阿里巴巴 PAI 以 PDD 加速 MiniMax-H3 影片生成

2026 年 8 月 27 日 Share to X Copy link

阿里巴巴 PAI 團隊把 MiniMax-H3 變成少步數就能出片的版本。你可以把它理解成針對影片生成速度做加速的 LoRA。

阿里巴巴 PAI 團隊針對 MiniMax-H3 做了 Parallel Decoding Distillation（PDD），目標是用更少推理步數完成影片生成。這份項目同時保留 MiniMax-H3 的兩條路線，分別對應 FL2VA 和 Ref2VA，方便按不同基礎版本套用加速 LoRA。

兩個官方 8-step Acc LoRA，檔名分別是 MiniMax-H3-FL2VA-Acc-8Step.safetensors 和 MiniMax-H3-Ref2VA-Acc-8Step.safetensors，兩者都標示 rank=64、network_alpha=64，並以 BF16 形式提供。這表示它們不是完整底模，而是掛在對應 base model 上的加速適配器。

8-step Acc LoRA 可配合 768p 生成流程，並對比 baseline、Turbo 4-step 版本和 8-step Acc LoRA。

實務上，8-step Acc LoRA 代表在速度和畫面穩定度之間做取捨，重點是把影片生成的推理成本壓低，而不是追求最長流程。相較原始 MiniMax-H3，這類 LoRA 的用途更偏向快速出樣和迭代，適合需要較短等待時間的影片生成工作流。

• 開發團隊是 Alibaba-PAI，並以 MiniMax-H3 做 PDD 加速
• 提供兩個 8-step 官方 Acc LoRA，分別對應 FL2VA 和 Ref2VA
• 檔案以 BF16、rank=64、network_alpha=64 方式發布
• 頁面有 768p Demo，但未交代 GGUF、mmproj 或硬體需求

項目主頁 · 模型

Categories: 開源, 阿里巴巴, AI productions, 多模態模型, 視頻模型, Video, MiniMax

---

MiniMax-H3 一次生成 120 秒長影片

2026 年 8 月 26 日 Share to X Copy link

它把單次輸出的 MiniMax-H3 變成可接續的長片段影片流程，連音效也一併處理。角色、服裝和道具都會沿鏡頭延續，減少畫面在鏡頭交界處走樣。

H3-LongVideos 針對的是 MiniMax-H3 在長片段生成時最容易出現的問題：每個 shot 各自生成，角色外觀、服裝和道具很容易在鏡頭交界處漂移。這個 ComfyUI 節點把一段文字拆成多個 beats，再把每個 beat 變成一個 shot，並以前一鏡最後一幀接到下一鏡，令整條影片可以維持連貫。

這個項目是基於 ComfyUI 的 H3 支援來做，不是獨立模型訓練；因此只能確認它面向 MiniMax-H3 工作流。它同時處理 FL2VA 與 REF2VA 兩種條件方式，前者用一幀作為鏡頭錨點，後者用參考圖描述角色外觀，方便同一角色在多個 shot 裡保持一致。

輸出最長可到約 120 秒，並提供 soundscape、latent 和 info 等輸出。soundscape 會帶出場景實際使用的環境聲床，latent 則是按時間軸串接的 sampled latents，但在多 shot 情況下，它不是 images 的等價 latent 版本，因為 trim_seam 和 handoff_offset 截的是已解碼影格，H3 又會壓縮時間，所以 seam 附近的畫面仍會存在；只有單 shot 時才會完全對齊。

有用的是工作流層面的控制：prompt 第一段做 anchor，後續段落一段對應一個 shot；character_memory 管角色和服裝；resolution 與 megapixels 分開控制形狀和尺寸；shot_seconds 是上限而不是固定長度，先用 plan_only 預覽拆鏡、時長和警告，會比直接渲染更穩陣。

