Loading...

文章背景图

MiniMax H3:全能多模态音视频生成模型 · 本地部署与使用最全指南

2026-10-25
17
- 字
- 分钟
|

MiniMax H3:全能多模态音视频生成模型 · 本地部署与使用最全指南

MiniMax H3 官方头图

一句话定位:MiniMax H3 是 MiniMax 于 2026 年 8 月 3 日开源的通用全模态(omni-modal)生成系统——一次生成同时产出视频 + 同步立体声音频,原生支持最高 2K 分辨率、最长 15 秒,具备多模态上下文理解能力,开源权重免费、可商用(附条款)。

开源地址:Hugging Face MiniMaxAI/MiniMax-H3 · 魔搭社区 MiniMaxAI/MiniMax-H3 · GitHub MiniMax-AI/MiniMax-H3

许可证:MiniMax H3 Community License(社区许可,免版税商用,详见第十二章)


目录


一、官方跳转与下载链接

1.1 开源资源

资源 链接
Hugging Face 权重仓库 https://huggingface.co/MiniMaxAI/MiniMax-H3
魔搭社区(ModelScope) https://modelscope.cn/models/MiniMaxAI/MiniMax-H3
GitHub 官方源码仓库 https://github.com/MiniMax-AI/MiniMax-H3
源码 ZIP 打包下载 https://github.com/MiniMax-AI/MiniMax-H3/archive/refs/heads/main.zip

1.2 在线使用(无需部署)

资源 链接
在线 API(国际版) https://platform.minimax.io/docs/api-reference/video-generation-v2-create
在线 API(国内版) https://platform.minimaxi.com/docs/api-reference/video-generation-v2-create
Web App(国际版) https://hailuoai.video/tools/minimax-h3
Web App(国内版) https://hailuoai.com/
桌面端(国际版) https://hub.minimax.io/
桌面端(国内版) https://hub.minimaxi.com/
官方定价页 https://minimax.io/price

1.3 官方文档与社区

资源 链接
H3 中文教程页(MiniMax Design) https://design.minimaxi.com/h3
本地部署文档(中文) https://platform.minimaxi.com/docs/guides/local-deploy-h3
本地部署文档(英文) https://platform.minimax.io/docs/guides/local-deploy-h3
官方 Discord 社区 https://discord.com/invite/MiniMax
官方 X 账号 https://x.com/MiniMax_AI
联系邮箱 model@minimax.io

二、模型简介与核心能力

2.1 这是什么

MiniMax H3 是一个通用全模态生成系统:它统一理解由文本、图像、视频、音频组成的多模态上下文,并同时生成带原生立体声音频的视频。得益于面向任务泛化的系统设计,H3 在预训练阶段就具备了广泛的多模态上下文理解与生成能力,能够出色地执行复杂的多模态指令。

2.2 核心能力一览

能力 说明
🎬 文本生视频(T2VA) 纯文本提示词直接生成音视频
🖼️ 首/尾帧控制(FL2VA) 支持 0/1/2 张输入图:无图=文生视频、1 图=首帧或尾帧生视频、2 图=首尾帧生视频
📎 全参照生成(Ref2VA) 最多 9 张图 + 3 段视频 + 3 段音频混合参照,用于角色一致性、视频编辑、动作参照、镜头续写
🔊 原生立体声音频 视频与 32kHz 立体声同步生成,人物说话口型与声音天然对齐
🔄 2K 重生成(H3-Regenerate-2K) 把 768p 结果连同原始上下文送回模型,以原生 2K 重生成,细节更精
🧠 智能上下文理解(H3-Context-IR) 把文/图/视频/音频指令精炼成模型最吃得动的表示,同样的 prompt 出更好的结果

2.3 开源权重的三个组成部分

完整 H3 系统包含三个模块,其中两个已开源、一个提供 API:

模块 状态 作用
H3-Context-IR 未开源(走 API) 理解并精炼多模态输入指令 → 输出结构化的 Context 表示
H3-Base ✅ 开源 基于 Context 表示联合生成 768p 视频 + 立体声音频
H3-Regenerate-2K 未开源(走 API) 把 768p 结果 + 原始上下文送回模型,2K 重生成

MiniMax H3 系统概览(官方图)

