尧图网页设计 
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/...... 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/......