MiniMax

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

2026 年 8 月 23 日

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。

Repository image for bbaudio-2025/Comfyui-MMH3-UltimateUpscale

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

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

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：

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。
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。
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

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

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

ComfyUI_MiniMaxH3_Director：一次過生成多段影片的導演台

2026 年 8 月 11 日

想做長片、多段生成又唔想逐段接節點，這個項目把 MiniMax H3 的分鏡、取樣和輸出收在同一個 ComfyUI 工作流核心。

做長影片時，最麻煩往往唔係單段生成，而係分鏡、續接、音畫輸出要分開處理。AIMixer/ComfyUI_MiniMaxH3_Director 針對的正是這個卡位：它屬於 ComfyUI 的影片生成節點插件，將 MiniMax H3 的多段規劃、條件編碼、採樣解碼和匯出合併成一個導演台，讓長視頻與多段音視頻生成流程集中管理。

它的價值不只在於把功能堆在一起，而是把幾種常見工作流放進同一個操作面。無論是 t2v、i2v、fl2v、r2v、v2v 還是 rv2v，都可沿用同一套時間軸邏輯；當中首尾幀、參考素材組、源片改寫和選擇性重跑都已經整理好，對需要反覆改段落、補鏡頭或保留原聲的創作者會實用得多。

安裝方式也算直接，前提是 ComfyUI 要升級到 v0.30.0 或以上，並已具備官方 MiniMax H3 支援。之後可用 ComfyUI Manager 透過 Git URL 安裝，或手動放進 custom_nodes，再按需要補上 scenedetect、opencv-python-headless、imageio-ffmpeg 這些依賴；模型權重與示例工作流則需另外下載。要留意的是，CLIP Loader 的 type 必須設為 minimax，而 fl2va / ref2va UNET 亦要按任務類型配對。

跟一般把多個節點逐個串起來的做法相比，這個項目明顯偏向把影片導演流程封裝成一個較完整的工作台，代價是你仍然要跟官方 MiniMax H3 節點規格保持一致，並理解不同模式背後用的是 MiniMaxH3ImageToVideo、MiniMaxH3ReferenceToVideo、MiniMaxH3SigmaShift、KSampler 與 AV 分離解碼鏈路。重點放在長片分段銜接、段間運動延續與原生立體聲輸出，較適合已經在 ComfyUI 內做影片生成、希望減少手動接線和重複操作的團隊。

把多段時間軸、生成、解碼、匯出收進單一節點
支援 t2v、i2v、fl2v、r2v、v2v、rv2v 多種模式
可做選擇性重跑，未勾選片段可用快取或原片填補
依賴官方 MiniMax H3 節點，環境版本與模型配對要設好
原生輸出立體聲音頻，適合長片與多段音視頻工作流

GitHub

Categories: 開源, ComfyUI, MiniMax

MiniMax H3 人像寫實 LoRA，強化近鏡表情與電影感

2026 年 8 月 11 日

基於 MiniMax H3 的人像寫實 LoRA，重點唔係加花巧風格，而係令面部、皮膚同鏡頭動態更自然可信。

近鏡人像、多人同框對話、手部動作呢類鏡頭，最容易暴露影片生成模型嘅細節破綻。呢個 Hugging Face 項目明確係基於 MiniMaxAI/MiniMax-H3 嘅 LoRA adapter，針對真人角色畫面再微調，重點放喺面部穩定度、皮膚質感、微表情同帶少少手持感嘅電影式運鏡，亦保留 MiniMax H3 原生同步音訊能力。

頁面提供嘅核心資訊相當集中：它屬於 text-to-video，授權採用 minimax-h3-community-license，主要檔案是 h3-realism-people-t2v.safetensors。使用方法唔複雜，要先喺 prompt 開頭加入 trigger word r34l1sm，再透過 fal 的 MiniMax H3 LoRA 端點掛載，範例 scale 係 1.0；想保留多啲 base model 原本味道，可以降到 0.6 至 0.8。

同類 LoRA 最大分別，往往唔係畫面變得幾誇張，而係同一個 prompt、同一個 seed 之下，能否穩定改善人物可信度。呢個項目用 before/after 方式展示 19 組對照，強調唯一變數係 adapter 本身，連 trigger word 兩邊都有加，目的係證明提升主要來自微調權重，而唔係提示詞技巧。頁面亦講明它係前作 MiniMax-H3-Realism-LoRA 嘅後繼版本，並且改用更大、更加聚焦人物題材嘅資料集重新訓練。

