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。

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。

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。