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

无言***

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。

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 ... ... ... ...

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：
迅雷云盘：https://pan.xunlei.com/s/VOz6NBcY18pBU9WVo1mnG6ibA1?pwd=4hnz

夸克网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 20碎银 下载该资源

立即购买

百度网盘：

🔒付费内容

游客， 上上宾会员 可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 40碎银 下载该资源

立即购买

jcc***

终于等到了，H3真的强！这个星期估计H3的生态要雨后春笋那样出来了要！

2150***

看了B站的评测，这个真的是史上最强开源视频模型了，等wan2gp版出来我也该续会员了，本来觉得最近没啥好用的模型了，没想到来了这么强的，这是我续费的动力哈哈，一年到期了，去年这个时候wan2.2横空出世，果断充电。一年过去了，发展速度太快了，坛主持续对wan2gp的汉化和整合比其它家的要准确好用，希望这个月为了这个NB的模型提前破例更新wan2gp，感谢！

无言***

215069003 发表于 2026-8-3 19:59
看了B站的评测，这个真的是史上最强开源视频模型了，等wan2gp版出来我也该续会员了，本来觉得最近没啥好用 ...

新模型只会越来越多，越来越强！

nev***

我觉得H3也没必要整合进wan2gp了，这一个就可以抵所有视频模型了。
大哥要不专门针对h3出个系列吧，加入视频和音频参考功能，再开放个API，嗲！

来日***

效果炸裂，有些效果甚至比sd2都要好

2150***

nevets 发表于 2026-8-3 23:01
我觉得H3也没必要整合进wan2gp了，这一个就可以抵所有视频模型了。
大哥要不专门针对h3出个系列吧，加入视 ...

当然需要，一个comfyui，一个webui，工作台形式不一样，这么好的模型理应百花齐放，有各种操作流程适应不同偏好的人群，而且wan2gp是目前最顶级的webui了，不过有一点你说的对，wan2gp这次我准备只留H3视频模型哈哈