• 以 ComfyUI 把單次 shot 的 H3 生成改成多鏡頭串接，重點在長片段連貫性。
• 同時處理角色、衣著、道具和旁白/環境聲，減少鏡頭切換時的漂移。
• plan_only 可以先檢查拆鏡結果和警告，不用先燒算力。
• 頁面沒有提供 GGUF、量化版本、base model 或推論框架清單。
• latent 輸出只在單 shot 時可視作等價結果，多 shot 時要留意 seam 與時間壓縮。

項目主頁

Categories: 開源, ComfyUI, 視頻模型, Video, MiniMax

---

[教學影片]MiniMax H3 六格分鏡生成多鏡頭 AI 影片

2026 年 8 月 26 日 Share to X Copy link

MiniMax H3 加入六格分鏡網格參考功能，用戶可直接餵故事板圖，再生成多鏡頭連貫短片，解決單鏡頭 AI 影片動作細節不足的問題。

AI 影片生成最常見的痛點之一，是鏡頭內動作幅度細，剪接起來又欠缺段落感。MiniMax H3 這次加入的 6-Grid Reference（六格分鏡網格）功能，嘗試從輸入端就解決這個問題：使用者把一張包含六格分鏡的故事板圖丟入模型，H3 會按格子內容分別生成對應鏡頭，再組成一條多鏡頭短片，避免單次生成只能「前後郁幾吋」的局限。

對熟悉影視分鏡流程的人來說，這等於把前期 storyboard 直接搬進生成管線。對一般創作者而言，操作門檻也比逐個鏡頭獨立 prompt 再拼接低很多——畫好六格、寫好提示詞，剩下的運鏡與節奏交給模型處理。

以下是這次教學與功能值得留意的幾個重點：

• 六格分鏡直接餵入：以一張 2×3 或 3×2 的網格圖作為視覺參考，模型按格生成對應鏡頭，無需逐個 cut 分開生成。
• 多鏡頭連貫輸出：最終成品會包含多個 shot，而非單一長鏡頭，方便直接接上剪接流程。
• 適合分鏡先行的工作流：對動畫短片、廣告腳本、遊戲過場等已有 storyboard 習慣的團隊特別受用。
• 降低逐鏡 prompt 成本：一次輸入即可覆蓋多個鏡頭，減少重複描述角色、場景、風格的工序。
• 與 H3 既有能力整合：可與 H3 的角色一致性與風格控制一併使用，保持多鏡頭之間的人物與美術統一。

教學影片示範的工作流程大致是：先準備好六格分鏡圖，每格代表一個鏡頭的構圖與動作重點，提示詞內描述場景氛圍與鏡頭運動方向，再由 H3 一次過輸出。對於想快速測試分鏡概念、或者要把動畫前期視覺化的人，這條工作流比起從零開始寫分鏡 prompt 更直觀。

需要留意的是，六格分鏡的格數、比例與每格內容差異會直接影響成品質素，每格的構圖與動作如果太擠迫或太模糊，模型理解鏡頭意圖時容易出錯。建議先用簡潔構圖測試，再逐步加入複雜元素。

影片主頁 • ComfyUI 工作流 • 特別版 H3 模型

Categories: 開源, ComfyUI, AI productions, 多模態模型, Video, MiniMax

---

MiniMax H3 在 ComfyUI 實現換臉換身工作流

2026 年 8 月 25 日 Share to X Copy link

MiniMax H3 配合 ComfyUI 自訂節點，示範如何建立換臉與換身流程，方便整理影像生成工作流。

由換臉延伸到換身，影片示範 MiniMax H3 在 ComfyUI 中處理人物影像替換的完整流程，重點放在如何把不同步驟串連起來，減少使用者自行摸索節點配置的時間。

流程以 ComfyUI 為操作環境，並配合 custom nodes 建立 Face Swap 和 Body Swap 工作流。對需要處理人物素材、測試影像生成效果，或想將換臉與換身加入現有影像項目的創作者，這類示範可作為起點。

影片涵蓋的內容包括：
– MiniMax H3 在 ComfyUI 中的工作流安排
– Face Swap 換臉流程
– Body Swap 換身流程
– custom nodes 的配合方式
– 從輸入素材到結果輸出的完整操作示範

