MiniMax H3 w ComfyUI: natywne procesy pracy, generowanie hostowane i ControlNet

Wybierz generowanie natywne lub hostowane, pobierz proces pracy z pierwszą klatką i mapę plików oraz sprawdź węzły, obszar obrazu i referencje przed rzeczywistym uruchomieniem.

Ten poradnik pomaga wybrać i przygotować przepływ pracy. Został sprawdzony na podstawie podlinkowanej oficjalnej dokumentacji; nie przeprowadzono tutaj instalacji, lokalnego generowania ani testów wydajności sprzętu.

Sprawdzono 2026-10-05 · Autorskie szkice dydaktyczne nie zostały niezależnie wygenerowane. Nie przeprowadzono testów porównawczych szybkości ani jakości.

01. Wybierz rozwiązanie natywne, hostowane lub warunkowanie z kontrolą

Obowiązki w procesach pracy H3
Ścieżka	Za co odpowiadasz	Kiedy używać
Natywny H3 w ComfyUI	Instalacja, pliki modeli, graf węzłów i zasoby obliczeniowe	Gdy potrzebujesz sprawdzić lub dostosować natywny proces pracy.
Hostowany H3 w tym Studio	Materiały wejściowe, do których użycia masz uprawnienia, ustawienia formularza i budżet zadania	Gdy chcesz korzystać z obsługiwanego formularza bez utrzymywania lokalnych wag modelu.
H3 Fun ControlNet	Jego osobna łatka i proces pracy z wideo sterującym	Gdy potrzebujesz udokumentowanej ścieżki warunkowania pozą, głębią lub krawędziami.

Oficjalny przegląd H3 ComfyUI rozróżnia natywne procesy pracy z otwartymi wagami i dostęp hostowany. Natywny obszar obrazu z krótszym bokiem o długości 768 pikseli oraz późniejsze przetwarzanie 2K różnią się od wybrania 2K w tym Studio. Nie przenoś parametru natywnego węzła do hostowanego formularza, który go nie udostępnia.

02. Najpierw sprawdź środowisko, miejsce na dane i licencję

Przed pobieraniem otwórz aktualne oficjalne instrukcje i sprawdź wybrany szablon. Natywny proces pracy wymaga odpowiedniego środowiska obliczeniowego, dużej ilości miejsca na modele i zgodnych węzłów ComfyUI. Ten samouczek nie twierdzi, że konkretny Mac, GPU lub usługa notebooków może go uruchomić.

Zaktualizuj ComfyUI zgodnie z wymaganiami bieżącego szablonu; starsza instalacja może nie zawierać węzłów H3.
Informacje o modelach do pobrania i docelowych folderach odczytaj z tego samego szablonu i jego wersji.
Sprawdź aktualną licencję modelu oraz licencje wszelkich poprawek i niestandardowych węzłów u ich wydawców. Sam dostęp do wag nie oznacza zgody na każdy rodzaj wykorzystania komercyjnego.
Zgody na korzystanie z mediów wejściowych rozpatruj oddzielnie od licencji oprogramowania i modeli.

Obliczenia lokalne nadal wiążą się z kosztami czasu, pamięci masowej i infrastruktury. Generowanie w usłudze hostowanej podlega wycenie wybranej usługi. Żadna z tych opcji nie jest automatycznie bezpłatna.

03. Wczytaj spójny szablon i pasujące do niego pliki

Oficjalny poradnik dotyczący pracy natywnej udostępnia szablony generowania wideo z tekstu, obrazu i materiałów referencyjnych. Zacznij od jednego aktualnego szablonu i dopilnuj zgodności jego modułów wczytujących, wag, kodera tekstu oraz komponentów dekodowania dźwięku i wideo. Dokładne nazwy plików i ścieżki pobierz z tego źródła, zamiast łączyć przypadkowy graf węzłów ze starszymi plikami.

Zadania komponentów szablonu
Komponent	Co sprawdzić
Moduł wczytujący model	Oczekiwany wariant modelu H3 i ścieżkę pliku
Warunkowanie tekstem	Pasujący koder i właściwe pola promptu
Kodowanie i dekodowanie obrazu oraz dźwięku	Wymagane, zgodne ze sobą komponenty dla wybranych mediów
Próbkowanie i wynik	Obszar obrazu w szablonie, ustawienia klatek i miejsce zapisu

Przy pierwszym uruchomieniu zachowaj graf możliwie zbliżony do dostarczonego szablonu. Dodaj jeden materiał referencyjny lub zmień jedno wymaganie promptu dopiero wtedy, gdy podstawowa ścieżka poprawnie się wczyta i da czytelny wynik.

