編按：本文綜合整理自 ComfyUI Newsletter 官方文章、Reuters 報導、Hacker News 討論串，並加入 Siami 編輯部觀點與分析。
事件總覽：MiniMax H3 正式開源，ComfyUI 同步支援中國 AI 公司 MiniMax 於 8 月 3 日正式開源旗下第三代影片生成模型 H3 的權重，ComfyUI 也在當天上午立刻推出 Day-0 原生支援。這是 MiniMax 繼 Hailuo 01、Hailuo 02 後的第三款影片模型，也是該公司首次以開源權重形式釋出。與以往最大的差異在於：H3 同時接受文字、圖片、影片、音訊四種輸入，並在同一個推論過程裡同時生成 2K 解析度、最長 15 秒的影片以及原生立體聲音效。模型權重已在 Hugging Face 上架（Comfy-Org/MiniMax-H3），官方提供 I2V、R2V、T2V 三套 ComfyUI 工作流。
模型能力亮點
- Text-to-video：純文字提示生成影片。
- Image-to-video：把單張靜態圖「動起來」。
- First-and-last-frame：指定開頭幀與結尾幀，模型自動補完中間過場。
- Reference-to-video：輸入參考圖、影片或音訊，把主體、動作或聲音延伸到新片段。最高可輸出 2K 解析度、最長 15 秒；音訊跟影片在同一個推論階段生成，採原生立體聲，不是後期疊加。
為什麼這件事重要這是開源社群首次能在消費級顯卡上跑出 2K 立體聲影片。從技術角度看，H3 把原本分散在五個獨立模型的任務——文生影、圖生影、首尾幀補間、動作遷移、音訊生成——壓回同一個模型。對獨立創作者與小型工作室而言，這代表不再需要把工作流串在 Stable Diffusion、Wan2.2、LTX-Video、Stable Audio 之間。從產業格局看，MiniMax 是繼 DeepSeek 之後又一家把頂級模型開源出來的中國 AI 公司。Reuters 7 月 31 日的報導指出，MiniMax 預計 H3 開源後會對封閉式商用模型帶來明顯的價格壓力。Hacker News 上 @ArtificialAnlys 的測試數據顯示，H3 在 Video Editing 評比已經衝上第一、Text-to-Video 與 Image-to-Video 都進入前三。
「這是開源模型首次把『多模態 + 立體聲 + 2K』三個條件同時滿足，而且能在 RTX 3060 上跑。」 — Siami 編輯部
ComfyUI 的工程優化：怎麼把模型塞進消費級顯卡要把 H3 跑順在消費級硬體上並不容易。ComfyUI 團隊做了一連串底層調整：
- Modulation 權重查表化：模型約 40% 的參數是 modulation weights（用於依 timestep 動態調整層規範化的係數），這些可以切片成固定離散區間並改用查表（LUT）儲存。對擴散模型來說這是無損壓縮，但對 LLM 不適用。
- int8 convrot 量化：權重在出貨時就附帶高精度的 int8 卷積旋轉量化版本。
- 自訂 kernel + 動態 VRAM 卸載：降低推論時的峰值 VRAM 使用。整體效果：總記憶體用量從全精度 123.6 GB 降到 42.5 GB（-66%），搭配動態卸載後能在 RTX 3060（12GB VRAM）上跑。
數據解讀與質疑幾個值得留意的點：
- 生成速度仍是瓶頸：vblanco 在 4070 Ti Super（16GB）上跑 10 秒 480p 影片要 10 分鐘；pkroll 指出 sageattention 可提速約 33%，但距離商用即時生成還有距離。
- 首尾幀的 prompt 遵從度不穩：fwip 實測後指出，ComfyUI 示範 prompt 裡寫的「WHIP PAN」過場，模型直接忽略改用 cut。可見 prompt 工程在多鏡頭敘事上還不成熟。
- 授權限制仍存在：H3 對 EU、UK、南韓、美國的 AI 監管有聲明，用戶須簽署 Hugging Face 上的授權承諾（不能拿去做可能得罪 Disney 等大型 IP 的內容）。
- 是否侵權的爭議：trwhite 等創作者擔心訓練資料來源不透明，認為「這些成果本質上是拿別人作品練出來的」。這是開源影片模型普遍要面對的法律與倫理難題。
怎麼開始玩
- 把 ComfyUI 升級到 0.30.0 以上版本，或直接用 Comfy Cloud。
- 到 template library 下載 MiniMax H3 的 I2V、R2V、T2V 工作流。
- 按照 workflow 內附的說明，把模型權重放到正確的 model 目錄。
- 寫 prompt、接好參考輸入，按下執行。權重下載：
Comfy-Org/MiniMax-H3
網友熱門留言 (6)