使用者仍需按素材類型、節點版本及本地環境調整設定，並留意人物影像替換涉及的肖像權與授權問題。

項目主頁

Categories: 開源, ComfyUI, 教學, 安全, MiniMax, UI/UX

---

ComfyUI-MiniMaxH3-Contex-Loop：讓 MiniMax H3 多場景影片可重試續作

2026 年 8 月 25 日 Share to X Copy link

把多場景影片拆成可審核、可重試的製作流程，減少一次渲染失敗便要由頭再做的浪費。

多場景影片最麻煩的地方，往往不是生成單一鏡頭，而是其中一幕出錯後要重做整段流程。ComfyUI-MiniMaxH3-Contex-Loop 是一套開源 ComfyUI 工作流工具，利用一個可重用的 sampling body，按 scene Plan 逐幕生成 MiniMax H3 影片，並把已接受的片段從磁碟組合起來。

每個場景都可以獨立設定提示詞、seed、時間、圖片、動態影片及音訊參考；Review Gate 會讓使用者選擇批准、重試、reroll 或提早停止。candidate_count 亦可為單一場景生成多個候選，最後由使用者揀選指定 take，減少整條工作流反覆排隊的成本。

• 支援中斷後 resume、partial assembly 及 atomic checkpoints
• 可延續現有片段，處理 inpainting 和 two-ended bridges
• Guide 與 protected AV-prefix transitions 有助維持畫面、動態及聲音連接
• 支援 latent-to-PNG export，並可從已儲存資產恢復製作

v0.5 要求較新的 ComfyUI，包含原生 Add Guide for MiniMax H3。FFmpeg 放在 PATH 會較方便，沒有時可由 ComfyUI 內置 PyAV 處理 review 和 assembly，因此硬件、模型配置及渲染時間仍然是主要限制。倉庫目前以 main 作為支援的 0.5 發行線，已儲存的 0.4 workflows 和 checkpoints 仍然支援，較適合把生成流程分段管理的影片創作者及技術團隊。

GitHub

Categories: 開源, ComfyUI, AI productions, Video, Image, 框架, MiniMax

---

Comfyui-MMH3-UltimateUpscale：長片放大不再受顯存牽制

2026 年 8 月 23 日 Share to X Copy link

ComfyUI 新增單節點升頻方案，讓 MiniMax H3 長片在有限 VRAM 顯示卡上處理，同時保留原有音訊。

長片、高解像度加上有限 VRAM（Video Random Access Memory）通常意味著要大幅降低輸出要求，但 Comfyui-MMH3-UltimateUpscale 把 MiniMax H3 的 AV latent 放進單一 ComfyUI 節點處理，目標是完成升頻而不破壞音訊。它屬於 ComfyUI 自訂工具，實際解決的是標準升頻節點無法理解 H3 視訊與音訊巢狀 latent 結構的問題。

節點會先以 temporal chunking 把長片切成重疊時間區段，再按需要進行 latent upscale，之後以 spatial tiling 分割畫面，逐塊完成 diffusion sampling，最後分別進行 spatial stitching 和 temporal stitching。每次只處理一個 tile，峰值顯存取決於單塊大小，而不是整段影片的長度或完整輸出解像度，代價是切割、重疊與拼接會增加處理時間及流程複雜度。

升頻有兩條路線：MMH3 Latent Upscale with Model Params 會載入 minimax h3 latent upscaler 3d .safetensors checkpoint，以 H3 3D model-based upscaler 改善 latent；MMH3 Latent Upscale Params 則只用 nearest、bilinear、area 或 bicubic 插值，不需額外模型，較省資源但不會補回模型推斷的細節。兩者都保留 32-channel audio，音訊部分不會重新取樣。

• 長片可用 temporal chunking 分段處理
• 高解像度可用 spatial tiling 控制顯存峰值
• 單一 MMH3 Ultimate Upscale 節點包辦整個流程
• 3D 模型升頻與免模型插值可按硬件取捨
• 輸入必須是已完成去噪的 MiniMax H3 AV latent