▲ 图 1:H3 完整系统三段式流程——Context Understanding(上下文理解)→ Base Generation(768p 基础生成)→ High-Resolution Regeneration(2K 高分辨率再生)


三、模型规格与输入输出

3.1 输出规格(官方)

项目 规格
输出时长 4–15 秒
输出宽高比 支持 21:9、16:9、4:3、1:1、3:4、9:16 等广泛比例
输出分辨率 多种分辨率;开源权重默认短边 768 像素;API 最高 2K
输出帧率 24 FPS
输出音频 32 kHz 立体声
对白语言 稳定支持 11 种:阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语、西班牙语;其他语言也支持(程度不一)

3.2 两个模型变体(Checkpoint)

变体 输入模式 规格
H3-Base-FL2VA 首/尾帧模式 支持 0、1、2 张输入图:无图=文生视频;1 图=首帧或尾帧生视频;2 图=首尾帧生视频
H3-Base-Ref2VA 全参照模式 图片 ≤9 张;视频 ≤3 段(每段 2–15 秒,总时长 ≤15 秒);音频 ≤3 段(每段 2–15 秒,总时长 ≤15 秒);混合输入文件总数 ≤12

⚠️ T2V 和 I2V 使用 FL2VA 扩散模型;R2V 需要独立的 Ref2VA 扩散模型,两者不能互换。

3.3 模型参数(开源权重)

组件 参数
H3-Omni-Transformer 33B 参数稠密单流 Transformer,其中约 13B 位于 AdaLN 相关分支(推理时可缓存预计算、无需加载)
H3-Encoder Qwen3-VL-32B 全量预训练权重,取其第 50 层隐状态
H3-VisualVAE 时序因果视频自编码器,空间压缩 16×、时间压缩 4×、24 通道(f16t4d24)
H3-AudioVAE 左右声道共用同一编解码器,32kHz 音频压缩为 40Hz 速率的潜变量 token
权重精度 BF16(官方混合 BF16/FP32 checkpoint)

四、系统架构详解

MiniMax H3-Base 架构图(官方图)

▲ 图 2:H3-Base 四阶段流程——条件编码 → 打包上下文序列 → 统一生成(33B Omni Transformer 联合去噪)→ 解码输出同步音视频

4.1 架构概览

  • H3-Base 用对应编码器/VAE 编码不同模态,组织成统一打包的多模态序列,用 MM-RoPE(三维多模态旋转位置编码) 捕获 token 间的时空关系,然后整体送入 H3-Omni-Transformer;
  • 文本由 H3-Encoder 编码;视觉输入由 H3-Encoder + H3-VisualVAE 编码;音频由 H3-AudioVAE 编码;
  • H3-Omni-Transformer 联合预测视频和音频潜变量,再由解码器分别解码为视频帧与立体声波形;
  • 原生支持稀疏注意力训练/推理(当前开源版本仅提供全注意力推理,稀疏注意力实现将在未来更新中发布)。

4.2 设计亮点

  • 无模态特定结构的骨干:注意力层与 FFN 层不含模态特定结构,模态特定参数只集中在输入/输出层和 AdaLN 分支,AdaLN 用较低成本提升生成质量;
  • 2K 不用超分模块:通过 in-context 方式让基座模型"重生成"自己的低分辨率结果,可复用原始多模态上下文,恢复小文字、细节等常规超分要"猜"的信息;
  • 推理显存优化:AdaLN 分支参数可预计算缓存,推理部署时无需全部加载。

五、硬件环境要求

5.1 社区验证参考点(官方 FAQ 公布)

配置 说明
12 GB 显存(RTX 3060 级) pruned int8 权重(共约 42 GB 下载),可出带音频的 480p
16–24 GB 显存 很从容,调优后每条几分钟
RTX 5090 / DGX Spark 配 NVIDIA Sol Engine 栈可再快约 4×
Apple Silicon(Mac) 走 MLX(建议 128GB 统一内存)或 16GB 起的 NF4 路线
社区最低方案 压到 5–8 GB 显存 可玩
系统内存 建议 32–64 GB(放不进显存的层从内存调度)
无 GPU 可用 Colab

