在 ComfyUI 中使用 MiniMax H3 API 进行视频生成

MiniMax H3 是 MiniMax 推出的通用全模态生成模型，可通过 MiniMax H3 API 节点在 ComfyUI 中使用。API 工作流在 MiniMax 的服务器上运行生成任务，因此无需下载模型，也不需要本地 GPU，已生成视频的每一秒都会计入你的 Comfy API 账户。 MiniMax H3 可生成带有原生立体声音频的视频：人声、音效和音乐会在同一次前向传播中共同建模，而非事后叠加。输出最高支持 2K 分辨率，每个片段时长 5-15 秒。 MiniMax H3 Max 是由 fal 基于 MiniMax H3 后训练的高速生成变体，在 ComfyUI 0.34.2 中加入相同的 API 节点。它以快于实时的速度生成，提示词最长支持 50,000 字符，提供 480P 和 768P 分辨率，并带有可选的两段式流程，由 ComfyUI 已支持的节点组成：先通过 MiniMax H3 Context IR 节点增强提示词，再用 MiniMax H3 Regenerate to 2K 节点重生成至 2K。 MiniMax H3 Max Turbo 是在 ComfyUI 0.34.4 中加入文生视频与首尾帧节点的更快速、更便宜的 H3 Max 选项。它以 480P 或 768P 渲染，并在首尾帧节点上取消了分辨率与比例选项，输出比例跟随输入帧。

​

MiniMax H3 擅长什么

• 原生立体声音频：人声、音效和音乐与视频在单次前向传播中一起建模，而不是事后叠加
• 高分辨率输出：每个片段时长为 5-15 秒，分辨率最高可达 2K
• 文生视频：根据文本提示生成带音频的视频
• 首尾帧视频：生成首帧与可选尾帧图像之间的运动
• 参考条件生成：基于最多 9 张参考图像、3 个参考视频和 3 段参考音频生成视频
• MiniMax H3 Max：更快的变体，提供 480P/768P 输出、长提示词和可选的 2K 上采样阶段。H3 Max 下 Reference 节点最多接受 12 个参考文件
• MiniMax H3 Max Turbo：文生视频与首尾帧节点上最快的 H3 Max 选项，每秒费率约为 Max 的一半

​

示例输出

通过单个提示词进行文生视频生成，并带有原生立体声音频： 首尾帧生成，由模型创建两个帧之间的运动：

​

MiniMax H3 API 工作流

模板库为 H3 基础模型随附三个 API 示例工作流，为 H3 Max 随附四个，为 H3 Max Turbo 随附两个：

• 文生视频：根据文本提示词生成视频
• 首尾帧视频：在首帧和末帧图像之间生成视频
• 参考生成视频：根据参考图像、视频和音频生成视频
• H3 Max T2V / I2V / FLF2V / R2V：通过更快的 MiniMax H3 Max 模型运行相同的模式，每个工作流都内置了可选的提示词增强和 2K 上采样阶段
• H3 Max Turbo T2V / I2V：通过最快的 MiniMax H3 Max Turbo 模型运行文生视频与首尾帧视频，同样内置可选的提示词增强和 2K 上采样阶段

​

MiniMax H3 Max

这四个 api_minimax_h3_max_* 模板通过相同的 API 节点在 MiniMax H3 Max 模型上运行：Text to Video 和 First-Last-Frame 节点在 ComfyUI 0.34.2 中加入了 H3 Max 选项，Reference to Video 节点则在 0.34.3 中加入。请将 ComfyUI 更新到至少 0.34.3 以运行全部模板。 H3 Max 以快于实时的速度生成，费率低于基础模型：480P 为 15.09 积分/秒，768P 为 24.14 积分/秒（见 Minimax 定价表）。每个 Max 模板在 Switch 节点后提供两个可选阶段，默认均为关闭：

1. 提示词增强：生成前使用 MiniMax H3 Context IR 节点改写提示词。打开 Prompt Enhance 布尔值即可启用
2. 上采样至 2K：对首次生成的视频运行 MiniMax H3 Regenerate to 2K 节点。打开 Upscale to 2K 布尔值即可启用

接线 Max 模板时请注意以下事项：

• 如需上采样请以 768P 生成：Regenerate to 2K 节点仅接受 768P 源视频
• 各节点时长保持一致：生成和提示词增强必须使用相同时长，否则各阶段会不同步。Regenerate to 2K 节点没有时长输入，它会以原始时长重新渲染提交的 768P 视频
• 额外输入需重复接线：这三个节点不会自动共享额外上下文。如果添加参考视频、音频或另一张图像，请将相同的线同时接入 Context IR 和 Regenerate 节点

