MiniMax-H3：让视频创作变得超简单，15秒2K大片一键出！文字图片一键生成带声高清视频

MiniMax-H3 是 MiniMax 公司推出的一款通用、全能型（omni-modal）多模态生成模型，可以同时理解和处理文字、图片、视频、音频，并生成带原生立体声音频的视频。 它像一个“全能视频创作助手”：你给它文字描述、参考图片、参考视频，甚至参考音频，它就能生成最长15秒、最高2K分辨率、带立体声的视频。它在预训练阶段就具备很强的多模态理解和复杂指令跟随能力，不只是简单的“文字转视频”。 MiniMax-H3 经过多次权威机构测试，应该是目前开源模型里能力最强的“文字/图片/视频/音频 → 带声音视频”全能生成工具，适合需要高质量、可控、带音频的短视频创作场景。

说两句：下午简单测试了下，应该是目前史上最强开源视频生成模型，甚至超越很多商业闭源模型。在提示词很简单的情况下生成的效果也很惊艳。第一时间做了WebUI和整合包，供大家体验！ 感谢KJ大佬第一时间分享量化模型，后期社区会有更多大佬改进和发扬这个牛B的模型，本站也会持续更新！ 主要特点 多模态输入输出：支持文字、图片、视频、音频的混合输入，输出同步的视频 + 立体声音频（32kHz）。 灵活的生成模式： 纯文字生成视频（Text-to-Video） 首帧/末帧/首尾帧控制生成 多参考（最多9张图、3段视频、3段音频等）控制生成 画质与规格：默认768p，可通过二次生成达到2K；支持多种宽高比（横屏、竖屏、方形等）；24帧/秒；时长4–15秒。 语言支持：稳定支持11种语言（中、英、日、韩、法、德、西、意、葡、俄、阿），其他语言也有一定支持。 系统架构：分为三个模块——上下文理解与优化（H3-Context-IR）、基础生成（H3-Base，约33B参数）、2K高清再生成。开源的是基础生成部分，完整高清流程可通过官方API使用。 应用领域 内容创作：短视频、广告、宣传片、社交媒体内容快速生成。 影视与动画：预可视化、分镜、特效参考、简单动画片段。 游戏与虚拟现实：角色动画、场景演示、交互内容原型。 教育与培训：教学视频、演示动画。 营销与电商：产品展示视频、个性化广告。 多模态研究与开发：作为开源基座模型进行微调或二次开发。 使用教程：（建议N卡，显存12G起，运存32G起，支持50系显卡） 整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可。 WebUI模式： 双击启动跳转，进入WebUI后，根据需要切换文生视频和首尾帧视频生成选项卡，输入提示词或上传图像，设置相关参数，运行生成即可。 ComfyUI模式： 双击启动ComfyUI，进入WebUI后，点击左侧的 工作流程，选择对应的工作流，根据需要选择文生视频和首尾帧视频生成 输入提示词或上传需要生成的图像，输入提示词，设置相关参数，运行即可。 实测12G显存可以运行，但需要开启共享显存，且运存需要32G起。 百万像素和宽高比 对应参数 供大家参考 | 0.2 | 16:9 | 608 x 352 | | 0.3 | 16:9 | 736 x 416 | | 0.4 | 16:9 | 864 x 480 | | 0.5 | 16:9 | 960 x 544 | | 0.6 | 16:9 | 1056 x 608 | | 0.7 | 16:9 | 1152 x 640 | | 0.8 | 16:9 | 1216 x 672 | | 0.9 | 16:9 | 1280 x 736 | | 0.98 | 16:9 | 1344 x 768 | | 1.0 | 16:9 | 1376 x 768 | | 1.2 | 16:9 | 1504 x 832 | | 1.5 | 16:9 | 1664 x 928 | | 1.8 | 16:9 | 1824 x 1024 | | 2.0 | 16:9 | 1920 x 1088 | 软件目录结构： 📂 ComfyUI/ ├── 📂 diffusion_models/ │   ├── 📂 unet/ │   │      └── minimax_h3_fl2va_pruned_int8_convrot.safetensors │   │      └── minimax_h3_ref2va_pruned_int8_convrot.safetensors │   ├── 📂 text_encoders/ │   │      └── qwen3vl_32b_minimax_h3_int8_convrot.safetensors │   └── 📂 vae/ │          └── minimax_h3_audio_vae_fp32.safetensors │          └── minimax_h3_video_vae_fp16.safetensors 📂 deepface/ ……

下载地址：点此下载