MiniMax H3 本地部署指南：ComfyUI、模型、显存（VRAM）与首次渲染

AI Overview

MiniMax H3 能否本地运行？

可以。MiniMax 已发布 H3 权重文件及与 ComfyUI 兼容的软件包，但要实现可用的本地安装，还需正确配置扩散模型、文本编码器、视频 VAE、音频 VAE、工作流（workflow），以及足够用于卸载（offloading）的系统内存。

运行 MiniMax H3 需要多少显存（VRAM）？

不存在单一固定需求，因为精度、量化方式、分辨率、视频时长和卸载策略均会影响显存占用。对于剪枝后的 INT8 工作流，24 GB 显存 GPU 是较务实的目标；显存更小的显卡则需更强的量化手段并付出更多等待时间。

我该下载哪个 MiniMax H3 模型？

若生成任务以文本、首帧、末帧或图像为引导，请选择 FL2VA；若工作流需输入多张参考图、视频或音频，则应选择 Ref2VA。切勿盲目下载完整仓库。

本地运行 H3 是否优于 Seedance Agent？

本地 H3 提供对计算图与文件的完全控制权；而当您希望直接获得 H3 输出、又不愿自行维护驱动、权重、显存适配方案、分镜记录、审核流程及局部重跑时，Seedance Agent 更具优势。

判断您的设备是否已就绪

综合评估 GPU 显存、系统内存与存储空间

一份 MiniMax H3 本地部署指南 必须从硬件容量评估起步，而非直接给出安装命令。官方 MiniMax 仓库体积接近 498 GB，因其包含多个流水线与组件。您通常仅需一个扩散模型检查点、一个匹配的文本编码器、视频 VAE、音频 VAE 及一个工作流。即便精简后的技术栈，在计入缓存、临时文件与输出视频前，仍可能占用数十 GB 存储空间。

若希望快速启动 ComfyUI 环境，24 GB 显存是运行剪枝版 INT8 扩散模型 + 大幅精简文本编码器（配合卸载）的务实目标；12–16 GB 显存可通过社区 GGUF 或其他量化方案实现，但配置更敏感、生成更慢；宣称支持 8 GB 显存的方案通常严重依赖 CPU/内存卸载及特定运行时环境，宜视作“可启动”而非“体验舒适”。请确保系统内存充足、SSD 读写速度快——显存并非唯一瓶颈。

托管式 MiniMax H3 生成器 是最快捷的控制测试入口。请先在该平台运行同一简短提示词。若本地结果失败，即可区分问题源于提示词或模型限制，还是安装配置错误。

本指南专为演示所生成的成品示例。面部、服饰、新月几何结构、工具接触点、迸溅火花及工坊布局共同构成一项严苛的本地首渲质量检验。

将 Apple Silicon 视为独立部署路径

官方集成索引现已指向面向 Apple Silicon 的实验性 Metal 原生 H3 方案，但其操作路径与标准 CUDA + ComfyUI 方案并不相同。切勿将 NVIDIA wheel 安装命令直接复制到 Mac 上并期望其正常运行。请核实所选项目支持的芯片型号、内存要求、工作流类型及当前已知限制，并先执行小型测试。若需在 Mac 上稳定投入生产，托管式方案往往比调试尚处早期阶段的本地移植更快。

选择正确的技术栈与工作流

除非需要库级控制，否则优先选用 ComfyUI

ComfyUI 是目前最易上手的本地方案，因现有模板已封装模型加载器、文本编码器、VAE、采样器、音频解码及最终视频合成等全部环节。导入 H3 模板前，请先更新 ComfyUI；旧版稳定构建可能不识别所需节点类型。建议从核心模板起步，暂不启用任何可选自定义节点；待一次干净的基准渲染成功后，再逐步添加加速、缓存、插值或超分功能。

直接使用 Diffusers 库或自定义 Python 路径适用于服务开发与研究场景，但会暴露更多依赖与流水线决策。模型托管页面所展示的简易代码片段，未必涵盖完整的音视频工作流。若您目标仅为生成一段本地视频，请从受维护的工作流出发，而非依据文件名逐一重建所有组件。