基礎模型：MiniMaxAI/MiniMax-H3，關係標記為 adapter
主要用途：強化寫實人物、近鏡面部、群眾、手部與紀錄片感鏡頭
主要檔案：h3-realism-people-t2v.safetensors
推薦控制：trigger word r34l1sm，LoRA scale 以 1.0 為預設，可降至 0.6-0.8

要留意，項目本質上係影片生成用嘅 LoRA，唔係可直接本地量化部署嘅通用文字模型。換句話講，它嘅價值更接近一個針對 MiniMax H3 補強人物鏡頭表現嘅專用適配器，而唔係完整獨立模型；使用場景亦明顯偏向 fal 平台上的 text-to-video 工作流。

模型

Categories: 開源, AI productions, 視頻模型, Video, Audio, MiniMax

MiniMax H3 Turbo：4 步加速的影音生成 LoRA

2026 年 8 月 11 日

MiniMax H3 的 ComfyUI 加速 LoRA，把 10 秒影片生成壓到固定 4 步。它適合要在速度、畫質和可控性之間取平衡的 T2V 與 I2V 工作流。

MiniMax H3 Turbo 走的是 ComfyUI 用途的加速路線，核心價值在於把 MiniMax H3 的文本生成影片（Text-to-Video, T2V）和圖像轉影片（Image-to-Video, I2V）流程固定到 4-step Euler 推理。它不是獨立模型，而是要配合 Comfy-Org/MiniMax-H3 的 BF16 base model 使用；頁面未提供更完整的 base model 參數規模或訓練細節，所以不能再往下猜。

這種設計的取捨很直接：步數少，生成時間通常更短，但對動作細節和穩定性的容錯也會更窄。頁面列出的比較都在同一個 BF16 base model、同一輸入與 10 秒、約 0.9MP 解析度條件下做，LoRA strength 固定 1.0；不同場景下，時間大概落在 174 到 190 秒之間，速度提升存在，但不是壓倒性。

重點摘要：
– 支援 T2V 與 I2V，I2V 走第一幀路徑，亦可用最後一幀收尾
– 固定 4-step Euler，重點是縮短推理流程而非擴大模型能力
– 需要配對 Comfy-Org/MiniMax-H3 的 BF16 base model
– 頁面未列出 GGUF、mmproj、上下文長度或量化檔案資訊
– 與 lightx2v LoRA 的比較屬同級加速方案，差距主要體現在時間與輸出取向

從檔案描述看，這個項目是 LoRA，不是完整 diffusion checkpoint，所以它的定位比較像「推理策略補丁」而不是全新模型。頁面也沒有提供 llama.cpp、Ollama 或 LM Studio 的支援資訊，顯示它主要面向 ComfyUI 工作流，而不是通用本地推理框架。

檔案命名上，頁面強調這是 v2 類型的更新版本脈絡；因此可確認的只有它圍繞 H3 的 joint audio-video diffusion path，並以固定 4 步作為加速契約。若要和原始 base model 比，差別不在功能範圍，而在於把生成速度和步數控制收緊，換取更快的工作流回饋。

模型

Categories: 開源, ComfyUI, 數字人, 視覺模型, 視頻模型, Video, Image, Audio, MiniMax

ComfyUI-Spectrum-MiniMax-H3：為 H3 加速 33%

2026 年 8 月 9 日

將 1056x608 影片生成由 685 秒縮短至 464 秒，避開昂貴的 transformer 重算。它屬近似加速，但影片細節可能走樣。

Repository image for xmarre/ComfyUI-Spectrum-MiniMax-H3

每次跑 MiniMax H3 都要付出完整 transformer 計算成本，對要反覆試 prompt、鏡頭動作同參考音訊的人來說，等待本身就是工作流瓶頸。xmarre/ComfyUI-Spectrum-MiniMax-H3 針對的正是這一步：它屬於 ComfyUI 自訂節點工具，會在部分 solver steps 直接預測 post-transformer hidden features，減少原生 MiniMax H3 audio-video model 的重計算次數。

實測生成 1056×608 影片由 685 秒縮短至 464 秒。加入這 Node 後可惜仍未能解決「廣東話」問題！

它不是把整個模型 shortcut 掉，而是用 Chebyshev ridge model 去擬合已經算出的 hidden features，再對未來步數作 spectral forecasting；但當前步的 output heads、video reconstruction、audio reconstruction、sigma mapping 同回傳結構仍然照常執行。這個取捨很務實，因為它換到的是抽樣成本下降，不是完全無損加速，所以 README 已經講明輸出不會與原生 MiniMax H3 bit-identical。

