MiniMax H3 — Full ComfyUI Workflow Tutorial (Local+Free Cloud)

Minimax H3 是開源 AI 視頻生成領域的重要模型，本教學完整展示了本地部署與實操流程。講者首先介紹三種核心工作流程的用途：文本轉視頻直接從提示詞生成動畫、圖像轉視頻將靜態圖像進行動畫化、以及最具創新性的參考工作流，可同時引用多達九個圖像元素作為生成參考，這正是相比前一代 LTX 2.3 最重要的升級。

部署環節相對直觀但需謹慎。首先從官方下載三個工作流檔案至 ComfyUI，接著需要下載約 95-19.5GB 的模型權重檔案，其中擴散模型是最大的單一檔案。講者特別強調避免使用 Chrome 下載，因為容易出現中斷需要重新下載的問題。檔案下載完成後，按照指定目錄結構放置：擴散模型進入 diffusion_models 資料夾、文本編碼器進入 text_encoders 資料夾、兩個 VAE 檔案進入 VAE 資料夾。之後在 ComfyUI 介面按 R 鍵刷新工作流。若出現紅色錯誤節點，講者建議透過更新所有節點（可能需要一次更新 50 個節點）或透過管理員介面安裝缺失的自定義節點來解決，同時要確保 ComfyUI 本身已更新至最新版本。

實際使用相當簡潔。文本轉視頻工作流只需在提示詞欄輸入描述內容，設定視頻時長（以秒計）和分辨率縮放因子。分辨率因子是關鍵參數，講者詳細說明了不同數值對應的解析度：0.4=480p、0.9=720p、1.0 為推薦起始點（因為性能和質量平衡最佳）、2.0=完整 1080p。講者使用 RTX 5090 進行演示測試。圖像轉視頻工作流則添加了首幀和末幀指定功能，允許用戶同時上傳起始和結束畫面，模型據此生成過渡動畫。參考工作流進一步強化了功能，用戶可上傳多個圖像作為角色和場景參考，還可載入音頻和視頻檔案作為額外參考素材。在演示中，講者使用 LLM 輔助生成精確的參考提示詞，系統自動為模型添加了對應的參考分類標籤。

實測結果印象深刻。即使使用相對較低的分辨率設定（0.8，對應 1216×672）和短 8 秒生成時間，模型仍成功維持了角色一致性並準確响應了場景要求。講者對結果表示驚喜，認為儘管分辨率仍有上升空間，但已充分證明了模型的實用潛力，並期待社區貢獻快速推理 LoRA 或蒸餾 LoRA 來進一步加速生成。對於缺乏本地 GPU 的用戶，講者建議透過 RunningHub 等雲平台快速體驗，新用戶通常獲得足夠的免費額度進行數小時試驗，無需本機部署。