5.2 SGLang 服务器参考配置(官方)

项目 参考值
GPU 单节点 8 × NVIDIA B200(参考拓扑,非最低要求);Quickstart 也有 4 GPU 命令
精度 官方混合 BF16/FP32 权重,组件常驻
本地磁盘 模型权重约 108 GB(另需下载元数据与输出预留空间)
OS / Python Linux、Python 3.12
依赖工具 git、curl、jq、ffmpeg、NVIDIA 驱动与 CUDA runtime

实际更亲民的部署:4 × H200(Ulysses 4)上 1344×768、124 帧、50 步、5 秒 T2VA,三组平均推理延迟约 75 秒;quality:"high" 的 Cache-DiT 路径约 53.7 秒。


六、部署路径总览

路径 适用场景 接口形态 权重来源
ComfyUI 本地工作流 ⭐ 交互创作、提示词迭代、关键帧与参考素材 可视化节点图与模板库 Comfy-Org 发布的裁剪/量化权重(INT8/NVFP4)
SGLang 自托管 API 可复现的服务器部署、应用集成 异步 /v1/videos API 官方 MiniMaxAI/MiniMax-H3 checkpoint
vLLM-Omni 自托管 API FL2VA+Ref2VA 合并服务、同步 MP4 响应、AMD ROCm 同步与异步 /v1/videos API 官方 checkpoint(社区维护 recipe)
Diffusers Python 管线 开发者脚本化调用 Python API diffusers 自动拉取所需组件
官方 API(最省事) 无需 GPU、直接出 2K REST API MiniMax 托管

七、ComfyUI 本地部署(新手最快路径)

ComfyUI day-0 原生支持 H3,自带工作流模板,无需先搭推理 API,适合快速体验 T2V、I2V 和参考素材驱动工作流。

7.1 环境要求

  • ComfyUI 0.30.0 或更高版本
  • 显存建议 12GB 起步(社区最低 5–8GB 可玩)
  • Windows / Linux / macOS 均可(用 ComfyUI 桌面版最简单)

7.2 安装 ComfyUI

方式 A:桌面版(推荐,Windows 用户最省心)

  1. 到 ComfyUI 官网 https://www.comfy.org/ 下载桌面版安装包;
  2. 安装后启动,进入可视化界面。

方式 B:源码运行(Linux / 开发者)

git clone https://github.com/Comfy-Org/ComfyUI.git
cd ComfyUI
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python main.py

7.3 通过模板库加载 H3 工作流

  1. 启动 ComfyUI(0.30.0+);
  2. 打开 Template Library(模板库)→ Video(视频);
  3. 选择 MiniMax H3 T2V / MiniMax H3 I2V / MiniMax H3 R2V 模板;
  4. 按模型扫描弹窗下载所需文件(来自 Comfy-Org 重打包仓,含扩散模型、文本编码器、两个 VAE 三组件,放进 ComfyUI/models/); - 模型列表没刷新就重启 ComfyUI;
  5. 填写提示词,以及需要的输入图片/视频/音频参考素材;
  6. 在 Resolution Selector 中用 0.98 Megapixels 和 32 的倍数,或 16:9 原生画布直接设 1344 × 768; - ⚠️ 不要选 1.0 Megapixels:会得到 1376×768,超过 H3-Base 的 768×1344 像素面积上限;
  7. 加入队列。正确结果应为 24 FPS 视频流 + 同步立体声音频 的 MP4。

7.4 三种内置工作流

工作流 输入与控制 使用的扩散模型
T2V 描述镜头、运镜、对白、音效和音乐的文本提示词 FL2VA
I2V 输入图片;可选首帧和尾帧 FL2VA
R2V 图片/视频/音频参考素材任意组合 Ref2VA

R2V 提示词引用规则:按连接顺序使用 <Picture 1>、<Video 1>、<Audio 1> 等标签引用输入,并说明每个参考素材负责身份、风格、动作、运镜还是声音。

7.5 分辨率、时长与 Turbo 模式

  • H3-Base 使用 768 像素短边,宽高需对齐到 32 的倍数;1344 × 768 是原生 16:9 画布;
  • 时长按模型的 17k+5 帧网格和 24 FPS 对齐,请求时长可能被调整到有效帧数;
  • FL2VA 示例工作流默认 20 steps;可选 8-step Turbo LoRA 更快,但可能降低动作和音频质量。