04. Pobierz ćwiczenie z pierwszą klatką oparte na ustalonej wersji

Pobierz jedno ćwiczenie z pierwszą klatką opracowane na podstawie ustalonej wersji oficjalnego szablonu I2V. Zadanie polega na jednym niewielkim ruchu zasłony przy nieruchomej lampie. Pakiet zawiera JSON i instrukcje, ale nie zawiera zdjęć wejściowych, wag ani wygenerowanego wyniku.

Korzystaj z jednej spójnej wersji

Ten graf sprawdzono względem kodu źródłowego ComfyUI v0.33.0. Wszystkie typy backendowe 21 w opracowanym grafie mają tam deklaracje, a jego zserializowane połączenia przechodzą kontrole statyczne. Dokumentacja podaje 0.30.0+ dla rodziny bazowej; nie określa to minimalnej ani maksymalnej wersji wymaganej do uruchomienia tego grafu. Frontend 1.49.6 to jedynie wersja narzędzia, w którym zapisano szablon.

ComfyUI/models/diffusion_models/: minimax_h3_fl2va_pruned_int8_convrot.safetensors
ComfyUI/models/text_encoders/: qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
ComfyUI/models/vae/: minimax_h3_video_vae_int8_convrot.safetensors
ComfyUI/models/vae/: minimax_h3_audio_vae_fp32.safetensors
ComfyUI/models/loras/: minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors

Według metadanych wydawcy cztery podstawowe pliki zajmują łącznie około 40.07 GB, a wraz z przywołanym LoRA — 42.03 GB. Są to rozmiary plików na dysku, a nie wymagania dotyczące VRAM. Turbo jest wyłączone, ale jego moduł wczytujący pozostaje w grafie; przed importem sprawdź odwołania do plików.

Podążaj za połączeniami

1. LoadImage → first_frame
Wybierz zdjęcie lampy i zasłony, do którego masz prawo. Pozostaw last_frame puste.
2. ResolutionSelector → width / height
Zewnętrzny selektor nadpisuje ustawienia kontrolek podgrafu. Najpierw sprawdź podłączone wartości.
3. MiniMaxH3ImageToVideo → BasicGuider
Prompt i pierwsza klatka tworzą warunkowanie pozytywne.
4. MiniMaxH3ImageToVideo → SamplerCustomAdvanced
Podążaj ścieżką reprezentacji latentnej do próbkowania, a nie ścieżką obrazu podglądu.
5. Video / audio VAE decode → CreateVideo → SaveVideo
Zdekoduj wideo i dźwięk oddzielnie, połącz je, a następnie zapisz w output/video z prefiksem h3_lamp_curtain.

Zaimportuj i przygotuj pierwsze ujęcie

Przygotuj własne zdjęcie lampy i zasłony 1344 × 768. Nazwa pliku w pakiecie jest przykładowa; po imporcie wybierz rzeczywisty plik w LoadImage.
Przeciągnij JSON do ComfyUI i rozwiń podgraf I2V. Sprawdź każdy moduł wczytujący model, first_frame oraz puste last_frame.
Zachowaj ustawienia opracowanego ćwiczenia: selektor 16:9, 0.98 MP, wielokrotność 32, czas trwania 5, ziarno 42 oraz turbo_mode=false. Sprawdzony wzór daje 1344 × 768. Wybranie 1.0 MP dałoby zamiast tego 1376 × 768.
Zachowaj dołączony prompt dotyczący zasłony. Po sprawdzeniu środowiska i plików uruchom graf raz i zapisz rzeczywisty wynik. Szablon dopasowuje czas trwania 5 do 124 klatek; 124/24 to około 5.17 sekundy, a nie zmierzony czas trwania zapisanego pliku.

Kontrola statyczna nie potwierdza importu we frontendzie, wczytywania wag, wystarczającej pamięci, działania inferencji ani możliwości odtworzenia dźwięku i wideo. Nie wykonano tutaj uruchomienia ComfyUI ani GPU. Po rzeczywistym uruchomieniu sprawdź lampę, ruch zasłony, zakończenie i dźwięk. Zachowana informacja MIT dotycząca przepływu pracy jest odrębna od warunków dotyczących modelu, mediów i wyników.

