2VA 是 reference-to-audio-video，亦即以文字配合多種參考資料生成音畫。官方規格列出：

  • 最多 9 張圖片。
  • 最多 3 段影片；每段 2–15 秒，總長不超過 15 秒。
  • 最多 3 段音訊；音訊不能單獨作輸入，必須伴隨圖片或影片。
  • 混合輸入最多 12 個檔案。

它不是簡單的「把圖片當風格參考」，而是要理解不同參考素材之間的關係：人物外觀、場景、鏡頭、動作、聲音、時間順序和目標輸出。輸入越多，控制力可能越高，但顯存、上下文長度和工作流複雜度也會增加。

四、H3 的三模組架構

完整 H3 系統由三個部分組成：

  1. H3-Context-IR：理解和整理複雜的多模態指令，把參考素材轉換成 H3 容易處理的中間表示。官方強烈建議把它納入生成流程，或依照 Prompting Guidance 自己建立上下文處理。
  2. H3-Base：根據 Context-IR 生成 768p 的音訊和影片。
  3. H3-Regenerate-2K：把 768p 結果及原始上下文再次送入 H3，生成細節更高的 2K 版本。

這個架構解釋了為甚麼「ComfyUI 可以本地生成」和「官方完整 2K 流程」不是完全等價的說法。很多整合包主要提供 H3-Base，而 2K 增強可能仍依賴 API 或尚未完整開源的模組。

五、最低 8GB 顯存真的可以嗎？

官方模型卡沒有把「所有 RTX 30／40／50 顯卡最低 8GB」列為通用保證。8GB 通常是特定量化模型、裁剪權重、CPU offload、低解析度、低 batch 或特定工作流的實測門檻。

本地顯存不只放主模型，還要容納：

  • H3 diffusion／transformer 權重。
  • Qwen3-VL 文字／視覺編碼器。
  • 影片及音訊 VAE。
  • 中間 activation、KV cache 和採樣工作區。
  • 輸入圖片、參考影片、音訊及輸出解碼緩衝。

同一張 8GB 顯卡，文字轉影片可能勉強成功，但加入多張圖片、影片參考、音訊或 15 秒高解析度輸出後便可能 OOM。成功載入也不代表速度理想；部分權重 offload 到 RAM 後，生成速度會明顯下降。

比較實際的判斷方式是：

  • 8GB：只先測試量化、低解析度、短片段、低參考數量。
  • 12–16GB：較有機會處理單圖 I2V 或簡化 Ref2VA workflow。
  • 24GB 以上：更適合較完整的參考模式、較高解析度及減少 offload。
  • 系統 RAM：即使有顯卡，也應準備足夠 RAM 存放 offload 權重和 VAE。

因此文章標題應把「8GB 可啟動某配置」和「8GB 可流暢完成全部功能」分開。

六、ComfyUI 整合包通常包含甚麼？

Comfy-Org 的模型頁提供重新打包的 H3 檔案，並列出常見目錄：

  • models/diffusion_models/：FL2VA／Ref2VA 的 BF16、INT8、FP8 或裁剪版本。
  • models/text_encoders/：Qwen3-VL-32B 的 BF16、INT8 或 NVFP4/AWQ 版本。
  • models/vae/：影片 VAE 及音訊 VAE。
  • workflow templates：I2V、T2V 和 R2V 工作流。

一鍵整合包通常再加入 ComfyUI、必要 custom nodes、模型下載器、預設 workflow 和啟動腳本。真正要檢查的是它有沒有完整提供這些檔案，還是只包含啟動器而要使用者另外下載數十 GB 模型。

七、RTX 30／40／50 系列的差異

「支援 30、40、50 顯卡」通常是指 NVIDIA CUDA 路線及相關量化 kernel 有對應版本，不代表三代顯卡速度相同。RTX 30 系列的顯存容量差異很大；RTX 40 系列通常有更好的推理效率；RTX 50 系列可能要依 CUDA、PyTorch、ComfyUI custom node 和 NVFP4 支援版本調整。

購買或下載整合包前應確認：

  • 是否要求 Windows 原生、WSL2 或 Linux。
  • CUDA、PyTorch、Python 及 ComfyUI 版本。
  • 是否使用 FP8、INT8、NVFP4 或 ConvRot 特定 kernel。
  • 是否需要 NVIDIA Container Toolkit。
  • 你的顯卡是否有足夠 VRAM，而不是只看 GPU 世代。

八、建議的本地測試順序

  1. 先用官方或可信來源的 T2V workflow，確認 ComfyUI 可以載入模型。
  2. 以 768p、4–5 秒、單一文字 prompt 開始。
  3. 確認影片和 24 FPS 音訊輸出正常，再增加到 10–15 秒。
  4. 加入一張圖片測試 I2V，再測 FL2VA 首尾幀。
  5. 最後才測 Ref2VA，逐步加入人物圖、場景圖、參考影片和音訊。
  6. 記錄 VRAM 峰值、RAM、生成時間及是否發生 offload／OOM。
  7. 不要一開始就使用 2K、多參考檔案和最高品質設定。

九、授權及內容風險

MiniMax H3 使用 MiniMax H3 Community License Agreement。下載模型前應閱讀當前 LICENSE、地域及使用資格要求；官方 README 同時提供 license Q&A 及部分地區的申請表。模型和輸入內容也有自動審核，涉及非法、色情或侵權素材可能被阻擋。

此外，ComfyUI 本身、custom nodes、模型權重和整合包啟動器可能各有不同授權。不要因為整合包能下載，就假設生成內容可以無限制商用。人物照片、品牌、電影角色、音樂及參考影片仍可能涉及肖像權、著作權及商標問題。

十、結論

MiniMax H3 的亮點不是單純把影片拉到 15 秒，而是把文字、圖片、影片和音訊放入同一個參考生成流程，再用 H3-Context-IR、H3-Base 和 H3-Regenerate-2K 分工處理。它能輸出 24 FPS、原生立體聲音訊，Ref2VA 也能處理多種參考檔案。

但「8GB 顯存」應理解為特定量化整合包在受限配置下可能啟動，不是所有功能都能流暢運行的保證；「2K」則要確認是本地完整流程還是經官方 API 的 Regenerate-2K。最穩妥的方式是先從 768p、短片、單參考素材開始，逐步驗證顯存和輸出品質。

來源與核實

查閱日期：2026-08-06