MiniMax-H3-Turbo

116 00

阿里系呜里科技(Wuli)推出MiniMax-H3-Turbo,基于MiniMax-H3模型做加速优化,把音视频生成压缩至最少4步即可完成。项目提供4步、6步、8步三套变体,开发者可以在速度与生成效果之间灵活取舍。

作者
呜里科技
基础模型
MiniMax H3
MiniMax-H3-Turbo

阿里系呜里科技(Wuli)推出MiniMax-H3-Turbo,基于MiniMax-H3模型做加速优化,把音视频生成压缩至最少4步即可完成。项目提供4步、6步、8步三套变体,开发者可以在速度与生成效果之间灵活取舍。

整套模型原生支持文本生成视频、首尾帧图引导生成两种模式,视频画面与音频同步输出,不需要单独导出音频文件。三个变体在权重结构上存在区别:4步版本采用轻量化LoRA适配器,内置融合后的视频、音频输出投影层;6步与8步版本则是完整Diffusers格式Transformer权重。项目采用MiniMax-H3社区许可协议分发。

官方提供三类预训练权重:

  • turbo-4step:4步LoRA变体,融合音视频输出投影
  • turbo-6step:6步去噪版本,完整Transformer权重
  • turbo-8step:8步去噪版本,完整Transformer权重

4步变体只存放适配器,首次运行会自动拉取MiniMax-H3基础模型组件。最终输出文件为封装H.264视频与AAC音频的MP4,不会单独生成WAV音频文件。

评测对比基准

项目团队将这套MiniMax-H3-Turbo,与Larry v4、LightX2V、FlashGen、DMAD、PAI以及原版50步MiniMax-H3做横向对比。

MiniMax-H3-Turbo

评测集合包含9组提示词、11种模型配置,一共生成99条视频样例。配套演示页面支持同步播放、步数筛选、并排对照,可直接开启音频查看差异。

ComfyUI节点安装与工作流

项目配套开发专属ComfyUI节点包,本地环境可直接调用模型生成音视频并打包为MP4。

1. 节点安装

环境需要CUDA加速的PyTorch。将节点仓库克隆至ComfyUI自定义节点目录,再安装依赖。
通用版本命令:

cd /path/to/ComfyUI/custom_nodes
git clone https://github.com/wuli-art/MiniMax-H3-Turbo-ComfyUI.git
cd MiniMax-H3-Turbo-ComfyUI
python -m pip install -r requirements.txt

Windows便携版使用嵌入式Python执行:

.\python_embeded\python.exe -m pip install -r .\ComfyUI\custom_nodes\MiniMax-H3-Turbo-ComfyUI\requirements.txt

安装完成后重启ComfyUI。依赖版本要求diffusers==0.40.0、transformers>=4.57.0、peft>=0.17.0,升级旧环境需要重新执行依赖安装。

2. 加载工作流JSON

下载对应工作流文件,直接拖拽进ComfyUI界面。

模型变体工作流文件参数调整说明
4步t2va_4step.jsonsteps固定为4
6步t2va_8step.json加载后修改steps参数为6
8步t2va_8step.jsonsteps固定为8

默认参数:seed=42,帧数124,分辨率768×1344。

3. 生成操作

输入提示词,选定采样步数。model_root留空自动下载权重,components_root保持MiniMaxAI/MiniMax-H3。

纯文本生成视频时,断开首帧、末帧输入接口,直接运行工作流。首次启动会自动下载Turbo权重与基础模型组件,成品24fps MP4自动存入ComfyUI输出文件夹。

首尾帧图引导模式,使用fl2va_4step.json或fl2va_8step.json工作流。图像加载节点分别接入first_frame与last_frame;6步版本依旧复用8步工作流,仅修改步数参数。

相关图书

FastH3

FastH3

FastVideo 联合 Nuva Lab、英伟达 FastGen 团队推出 FastH3,一款经过稀疏蒸馏优化、面向商用落地的 MiniMax H3 音视频生成开源模型。在单张 Blackwell 架构 B200 显卡上最高实现14.38 倍推理提速,15 秒 768p 音视频生成耗时不到 13 秒,大幅降低原生 H3 的超长等待时间。
MiniMax-H3-Facial-Realism-CloseUp

MiniMax-H3-Facial-Realism-CloseUp

MiniMax-H3-Facial-Realism-CloseUp 是一款专为 MiniMax H3 模型设计的实验性 LoRA 适配器,显著提升人像特写视频中的面部真实感与微表情细节。
Viggle-Animate

Viggle-Animate

Viggle‑Animate 主打一套特殊的视频角色替换方案:只需要把源视频里某一帧画面,在图像编辑器中修改重绘目标角色,就可以把这个新角色完整扩散到整条视频片段。源视频原本的运动轨迹、相机运镜、时间线全部保留不变。
HyperFlow H3 Flash

HyperFlow H3 Flash

Video Rebirth 开源 HyperFlow H3 Flash,是基于 MiniMax H3(32B)压缩蒸馏得到的少步视频音频一体化模型,参数压缩至约 14B,支持同时输出视频 + 32kHz 立体声,原生适配 ComfyUI,消费级显卡即可部署,在 4 张 B200 上可实现 768p 视频实时生成。