7.6 官方模板 JSON(可直接加载)

模板 链接
T2V 模板 JSON https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_minimax_h3_t2v.json
R2V 模板 JSON https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_minimax_h3_r2v.json
Comfy 官方教程 https://docs.comfy.org/tutorials/video/minimax/minimax-h3

八、SGLang 自托管 API 部署

适合需要 HTTP 服务、可复现服务器配置或应用集成 的场景。

8.1 安装固定的 SGLang 源码

H3 早期支持阶段,官方建议固定 commit 保证可复现性。

export MINIMAX_H3_WORKDIR="$PWD/minimax-h3-deploy"
mkdir -p "$MINIMAX_H3_WORKDIR"

git clone https://github.com/sgl-project/sglang.git "$MINIMAX_H3_WORKDIR/sglang"
cd "$MINIMAX_H3_WORKDIR/sglang"
git checkout 2511743bd784e69e5a81ca3d926a000711dae4ab

python3 -m pip install --upgrade uv
uv venv --python 3.12 .venv
source .venv/bin/activate
uv pip install -e "python[diffusion]" --prerelease=allow
uv pip install "huggingface_hub==1.28.0"
sglang --version

8.2 下载固定的 FL2VA checkpoint

export HF_HOME="$MINIMAX_H3_WORKDIR/hf-cache"
export MINIMAX_H3_MODEL_DIR="$MINIMAX_H3_WORKDIR/model"

hf download MiniMaxAI/MiniMax-H3 \
  --revision 42ed227ee7df40d41602854ae760620d6eb651fe \
  --include "model_index.json" "FL2VA/*" \
  --local-dir "$MINIMAX_H3_MODEL_DIR"

--model-path 应指向仓库根目录(model_index.json 所在处),不要指向 FL2VA/ 子目录;SGLang 通过 --model-variant fl2va 选择分区。

8.3 启动 FL2VA 服务

HF_HUB_OFFLINE=1 sglang serve \
  --model-path "$MINIMAX_H3_MODEL_DIR" \
  --model-variant fl2va \
  --num-gpus 8 \
  --tp-size 1 \
  --ulysses-degree 8 \
  --encoder-parallel auto \
  --performance-mode speed \
  --host 127.0.0.1 \
  --port 30010

保持进程运行。首次启动要加载模型并 warmup,可能需数分钟才就绪。

8.4 检查就绪状态

curl --fail --retry 60 --retry-delay 10 --retry-all-errors \
  http://127.0.0.1:30010/health

就绪后返回 {"status":"ok"}。

⚠️ /liveness 只表示 HTTP 进程能接收请求;应使用 /health,模型 warmup 完成前返回 HTTP 503。

8.5 生成、轮询并下载 MP4

video_id=$(
  curl -fsS -X POST http://127.0.0.1:30010/v1/videos \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-H3",
    "prompt": "At night, three cats perform with tiny brass instruments in a warm living room, with movement synchronized to the music.",
    "seconds": 5,
    "task": "t2va",
    "conditions": [],
    "target": {
      "short_edge": 768,
      "aspect_ratio": "16:9",
      "duration_seconds": 5.0
    },
    "num_outputs_per_prompt": 1,
    "num_inference_steps": 50,
    "flow_shift": 12.0,
    "audio_flow_shift": 3.0,
    "seed": 1101
  }' | jq -r '.id'
)
test -n "$video_id" && test "$video_id" != "null"

while true; do
  job=$(curl -fsS "http://127.0.0.1:30010/v1/videos/${video_id}")
  status=$(printf '%s' "$job" | jq -r '.status')
  case "$status" in
    completed) break ;;
    failed)
      printf '%s\n' "$job" | jq . >&2
      exit 1 ;;
    *) sleep 5 ;;
  esac
done

curl -fsS -L "http://127.0.0.1:30010/v1/videos/${video_id}/content" -o minimax-h3-t2va.mp4

ffprobe -v error \
  -show_entries stream=codec_type,codec_name,width,height,r_frame_rate,sample_rate,channels \
  -of json minimax-h3-t2va.mp4