作者後來把預設路徑改成 offline_smoothing_replay，核心原因不是追求更高畫質，而是先救回音訊品質。早期單次流程會令語音清晰度、自然度同穩定性下降，甚至出現 doubled syllables 同 stuttering；現時預設把 audio_blend_weight 維持在 0，並以第二次無 transformer 的 replay 處理 video blend，目的就是切斷後段 video-to-audio feedback 對聲音的干擾。不過，畫面軌跡仍可能改變，動作、視線、時間點，甚至眼睛、手指、四肢細節都有機會走樣。

安裝十分簡單，適合願意做 exact-seed A/B 比對的創作者、工作流調校者，或者已經在 ComfyUI 內使用 MiniMax H3 的團隊。README 也提到舊版 workflow 可能要手動開啟 offline_smoothing_replay，而且 broader checkpoints、prompts、samplers 同 reference inputs 仍未完成足夠驗證，現階段更像是一個有方向、有明確修正策略，但仍需按素材類型逐步確認的加速方案。

以 spectral forecasting 預測部分 future solver steps，重點是減少 MiniMax H3 最昂貴的 transformer evaluations。
保留當前步的原生輸出頭與音畫重建流程，因此屬於近似加速，不是無損複製原生結果。
預設改用 offline_smoothing_replay，主要是修正早期版本對語音自然度與穩定性的破壞。
音訊路線暫時較保守，但視覺結果仍可能出現 motion、pose 與細節結構偏移。
較適合已在 ComfyUI 工作流內做反覆測試、願意接受 A/B 驗證成本的使用情境。

GitHub

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

ComfyUI-MiniMaxH3-Easy：幫 H3 補回可用性

2026 年 8 月 7 日

把 MiniMax H3 放進 ComfyUI 後，最麻煩的接線、引用同提示編排，被整理成較順手的一套介面。

做影片生成時，最阻手往往唔係模型能力，而係節點圖愈接愈亂、參考素材愈加愈難管理。ComfyUI-MiniMaxH3-Easy 屬於 ComfyUI 自訂節點工具，集中處理 MiniMax H3 的 text-to-video、image-to-video 同 reference-to-video 工作流，將原本分散嘅媒體接線、參考標記同提示編輯收埋到同一個操作面。

呢個項目最實際嘅改動，在於保留 ComfyUI 彈性之餘，減少你每次都要手動整理素材順序。主節點用一個 Media 輸入口同時接收圖片、影片同音訊，仲會分開追蹤各自次序；一張圖會走 image-to-video，兩張圖就可用作 first/last-frame generation。做 reference-to-video 時，提示編輯器支援 @ 揀選已連接素材，執行時再自動轉成 MiniMax 建議嘅 <Picture N>、<Video N>、<Audio N> 格式，唔使自己逐個標籤維護。

將多種媒體收進單一 Media 入口，節點圖會乾淨得多
@ 參考編輯器有預覽，較適合需要反覆改 prompt 嘅影片生成流程
# 對話區塊可直接寫成可編輯 block，送出時自動轉成 <d>...</d>
可接 model-only LoRA、Sage Attention patch，亦可直接連到模型相關節點

同類做法通常要求使用者自己記住引用格式、接線順序同素材對應，ComfyUI-MiniMaxH3-Easy 選擇用較重介面包裝，換來較低出錯率同較高可讀性。代價亦明顯：它改善嘅係 MiniMax H3 在 ComfyUI 入面嘅操作層，不是另起一個新模型，也未見提供生成品質、速度或資源佔用測試數字，因此價值主要落在工作流整理，而唔係模型性能突破。

較受惠嘅會係已經用開 ComfyUI、但又嫌 MiniMax H3 節點圖太碎太亂嘅創作者、影片實驗團隊同需要反覆比對參考素材嘅人。部署方式亦唔複雜，理解上可以當成安裝到 ComfyUI 內嘅一組工作流節點：接好模型或 LoRA、把圖片或影片餵入 Media、再用內建編輯器整理引用同對話內容，就可以直接進入生成流程。

GitHub

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

Page 6 of 7

« Previous 1 … 4 5 6 7 Next »