根据任务需求匹配 FL2VA 或 Ref2VA

FL2VA 是用于文生视频、图生视频及首/末帧控制的模型家族；Ref2VA 则是专为参考图像、视频及音频设计的另一类检查点家族。在 Ref2VA 工作流中加载 FL2VA 权重并非无害替换：计算图预期的是不同条件输入路径。Ref2V 与 FL2VA 对比指南 对此决策有详细说明。

首次测试建议选用 FL2VA 文生视频或单图图生视频（I2V）——其变量最少。仅当基准测试验证了运行时、VAE 及输出链路均正常后，再转向 Ref2VA。

下载并放置必需文件

下载前先构建清单（manifest）

逐条记录工作流文件名及其引用的所有模型文件名。一份实用清单应含四行：扩散模型、文本编码器、视频 VAE、音频 VAE。同时注明精度、文件大小、源仓库、目标目录及（如有）校验和。此举可避免两大常见失误：下载所有可用变体，以及混用本非为同一计算图设计的文件。

当前 ComfyUI 软件包的典型目录结构如下：```text ComfyUI/models/diffusion_models/<H3 扩散模型检查点> ComfyUI/models/text_encoders/<匹配的 Qwen3-VL 文本编码器> ComfyUI/models/vae/<MiniMax H3 视频 VAE> ComfyUI/models/vae/<MiniMax H3 音频 VAE>

开源权重本地管线生成 768p 视频；托管的 2K 重生成服务为独立服务。请勿下载标注为“2K”的文件，误以为常规本地流程图即可由此获得该输出分辨率。

### 启动前请核对文件名

每次下载完成后，请比对文件字节数与校验和，并确认工作流选择器中显示的文件名与磁盘上实际文件名完全一致。部分模型下载可能仍会出现在文件夹中，但后续会因张量或反序列化错误而失败，且报错信息易造成混淆。请清晰命名 FL2VA 和 Ref2VA 扩散权重。若测试多种量化版本，请每次仅更改一个组件，并将每个可正常运行的工作流以带版本号的新名称保存。

![同一位铁匠以精准近距离锤击新月形雕塑](https://r2.seedance.tv/blog/minimax-h3-local-setup-guide/blacksmith-hammer-detail-output-v1.png)

*完成帧的特写可验证本地配置是否在相机距离变化时，仍能保持人物身份、手部接触、工具几何结构及雕塑形态的一致性。*

## 导入工作流并生成基准渲染结果

### 先加载，再处理红色节点

在已更新的 ComfyUI 安装环境中打开官方模板。若节点呈红色或未知状态，请立即暂停，并判断其属于当前 ComfyUI 核心功能，还是某已记录的自定义插件包。切勿安装节点管理器建议的所有节点。在安装必需插件后重启 ComfyUI，然后重新打开模板，并在对应加载器中准确选择四个清单文件。

设置较短时长、保守的横屏分辨率、模板中提供的标准采样器参数，以及一条简单提示词。避免使用 LoRA、参考包、超分模型、帧插值，以及长段多镜头提示词。您的首个验收标准应为机械性指标：提示词成功入队、模型仅加载一次、采样过程持续推进、视频与音频成功解码、最终 MP4 可正常播放，且第二次运行不会意外触发重新下载或重新编译。