预期结果:非空 MP4,包含一条 24 FPS 的 H.264 视频流 + 一条 32 kHz 的 AAC 立体声音频流。16:9、短边 768 对应 1344×768,时长约 5 秒。

8.6 Ref2VA 服务(第二个进程)

Ref2VA 需要独立的 checkpoint 分区和端口:

# 下载 Ref2VA 分区
hf download MiniMaxAI/MiniMax-H3 \
  --revision 42ed227ee7df40d41602854ae760620d6eb651fe \
  --include "model_index.json" "Ref2VA/*" \
  --local-dir "$MINIMAX_H3_MODEL_DIR"

# 启动 Ref2VA 服务(另一端口)
HF_HUB_OFFLINE=1 sglang serve \
  --model-path "$MINIMAX_H3_MODEL_DIR" \
  --model-variant ref2va \
  --num-gpus 4 \
  --ulysses-degree 4 \
  --performance-mode speed \
  --host 0.0.0.0 \
  --port 30011

九、Diffusers 加载与使用

开发者用 Python 脚本调用最方便。diffusers 用户无需手动下载:ModularPipeline.from_pretrained("MiniMaxAI/MiniMax-H3") 会自动拉取所需组件。

9.1 安装依赖

pip install "torch>=2.4.0" \
  "diffusers>=0.32.2" \
  "transformers>=4.45.0" \
  "safetensors>=0.4.3" \
  "accelerate>=0.34.0" \
  "huggingface_hub>=0.25.0" \
  "numpy>=1.24.0" \
  "Pillow>=10.0.0" \
  "soundfile>=0.12.0" \
  "imageio>=2.34.0" \
  "imageio-ffmpeg>=0.5.0" \
  "av>=11.0.0"

官方文档引用 diffusers 的 minimax-h3 分支获取最新类;若 PyPI 版本尚未包含 H3 类,从源码安装:pip install "git+https://github.com/huggingface/diffusers.git@minimax-h3"

9.2 加载并生成(Python 示例)

import torch
from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained(
    "MiniMaxAI/MiniMax-H3",
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
)
pipe.to("cuda")

result = pipe(
    prompt="A cinematic shot of a robot walking through a neon-lit city at night, rain reflecting on the street.",
    negative_prompt="",
    width=1344,
    height=768,
    num_inference_steps=50,
    guidance_scale=1.0,
    num_frames=124,          # 约 5 秒 @ 24FPS
    seed=42,
    audio=True,              # 同时生成立体声音频
)

result.videos[0].save("output.mp4")
result.audios[0].save("output_audio.wav")

详细加载配方见官方 diffusers 文档: https://github.com/huggingface/diffusers/blob/minimax-h3/docs/source/en/api/pipelines/minimax_h3.md


十、使用教程:四种玩法详解

10.1 文生视频(T2VA,Text-to-Video-Audio)

ComfyUI:加载 MiniMax H3 T2V 模板,填提示词,选 1344×768,队列即可。

API 方式:

curl -fsS -X POST http://localhost:30010/v1/videos \
  -H "Content-Type: application/json" \
  -d '{
    "task": "t2va",
    "prompt": "Cinematic, medium wide shot. A lone astronaut walks across a vast alien desert under two moons, dust kicking up behind her boots, a low synth score building.",
    "conditions": [],
    "target": {
      "short_edge": 768,
      "aspect_ratio": "16:9",
      "duration_seconds": 10
    },
    "seed": 0
  }'

10.2 首帧/尾帧生视频(I2V / FL2VA)

ComfyUI:加载 MiniMax H3 I2V 模板,把首帧图连到 MiniMaxH3ImageToVideo 节点(可选接尾帧)。

API 方式(首帧图以 base64 传入):

curl -fsS -X POST http://localhost:30010/v1/videos \
  -H "Content-Type: application/json" \
  -d '{
    "task": "i2va",
    "prompt": "Continue the scene naturally: the woman turns toward the window and smiles.",
    "conditions": [
      {
        "media": "<BASE64_ENCODED_FIRST_FRAME>",
        "media_type": "image"
      }
    ],
    "target": {
      "short_edge": 768,
      "aspect_ratio": "16:9",
      "duration_seconds": 5
    },
    "seed": 0
  }'