這個項目較適合已經用 MiniMax H3 產生影片、但顯示卡顯存不足以一次處理完整片段的 ComfyUI 使用者，也適合需要保留同步音訊的影片製作流程。測試時應由較短片段及較細 tile 開始，確認模型 checkpoint、H3 節點及拼接結果正常，再逐步增加時間分塊和輸出解像度；它降低的是顯存門檻，並不代表長片升頻可以即時完成。

GitHub

Categories: 開源, ComfyUI, Video, Audio, MiniMax

---

MiniMax H3 整合成單一節點，ComfyUI 剪走繁瑣接線

2026 年 8 月 19 日 Share to X Copy link

把 MiniMax H3 的影片流程收成一個節點，省去搭工作流和找模組的時間。它更像一個整合入口，讓生成、延伸、關鍵幀同音訊驅動集中處理。

在 ComfyUI 裡要跑 MiniMax H3 影片流程，最麻煩往往不是模型本身，而是工作流太碎。ComfyUI-ALLinONE-MinimaxH3 把這套流程收成單一節點，屬於 ComfyUI 的工具項目，目標是把文字生成影片、圖片轉影片、參考圖驅動、音訊帶動嘴型同影片延伸放進同一個入口。

安裝方式很直接：放入 ComfyUI/custom_nodes/ 後重啟 ComfyUI，再在畫布搜尋 ALL in ONE MiniMaxH3。項目主打幾個模式，包括 Image、T2V、I2V、R2V、Audio Drive、Keyframes、Extend 同 Chain，實際用法是先揀模式，再輸入 prompt 或參考素材，由節點接管後續流程。

官方 MiniMax H3 原生工作流、ComfyUI-H3-Motion-Context-MultiRef、MiniMax H3 Turbo pack，同埋 H3 Studio 的圖片模式都被包進同一個介面，對需要反覆試片段、接續鏡頭、處理多參考素材的影片製作流程特別實用。

• 支援 T2V、I2V、R2V、Audio Drive、Keyframes、Extend、Chain
• Chain 用 H3 Motion Context 做多段續接，走 latent path，避免重新編碼
• 內建歷史、收藏同預覽，方便回看 prompt 同結果
• 亦有 RTX / Seed2VR Video Super Resolution 的 upscale 接口
• 作者標明仍屬 Beta，兼容性要跟指定版本和模型清單對齊

目前較適合已經在 ComfyUI 裡做影片生成、又不想每次重砌圖的人。官方工作流仍然是底層來源，呢個項目更像把常用路徑包成一個操作面，方便快速試片、改參考圖同續接片段。

GitHub

Categories: 開源, ComfyUI, 視頻模型, Video, Image, Audio, MiniMax

---

MiniMax-H3-Text-Embeddings ?

2026 年 8 月 15 日 Share to X Copy link

這不是傳統 NLP 或 RAG 領域中所指的「文本向量嵌入（Text Embedding）」模型。

這不是傳統 NLP 或 RAG 領域中所指的「文本向量嵌入（Text Embedding）」模型。MiniMax-H3-Text-Embeddings 實際上是 DiffSynth-Studio 團隊為 MiniMax-H3 影片生成大模型所設計的「視覺特效/風格控制向量（Diffusion Templates / Textual Inversion）」。

MiniMax-H3 是一個高達 33B 參數的大型多模態生成模型，若要透過訓練 LoRA 來控制風格或特效，顯存與算力成本非常高。DiffSynth-Studio 團隊採用了類似 Textual Inversion（文字翻轉/概念嵌入） 的做法：

1. 極輕量替代方案：將特定特效（如火爆、風暴、環繞鏡頭等）預先訓練或編碼成特徵 Tensor。
2. 直接注入文字特徵層：這些檔案體積非常小，能在推理階段直接替換或疊加到 MiniMax-H3 的 Text Encoder 輸出上。
3. 模組化與組合：使用者可以像掛載外掛一樣，組合多個特效 Embedding 來控制生成的影片視覺效果。