Oficjalny szablon w ustalonej wersji · Pliki wydawcy · Zakres walidacji statycznej

05. Przypisz materiały referencyjne i ustal kryteria akceptacji pierwszego ujęcia

Referencja wyglądu, pierwsza lub ostatnia klatka oraz wskazówka na osi czasu pełnią różne funkcje w natywnych przepływach pracy. Kieruj się polami i etykietami wybranego szablonu. Obraz podłączony do punktu kotwiczenia na osi czasu nie staje się automatycznie referencją dostępną dla tekstu w każdym polu promptu; tę różnicę wyjaśnia osobna dokumentacja Add Guide.

Użyj obrazu przedstawiającego latarnię obok zasłony, do którego masz prawo. Pierwszym zadaniem jest jeden niewielki ruch zasłony przy nieruchomej latarni. To krótkie podsumowanie zamysłu pobranego ćwiczenia; dostosuj je do rzeczywistych pól szablonu. Żadna z tych wersji nie została tutaj uruchomiona.

Materiał referencyjny określa wygląd latarni, zasłony i pokoju. Nieruchoma kamera utrzymuje latarnię i zasłonę w kadrze. Zasłona łagodnie kołysze się raz, po czym nieruchomieje. Latarnia pozostaje nieruchoma i świeci stałym, ciepłym światłem. Bez nowych obiektów, nowego ruchu kamery ani zmiany sceny. Zakończ wyraźnie widocznym stanem spoczynku.

Osobno sprawdź ruch, kształt obiektów i zakończenie. W natywnym szablonie wybierz liczbę klatek, obszar obrazu i opcje zapisu; czas trwania w usłudze hostowanej i natywną liczbę klatek ustaw oddzielnie.

06. Traktuj Fun ControlNet jako osobny przepływ pracy

Oficjalna strona Fun ControlNet opisuje osobną poprawkę H3 obsługującą filmy sterujące pozą, głębią lub krawędziami. Korzystaj z opisanych tam metod przygotowania danych sterujących i połączeń poprawki. To inny proces niż przesłanie zwykłego filmu z ruchem do formularza referencji hostowanego H3.

Jeśli potrzebujesz jedynie ogólnej referencji ruchu, dodatkowy przepływ sterowania może być zbędny. Jeśli potrzebujesz jego ścieżki warunkowania, najpierw sprawdź zgodność źródła i wybranej poprawki; wpisanie „sterowanie pozą” w prompcie usługi hostowanej nie instaluje ani nie aktywuje tej poprawki.

ComfyUI: H3 Fun ControlNet

07. Znajdź przyczynę błędu, zanim zastąpisz przepływ pracy

Kontrole przy pierwszym uruchomieniu natywnym
Objaw	Pierwsza kontrola	Następne działanie
Brak węzła H3	Wersja głównego oprogramowania i błędy importu przy uruchamianiu	Zastosuj wymagane przez szablon aktualizacje; nie wybieraj na chybił trafił niepowiązanego pakietu.
Nie znaleziono modelu	Nazwa pliku, ukończenie pobierania i ścieżka modułu wczytującego	Dostosuj pliki i folder do aktualnej oficjalnej listy.
Błąd kodowania lub dekodowania	Zgodność komponentów i typy danych wejściowych	Wróć do spójnego szablonu, zanim dodasz kolejne media.
Błąd pamięci lub wczytywania	Wybrane wagi, obszar obrazu i środowisko obliczeniowe	Sprawdź udokumentowane wymagania; rozważ usługę hostowaną, jeśli utrzymywanie tego środowiska nie jest odpowiednim rozwiązaniem.
Wynik nie odpowiada materiałowi referencyjnemu	Rola danych wejściowych, sprzeczności w prompcie i rzeczywiste połączenia wskazówek	Uprość zadanie do jednej roli i jednej czynności, a następnie sprawdź wynik.

Zapisz wersję szablonu, ustawienia i komunikat błędu. Nie traktuj nieudanego wczytania lokalnego jako dowodu, że model hostowany nie potrafi wykonać zadania, ani powodzenia w usłudze hostowanej jako dowodu poprawnej konfiguracji środowiska lokalnego.

08. Wybierz jeden następny krok zamiast pobierać wszystko

Jeśli chcesz uruchamiać model natywnie, najpierw przeczytaj aktualny oficjalny szablon. Dokładne informacje o wejściach węzłów wskazówek znajdziesz w Add Guide; w przypadku osobno utrzymywanego społecznościowego pakietu Director sprawdź jego własne źródło i wersję. Umiejętność wydawcy do pisania promptów pomaga w redagowaniu, ale nie renderuje.

Jeśli wybierasz usługę hostowaną, wskaż obsługiwane materiały w formularzu Studio i sprawdź wycenę. Ten serwis nie wykonuje Twojego grafu ComfyUI ani nie udostępnia sterowania jego węzłami osi czasu.