5 个文件放对位置MiniMax-H3 视频生成部署一次跑通【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3MiniMax-H3 是跑在 ComfyUI 里的视频生成模型新手第一次部署最常卡在三处文件放完节点下拉框里没有模型第一次点生成显存直接爆掉仓库里十几个文件不知道哪几个是必需的。本文覆盖动手前硬件自检、文件落位、精度版本选择以及卡住时的排错顺序适用于 NVIDIA 显卡 ComfyUI 环境跑通 I2V / T2V / R2V 视频生成工作流。动手前确认这几项下载之前把这 4 项过一遍缺哪项先补哪项后面才不用返工。✅ NVIDIA 独显8GB 显存起步更低显存可能跑得极慢或直接报错✅ ComfyUI 已安装WebUI 能正常打开✅ pytorch 优先 cu130 版本能解锁int8_convrot精度模型✅ 磁盘可用空间充足整套模型文件体积很大⚠️ 兼容性易错点nvfp4_awq版本文本编码器不需要 Blackwell 新卡老卡也能用而int8_convrot扩散模型需要 pytorch cu130 支持用不了才退回fp8_scaled。把文件放对位置一套能出片的完整部署只需要 5 个文件1 个主模型 1 个文本编码器 2 个 VAE 1 个 turbo LoRA按类型拷进 ComfyUI 的对应子目录即可。git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3克隆后把文件放进下面这些目录 ComfyUI/ └── models/ ├── diffusion_models/ # 主模型bf16 / int8 / fp8 / pruned 组合选 1 个 ├── text_encoders/ # Qwen3-VL-32B 文本编码器选 1 个 ├── vae/ # 视频 VAE 音频 VAE共 2 个 ├── loras/ # turbo 加速 LoRA4step / 8step ├── model_patches/ # ControlNet Union可选 └── embeddings/ # 10 个风格提示词嵌入可选⚠️ 放错目录不会报错唯一表现是节点下拉框里没有这个模型。发现找不到文件时先核对子目录名与上面一致确认放对后重启 ComfyUI不用重新下载。选哪个版本/精度8GB 显存直接抄这套组合minimax_h3_fl2va_int8_convrot.safetensors主模型qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors文本编码器vae/下的视频 VAE 与minimax_h3_audio_vae_fp32.safetensors。标识含义什么时候选它bf16全精度16GB 显存画质优先int8_convrotint8 量化首选需 pytorch cu130fp8_scaledfp8 量化用不了int8_convrot时才选w6a8w6a8 量化pruned 系列比 fp8 更省显存显存吃紧时选pruned剪枝精简版显存占用更低可与上面任意精度后缀叠加主模型前缀也有讲究fl2va是首尾帧视频生成I2V / T2V 用ref2va是参考图驱动R2V 用按你要跑的工作流类型取对应的文件名。出问题时按这个顺序查按解决概率从高到低每条一行照顺序试下拉框找不到模型 → 核对文件是否在正确的models/子目录 → 放对后重启 ComfyUI 刷新页面生成时报显存不足 → 把bf16换成int8_convrot或pruned版本 → 还不行就降低输入分辨率文本编码器加载失败 → 切到qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors能跑但极慢 → 检查 NVIDIA 驱动与 pytorch 版本优先 cu130 int8_convrotturbo LoRA 效果不对 → 确认 LoRA 接在对应模型节点上且步数与工作流模板匹配4step 配 4 步跑通之后想快速出片叠加loras/里的 turbo LoRA4step 最快8step 质量更稳想要固定运镜和风格在 CLIPTextEncode 节点里写embedding:minimaxh3_bullet_time这类写法调用风格嵌入更多文件清单与用法见 README.md。【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/11/4 6:06:31 · 阅读 1.2k 5 个文件放对位置，MiniMax-H3 视频生成部署一次跑通
5 个文件放对位置MiniMax-H3 视频生成部署一次跑通【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3MiniMax-H3 是跑在 ComfyUI 里的视频生成模型新手第一次部署最常卡在三处文件放完节点下拉框里没有模型第一次点生成显存直接爆掉仓库里十几个文件不知道哪几个是必需的。本文覆盖动手前硬件自检、文件落位、精度版本选择以及卡住时的排错顺序适用于 NVIDIA 显卡 ComfyUI 环境跑通 I2V / T2V / R2V 视频生成工作流。动手前确认这几项下载之前把这 4 项过一遍缺哪项先补哪项后面才不用返工。✅ NVIDIA 独显8GB 显存起步更低显存可能跑得极慢或直接报错✅ ComfyUI 已安装WebUI 能正常打开✅ pytorch 优先 cu130 版本能解锁int8_convrot精度模型✅ 磁盘可用空间充足整套模型文件体积很大⚠️ 兼容性易错点nvfp4_awq版本文本编码器不需要 Blackwell 新卡老卡也能用而int8_convrot扩散模型需要 pytorch cu130 支持用不了才退回fp8_scaled。把文件放对位置一套能出片的完整部署只需要 5 个文件1 个主模型 1 个文本编码器 2 个 VAE 1 个 turbo LoRA按类型拷进 ComfyUI 的对应子目录即可。git clone https://gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3克隆后把文件放进下面这些目录 ComfyUI/ └── models/ ├── diffusion_models/ # 主模型bf16 / int8 / fp8 / pruned 组合选 1 个 ├── text_encoders/ # Qwen3-VL-32B 文本编码器选 1 个 ├── vae/ # 视频 VAE 音频 VAE共 2 个 ├── loras/ # turbo 加速 LoRA4step / 8step ├── model_patches/ # ControlNet Union可选 └── embeddings/ # 10 个风格提示词嵌入可选⚠️ 放错目录不会报错唯一表现是节点下拉框里没有这个模型。发现找不到文件时先核对子目录名与上面一致确认放对后重启 ComfyUI不用重新下载。选哪个版本/精度8GB 显存直接抄这套组合minimax_h3_fl2va_int8_convrot.safetensors主模型qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors文本编码器vae/下的视频 VAE 与minimax_h3_audio_vae_fp32.safetensors。标识含义什么时候选它bf16全精度16GB 显存画质优先int8_convrotint8 量化首选需 pytorch cu130fp8_scaledfp8 量化用不了int8_convrot时才选w6a8w6a8 量化pruned 系列比 fp8 更省显存显存吃紧时选pruned剪枝精简版显存占用更低可与上面任意精度后缀叠加主模型前缀也有讲究fl2va是首尾帧视频生成I2V / T2V 用ref2va是参考图驱动R2V 用按你要跑的工作流类型取对应的文件名。出问题时按这个顺序查按解决概率从高到低每条一行照顺序试下拉框找不到模型 → 核对文件是否在正确的models/子目录 → 放对后重启 ComfyUI 刷新页面生成时报显存不足 → 把bf16换成int8_convrot或pruned版本 → 还不行就降低输入分辨率文本编码器加载失败 → 切到qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors能跑但极慢 → 检查 NVIDIA 驱动与 pytorch 版本优先 cu130 int8_convrotturbo LoRA 效果不对 → 确认 LoRA 接在对应模型节点上且步数与工作流模板匹配4step 配 4 步跑通之后想快速出片叠加loras/里的 turbo LoRA4step 最快8step 质量更稳想要固定运镜和风格在 CLIPTextEncode 节点里写embedding:minimaxh3_bullet_time这类写法调用风格嵌入更多文件清单与用法见 README.md。【免费下载链接】MiniMax-H3项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考