### 使用一条可暴露常见故障的提示词

尝试描述一个主体在光线充足的环境中执行单一物理动作，并伴随可听事件：“一位身着靛蓝色衬衫与卡其色围裙的铁匠，单次锤击新月形雕塑，火花向左飞溅，随后她将其缓缓下移至淬火槽；明亮工坊日光，面部与双手稳定，锤击清晰、蒸汽升腾。”该提示词可同时检验身份一致性、物体几何结构、接触关系、运动表现、光照效果与声音呈现，而无需构成完整叙事。

```official-video
src=https://r2.seedance.tv/blog/minimax-h3-first-and-last-frame/official-flf-output-v1.mp4
poster=https://r2.seedance.tv/blog/minimax-h3-first-and-last-frame/official-flf-poster-v1.png
label=MiniMax H3 首尾帧输出样例

完成的 H3 输出，用于验证本地流程图能否生成真实运动、连贯过渡及完整可播放视频文件，而非孤立帧。

修复最常见的本地运行故障

按照失败所处阶段进行诊断

文本编码阶段发生显存不足（OOM）错误，通常指向文本编码器本身或其卸载策略；采样阶段发生 OOM，则可能源于扩散模型、潜在空间尺寸、视频时长、注意力实现方式或卸载行为；解码阶段发生 OOM，则多与视频/音频 VAE 及 GPU 显存余量有关。请记录最后成功执行的节点，而非将所有崩溃一概归因为“显存不足”。优先降低视频时长与分辨率，关闭其他占用 GPU 的应用程序，并测试已知兼容的量化版本。

若 VAE 无法加载，请确认视频与音频文件确已置于 models/vae 目录下、文件完整无损，且由正确的加载器选中。若最终视频无声，请确认音频 VAE 已成功解码联合潜在表示中的音频部分，且最终视频节点已正确复用（mux）音视频双流。H3 VAE 与 TensorRT 加速指南 可帮助区分解码瓶颈与采样速度问题。

蒸汽、水体接触、钳子、面部、新月形状共同构成更严苛的运动与解码检验点——此阶段应在基础锤击镜头通过后进行。

每次仅添加一项优化

基准流程验证通过后，在添加 Turbo LoRA、SageAttention、块缓存、其他量化版本或自定义 VAE 路径前，请先复制当前工作流。每次仅变更一个变量，并使用相同随机种子与提示词重新运行。记录峰值显存占用、端到端耗时、输出文件大小、可见伪影及音频质量。四步加速可能影响快速运动或声音表现；唯有当输出仍能通过人工审核时，“提速”才有实际意义。

将一个可用流程图升级为生产级工作流

同步版本化流程图、运行环境与输出结果

将可用工作流 JSON 文件连同清单（manifest）一同保存，清单中需包含 ComfyUI 提交哈希、自定义节点提交哈希、Python / PyTorch / CUDA 版本、GPU 型号、模型哈希值、随机种子、分辨率、时长及采样器设置。若您计划通过 /prompt 接口提交该工作流，请另行导出 API 格式工作流；编辑器 JSON 与 API JSON 不可互换。预览图、最终 MP4 及日志均应归属同一任务标识符（job ID）。

对于较长故事，建议采用短片段分段生成，并将已通过审核的各段终点作为后续输入。多关键帧工作流 讲解了中间视觉锚点的设定方法；可恢复多镜头工作流 则展示了如何利用检查点机制，避免临近结尾处失败导致整项任务从头开始。

src=https://r2.seedance.tv/blog/minimax-h3-comfyui/official-r2v-output-v1.mp4
poster=https://r2.seedance.tv/blog/minimax-h3-comfyui/official-r2v-poster-v1.png
label=MiniMax H3 参考视频输出样例

一个独立完成的 H3 参考输出，用于评估身份一致性、参考影响、镜头行为、原生音频，以及基础 FL2VA 流程稳定后的最终合成文件。

选择本地 H3 或 Seedance Agent

在真正产生价值时保持本地控制

当模型文件必须保留在本地设备上、需要自定义节点或实验性量化方案、可维护 GPU 运行环境，且迭代耗时在可接受范围内时，本地 H3 才有意义。它为您提供对工作流 JSON、随机种子、中间状态及自动化接口的直接访问权限。这种控制能力对研究和专用管线极具价值，但同时也带来持续的运维负担。

Seedance Agent 更适合希望使用 H3 却不愿将驱动兼容性、存储管理、显存卸载、节点版本控制与渲染恢复等事务变成另一项工程任务的团队。它能将简要需求转化为可审阅的镜头计划，为每个镜头绑定参考角色与验收标准，呈现最终输出，并在审批通过后仅重跑薄弱环节。

结尾帧用于检验：从初始冲击到最终成物的完整本地流程中，身份、服饰、工坊布局及新月几何形态是否得以保留。

结论

一套可靠的 MiniMax H3 本地配置，应始于选择合适任务类型，而非下载所有标有 H3 的内容。请先确认硬件与存储条件，更新 ComfyUI，将一个扩散检查点与其匹配的文本编码器及两个 VAE 配对，按预期路径放置文件，并在引入加速或复杂参考前，先通过一次简短的基础渲染测试。对每个可用组合进行版本化管理，以防新节点或新量化方案覆盖已验证有效的配置。若相比本地控制，规划、审阅、连贯性与可恢复的生产流程更为重要，请以 Seedance Agent 启动项目，并无需自行维护整套技术栈即可使用 MiniMax H3。