10.3 全参照生视频(R2V / Ref2VA)⭐ 最强玩法

可同时输入图片、视频、音频作为参照,实现角色一致性、视频编辑、动作参照、镜头续写。

ComfyUI:加载 MiniMax H3 R2V 模板,按顺序连接参考素材节点;提示词中用 <Picture 1>、<Video 1>、<Audio 1> 标签引用,并说明各素材承担什么(身份/风格/动作/运镜/声音)。

API 方式:

curl -fsS -X POST http://localhost:30010/v1/videos \
  -H "Content-Type: application/json" \
  -d '{
    "task": "ref2va",
    "prompt": "<Picture 1> provides the character identity and outfit style. <Video 1> provides the camera motion. Continue the story: the hero draws his sword and faces the dragon.",
    "conditions": [
      { "media": "<BASE64_PICTURE>", "media_type": "image" },
      { "media": "<BASE64_VIDEO>", "media_type": "video" }
    ],
    "target": {
      "short_edge": 768,
      "aspect_ratio": "16:9",
      "duration_seconds": 5
    },
    "seed": 0
  }'

10.4 提示词编写技巧(Prompting Guidance)

H3 对 prompt 结构的敏感度高于多数模型——它用完整的多模态语言模型读你的提示词。官方提供两份指南:

指南 链接
base(FL2VA)提示词指南 https://platform.minimaxi.com/docs/guides/h3-prompting-base
reference(Ref2VA)提示词指南 https://platform.minimaxi.com/docs/guides/h3-prompting-reference

结构化提示词三段式(官方推荐结构):

integrated_multimodal_description: [Shot 1] Cinematic, ...(分镜描述:景别、运镜、动作、时间点)
overall_soundscape: A low, resonant hum ...(整体声景:环境声、对白、音效)
non_diegetic_music: Cinematic space-opera orchestral score ...(非叙事配乐:曲风、节奏、情绪)

用 Claude/Codex 等 coding agent 可一键安装官方提示词 skill(共 9 个,含 8 个风格化专用):

bash npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill h3-prompt-writing


十一、完整 2K 工作流(本地 + API 组合)

把本地部署的 SGLang 服务与官方 H3-Context-IR 和 H3-Regenerate-2K API 结合,即可复现直接调用 MiniMax API 的 2K 视频质量。

11.1 配置环境变量

# SGLang 服务地址
SGLANG_DEPLOYMENT_URL="<sglang-deployment-url>"

# MiniMax API(二选一)
# 国内
MINIMAX_API_BASE="https://api.minimaxi.com"
# 国际
# MINIMAX_API_BASE="https://api.minimax.io"

# 平台创建 API key
TOKEN="<token>"

11.2 三步工作流

步骤 做什么 接口
① H3-Context-IR 把原始多模态指令精炼为模型最吃的 Context 表示 /video-generation-v2-h3-context-ir
② H3-Base(本地) 用精炼后的 prompt 在本地生成 768p 音视频 SGLang /v1/videos
③ H3-Regenerate-2K 把 768p 结果 + 原始上下文送回模型,2K 重生成 /video-generation-v2-regeneration

官方仓库 scripts/readme/ 目录提供全部用例(T2VA / I2VA / Ref2VA,768p 与 2K 两条路径)的可直接运行 curl 脚本,每个案例附官方 2K 与 768p 参考输出便于对照验证。

11.3 API 文档直达

接口 国际版文档 国内版文档
创建 H3-2K https://platform.minimax.io/docs/api-reference/video-generation-v2-create https://platform.minimaxi.com/docs/api-reference/video-generation-v2-create
H3-Context-IR https://platform.minimax.io/docs/api-reference/video-generation-v2-h3-context-ir https://platform.minimaxi.com/docs/api-reference/video-generation-v2-h3-context-ir
H3-Regenerate-2K https://platform.minimax.io/docs/api-reference/video-generation-v2-regeneration https://platform.minimaxi.com/docs/api-reference/video-generation-v2-regeneration

十二、许可证与合规说明

许可证:MiniMax H3 Community License Agreement(社区许可协议)

