MiniMax H3实测：8G显存就能跑的开源视频模型，自带原生立体声

MiniMax H3实测：8G显存就能跑的开源视频模型，自带原生立体声

赛博仓鼠｜专注AIGC本地部署实测｜每期分享真实踩坑经验与资源链接

2026年8月3日，MiniMax正式开源了第三代视频生成模型H3。同一天，ComfyUI就上了Day-0原生支持——不需要等第三方插件，更新ComfyUI、下载模型、载入官方工作流，直接开跑。

我第一时间在RTX 3060 12G和RTX 4060 Ti 16G上做了实测，先说结论：

这是目前8G显存能跑的最强开源视频模型，而且自带原生立体声音频——不是后期配音，是生成时就有的。

一、MiniMax H3是什么来头

MiniMax是国内最早做AI视频的公司之一（就是"海螺AI"那家），H3是他们的第三代模型，几个关键数字：

核心差异化：原生音频

市面上99%的开源视频模型（Wan2.2、LTX 2.5、MAGI-2等）生成的是静音视频，音频需要后期用TTS、音效库、BGM拼接。MiniMax H3生成的是带音频的视频——环境声、脚步声、对话、背景音乐，一趟推理全出来。

实测效果：生成一段"雨夜咖啡馆"视频，画面里雨声从窗外传来，咖啡机蒸汽声从吧台方向传来，人物说话时口型基本对齐。虽然口型精度不如专业配音，但对于8G显存就能跑的本地模型来说，这已经是天花板级别。

二、三步部署：比想象中简单

Step 1：确认ComfyUI版本

cd ComfyUI
git pull
# 确认版本 >= v0.30.0（8月3日后）

如果版本低于0.30.0，必须更新。H3的节点是ComfyUI官方内置的，不是第三方插件。

Step 2：下载模型（关键决策点）

H3的模型文件有两种选择：

我的建议：99%的人下INT8量化版就够了。42.5GB虽然也不小，但比完整版少了2/3，画质损失肉眼几乎不可见。

下载地址：

• HuggingFace：https://huggingface.co/minimaxai/minimax-h3
• 魔搭社区（国内加速）：https://modelscope.cn/models/Comfy-Org/MiniMax-H3

模型文件结构：

models/
├── checkpoints/
│   └── minimax-h3/          # 主模型（约40GB）
├── text_encoders/
│   └── minimax-h3/          # 文本编码器
├── vae/
│   └── minimax-h3/          # VAE
└── custom_nodes/            # 工作流文件

Step 3：加载官方工作流

ComfyUI内置了3套H3官方工作流：

1. T2V（文生视频）：输入提示词，直接出视频+音频
2. I2V（图生视频）：上传图片，让它动起来
3. 多参考生视频：最多12份参考素材（9张图+3条音视频）

路径：ComfyUI左侧 Template Library → Video → MiniMax H3 → 选模板 → 点下载模型（如果缺失）→ 运行。

三、不同显卡实测数据

我跑了两种配置，外加社区贡献的实测：

8G显存优化设置

如果你只有8G卡（RTX 4060/3070/3060 8G版本），三个关键设置：

1. 必须选INT8量化版，BF16直接爆显存
2. 分辨率控制在864×480以内，不要强行上1080P
3. 用LoRA加速+节点加速：
   • 下载H3专用加速LoRA（社区已发布）
   • 在ComfyUI工作流里加入"MiniMax H3 Speedup"节点
   • 8步即可出片，20步画质提升有限但时间翻倍

四、三种玩法实测

玩法1：T2V文生视频——最基础

提示词示例：

A woman walking in a rainy street at night, neon lights reflecting on wet pavement, cinematic mood, ambient rain sounds

实测：3060 12G，768×448，10秒，约4分30秒出片。画面稳定性好，雨夜氛围感强，音频里有雨声和环境底噪。

玩法2：I2V图生视频——最实用

上传一张产品图/人像，让它动起来。实测比T2V更稳，因为画面构图已经固定，模型只需要补中间帧。

玩法3：多参考生视频——最灵活

最多支持12份参考素材：

• 图片最多9张（可以控制场景、人物、风格）
• 视频最多3条（可以控制镜头运动、节奏）
• 音频最多3条（可以控制音效风格）

注意：参考素材越多，显存消耗越大。8G卡建议控制在3-5张图+1条参考视频。

五、与现有开源模型的横向对比

一句话总结：

• 要音频+消费级：MiniMax H3是目前唯一选择
• 要画质+生态成熟：继续用Wan2.2或LTX 2.5
• 要未来天花板：等MAGI-2量化版

六、常见问题与排错

Q：提示"NotImplementedError: aten::_int_mm"
→ 用了INT8 convrot权重，换成BF16或重新下载量化包

Q：报错"reshape / patchify_video shape 错误"
→ 宽高没对齐32倍数，改成768×448或864×480

Q：找不到MiniMaxH3ImageToVideo节点
→ ComfyUI版本低于0.30.0，必须升级

Q：生成时显存爆了
→ 降低分辨率、减少参考素材数量、关闭其他程序

Q：音频质量一般，有杂音
→ 正常现象。H3的音频是"原生生成"不是专业录音，适合氛围音和简单对话，不适合音乐MV

七、我整理的网盘资源

考虑到模型文件较大（42.5GB），我先把配置文件+工作流模板+国内加速下载脚本打包了：

• 全套配置文件+工作流+下载脚本：https://pan.quark.cn/s/a7d5cb0d9fbe

网盘内含：

1. ComfyUI v0.30.0+ 升级命令
2. MiniMax H3 官方3套工作流JSON文件
3. 魔搭社区国内加速下载脚本（比HuggingFace快3-5倍）
4. 8G/12G/16G显存优化配置模板
5. H3专用加速LoRA下载地址
6. 常见报错排查手册

网盘不含模型权重（42.5GB太大），但下载脚本已配置好国内镜像源，复制粘贴即可自动下载。

写在最后

MiniMax H3的开源，标志着"带音频的AI视频生成"正式进入消费级显卡时代。虽然它的画质不如Wan2.2、时长不如LTX 2.5、参数规模不如MAGI-2，但8G显存+原生音频这个组合，是目前独一份的。

对于想做短视频、口播视频、氛围片的朋友来说，H3可能是目前最实用的本地方案。

资源汇总：

• MiniMax H3官方页面：https://www.minimaxi.com/
• HuggingFace权重：https://huggingface.co/minimaxai/minimax-h3
• 魔搭社区镜像：https://modelscope.cn/models/Comfy-Org/MiniMax-H3
• 我整理的配置文件+脚本：https://pan.quark.cn/s/a7d5cb0d9fbe

本文首发于CSDN「赛博仓鼠」，转载需授权。实测环境：RTX 3060 12G + RTX 4060 Ti 16G，ComfyUI v0.30.2。