​

MiniMax H3 文生视频

通过 MiniMax H3 API 从文本提示词生成视频，并输出原生立体声音频。

​

提示词技巧

1. 提示词：在一个文本块中描述整个场景以及伴随的音频（对白、音效、音乐）
2. 时长：时长输入支持 5-15 秒；该工作流自带一个快速的 5 秒预览
3. 分辨率和比例：API 以 2K 分辨率渲染；选择宽高比预设，例如 16:9、9:16 或 1:1
4. 水印：AIGC 水印默认关闭；如有需要，可在节点的高级设置中启用

​

提示词编写指南

MiniMax 发布了一份官方的视频提示词编写指南，适用于 T2VA、I2VA、FL2VA 和 L2VA 基础生成模式。该指南解释了如何将提示词组织成按时序排列的镜头，并配合相机运动和音频（对白、音效、音乐），同时为每种模式提供了示例。

​

MiniMax H3 Max：文生视频

在更快的 H3 Max 模型上根据文本提示词生成视频。该模板默认以 768P 渲染，带有可选的提示词增强和 2K 上采样阶段。

​

MiniMax H3 Max Turbo：文生视频

在最快的 H3 Max Turbo 模型上根据文本提示生成视频。模板默认以 768P 和 1:1 渲染，带有与 Max 模板相同的可选提示词增强和 2K 上采样阶段。需要 ComfyUI 0.34.4 或更高版本。

​

MiniMax H3 首尾帧视频

通过 MiniMax H3 API 在首帧图像和可选末帧图像之间生成视频。输出的宽高比与输入图像保持一致。

​

提示技巧

1. 帧：first_frame 输入为必填；last_frame 为可选。模型会生成两者之间的运动
2. 宽高比：输出跟随输入图像，因此请保持两帧的宽高比一致
3. 图像约束：每帧的宽度和高度必须在 256 到 5760 像素之间，宽高比在 2:5 到 5:2 之间
4. 提示词：描述两帧之间的过渡，以及您想要的音频（对白、音效、音乐）

​

提示词编写指南

MiniMax 为基础生成模式（T2VA、I2VA、FL2VA 和 L2VA）发布了官方的视频提示词编写指南。该指南解释了如何将提示词组织为带时间轴的镜头，包含相机运镜和音频（对白、音效、音乐），并为每种模式提供了示例。

​

MiniMax H3 Max：图生视频

在更快的 H3 Max 模型上让静态图像动起来。该模板将首帧输入 First-Last-Frame 节点（末帧保持可选），并带有可选的提示词增强和 2K 上采样阶段。

​

MiniMax H3 Max Turbo：图生视频

在最快的 H3 Max Turbo 模型上让静态图像动起来。模板将首帧输入首尾帧节点，并带有可选的提示词增强和 2K 上采样阶段。需要 ComfyUI 0.34.4 或更高版本。

​

MiniMax H3 参考转视频

通过 MiniMax H3 API，以参考图像、视频和音频作为条件生成视频。

​

提示词技巧

1. 按标签引用：在提示词中按顺序引用每个输入，例如 Image 1、Video 1 或 Audio 1。
2. 限制：最多 9 张参考图像、3 个参考视频和 3 段参考音频。每个视频或音频片段必须为 2–15 秒；参考视频与参考音频的总时长上限均为 15 秒。
3. 音频需要视觉锚点：如果没有至少一个参考图像或参考视频，就无法使用参考音频。
4. 视频要求：参考视频的帧率必须为 23.976–60 FPS。
5. 提示词：为每个参考内容分配一个任务（身份、风格、动作、声音），并描述目标镜头；明确的分配通常效果要好得多。

​

提示词编写指南

MiniMax 为参考驱动生成（R2V）发布了一份官方的 全参考模式提示词编写指南。该指南涵盖改写输出的结构，包括主体定义、参考标签和保留度分析，以及如何为每个参考内容在目标镜头中分配角色。

​

MiniMax H3 Max：首尾帧视频

在更快的 H3 Max 模型上在首帧和末帧图像之间生成视频，带有可选的提示词增强和 2K 上采样阶段。

​

MiniMax H3 Max：参考转视频

在更快的 H3 Max 模型上以参考媒体为条件生成视频。H3 Max 下 Reference 节点最多接受 12 个参考文件，并提供 reference_detail 选项，可权衡参考图像分辨率与成本。