要点 说明
✅ 免费 开源权重免费,本地运行只花自己的硬件和电费
✅ 可商用 免版税商用,三个要点:① 商业产品/服务年收入超过 2000 万美元需另行书面授权(邮件 api@minimax.io,标题 "MiniMax H3 licensing – authorization request");② 使用 H3 的商业产品须界面显著标注 "MiniMax H3";③ 遵守《可接受使用政策》,托管给他人使用须落实合理内容安全措施
✅ 可微调 许可明确覆盖衍生模型且归你所有;社区工具链已就绪(AI-Toolkit 支持 H3 蒸馏训练适配器);再分发需标注修改说明,衍生物仍受社区许可约束
⚠️ 地区限制 权重许可暂不含欧盟、英国、美国、韩国(这些地区生成式视频法规仍在演进);受限地区机构可申请正式授权做合规部署;API 全球可用
⚠️ 重要限制 产出与权重不得用于训练或改进其他(非 H3 系)AI 模型
⚠️ 内容限制 不得违法使用、不得侵犯知识产权与肖像权、不得涉及未成年人伤害、不得用产出伤害他人

十三、常见问题排查

问题 原因与处理
选 1.0 Megapixels 报错 1376×768 超过 H3-Base 768×1344 面积上限;用 0.98 Megapixels 或直接 1344×768
显存不足 OOM 12GB 用 pruned int8 权重(约 42GB 下载);社区最低 5–8GB 方案;系统内存建议 32–64GB 做层调度
/health 一直 503 模型仍在 warmup,等就绪;不要用 /liveness 判断
模型列表不刷新 ComfyUI 重启后再看模板库
R2V 效果差 提示词必须用 <Picture 1>/<Video 1>/<Audio 1> 标签引用素材并说明其角色
想直接出 2K 本地开源权重只出 768p 短边;2K 需走 H3-Regenerate-2K API 或直接 API 生成
想商用被拦 年收入>2000 万美元需书面授权;遵守 AUP 与标注要求
提示词不理想 H3 对 prompt 结构敏感,用官方三段式(integrated_multimodal_description / overall_soundscape / non_diegetic_music)或装官方 h3-prompt-writing skill
对比性能困惑 ComfyUI 用 Comfy-Org 裁剪/量化权重,SGLang 用官方 BF16 checkpoint,两者数值基线不同,不要混用性能结论

十四、参考链接汇总

开源与下载

资源 链接
Hugging Face 权重 https://huggingface.co/MiniMaxAI/MiniMax-H3
魔搭社区 https://modelscope.cn/models/MiniMaxAI/MiniMax-H3
GitHub 仓库 https://github.com/MiniMax-AI/MiniMax-H3
源码 ZIP https://github.com/MiniMax-AI/MiniMax-H3/archive/refs/heads/main.zip

官方文档

文档 链接
中文教程页 https://design.minimaxi.com/h3
本地部署(中文) https://platform.minimaxi.com/docs/guides/local-deploy-h3
本地部署(英文) https://platform.minimax.io/docs/guides/local-deploy-h3
SGLang Cookbook https://docs.sglang.io/cookbook/diffusion/MiniMax/MiniMax-H3
vLLM Recipes https://recipes.vllm.ai/MiniMaxAI/MiniMax-H3
Diffusers 文档 https://github.com/huggingface/diffusers/blob/minimax-h3/docs/source/en/api/pipelines/minimax_h3.md
Comfy 官方教程 https://docs.comfy.org/tutorials/video/minimax/minimax-h3
H3 使用手册 https://platform.minimaxi.com/docs/guides/h3

在线使用与社区

资源 链接
在线 API(国际) https://platform.minimax.io/docs/api-reference/video-generation-v2-create
在线 API(国内) https://platform.minimaxi.com/docs/api-reference/video-generation-v2-create
Web App(国际) https://hailuoai.video/tools/minimax-h3
Web App(国内) https://hailuoai.com/
定价页 https://minimax.io/price
Discord 社区 https://discord.com/invite/MiniMax

免责声明:本文所有命令、参数、数据均整理自 MiniMax 官方 GitHub 仓库 README、官方文档中心与设计站,如官方更新请以仓库最新版本为准。模型权重受 MiniMax H3 Community License 约束,请务必阅读并遵守上游许可证(含地区限制与使用义务)。

评论交流

文章目录