3. 總結建議

• 如果你是在找 RAG / 知識庫 / 搜尋用的文本嵌入模型：請忽略此模型，這不是向量檢索工具。
• 如果你是在使用 DiffSynth-Studio 進行 MiniMax-H3 影片生成：這是用來快速套用影片特效、節省顯存並替代重型 LoRA 的控制模組。

項目主頁

Categories: 開源, RAG, Embedding, 視頻模型, MiniMax

---

MiniMax-Music3 的音樂描述改寫技能

2026 年 8 月 14 日 Share to X Copy link

這個項目把短音樂描述整理成更穩定的提示文字，方便後續生成或編修。它也支援帶標籤歌詞，讓內容更貼近音樂創作流程。

MiniMax-Music3 的 music-caption-rewriter 屬於一個 Skills 項目，重點是把簡短的音樂描述，連同可選的標籤歌詞，改寫成更適合後續處理的文字。它處理的不是旋律本身，而是前期描述太短、太散，難以直接拿去做音樂生成或整理的問題。

這類寫法對內容創作者、音樂生成工作流，或要把零散想法轉成較一致提示文字的人特別有用。它的價值在於先把描述整理好，再交給後續模型或工具，減少輸入太模糊而導致結果飄移的情況。

文件目前可見的資訊主要集中在用途說明，沒有完整交代安裝步驟、執行流程或評估數據，所以較適合把它理解成一個針對文字前處理的技能模組，而不是一個獨立應用。從命名和描述來看，它和一般直接輸入短句就生成的做法不同，重心放在改寫與結構化，讓輸入更一致。

• 處理短音樂描述的改寫
• 可搭配 tagged lyrics 一起輸入
• 目標是讓後續音樂生成更穩定
• 文件未提供安裝與評測細節
• 適合音樂生成前的文字整理工作流

項目主頁

Categories: 開源, Agentic, 音樂, MiniMax, Skill 技能

---

MiniMax-Music3 開放權重音樂模型

2026 年 8 月 14 日 Share to X Copy link

你可以把它理解成一個把歌詞、風格與編曲意圖直接變成完整歌曲的模型，重點不只係出聲，仲要保住前後段落的連貫感。它適合做 demo、原型同內容製作，代價是控制得愈細，提示詞就要寫得愈具體。

MiniMax Music 3 是一個音樂生成模型，重點在於把「可唱、可編、可聽完整首歌」串成一體，直接產出最長五分鐘的完整歌曲。對內容創作團隊來講，它最有價值嘅位唔係單句旋律，而係可以連住 intro、verse、chorus 到 outro，維持人聲、節奏同編曲走向一致。

輸入通常分兩層：歌詞負責唱咩，同時可以加上 [Intro]、[Verse]、[Chorus] 呢類段落標記；另一層音樂描述就交代風格、情緒推進、人聲質感、樂器配置同空間感。官方亦建議用 Structured Caption，將 Global Metadata、Vocal Details、Arrangement 分開寫，方便模型對長段落做更穩定嘅控制。

它用 8B Global LLM 處理長距離結構，再配 0.6B Local LLM 補足逐幀聲學細節，並結合 Flow Matching 同 Flow-VAE 做連續 hidden-state 合成。這種分工換來較完整的長歌一致性，但亦意味住提示詞要寫得有層次，否則編排同人聲變化未必會完全跟足預期。

• 最適合做完整歌曲草稿、廣告歌、遊戲音樂同內容原型
• 由歌詞加音樂描述共同控制，細節比一般單一句 prompt 更可預期
• 支援 32 kHz、16-bit stereo WAV 輸出，方便接入後期流程
• 強項係長段落連貫與結構完整，唔係只生成短片段
• 目前較適合重視創作速度與可控性嘅團隊，而唔係追求即用即完美成品嘅場景

項目主頁 · GitHub · 模型

Categories: 開源, 模型, 音樂, MiniMax

---