别花钱做视频了：MiniMax 开源 H3

都说天下没有免费午餐，大模型第一个不服。

今天带大家免费用的是——MiniMax H3，一个开源、能本地跑、生成视频还带原声音频的 AI 视频模型。

一、H3 到底牛在哪

2026 年 8 月 3 日，MiniMax 把 H3 的权重放到了 HuggingFace 上。

这玩意儿是什么概念？它是目前开源视频模型里，最全能的一个。

一个模型同时处理四种模态：文本、图片、视频、音频
输出规格吓人：最高 2K 分辨率、最长 15 秒、24 FPS、32kHz 原生立体声音频
玩法多：文生视频、首尾帧生视频、参考图/参考视频/参考音频生成视频
榜单成绩：Artificial Analysis 视频编辑能力项 全球第一

MiniMax H3 系统总览：Context-IR → H3-Base → H3-Regenerate-2K

图片来源：MiniMax H3 GitHub 官方仓库

传统做法里，视频归视频模型管，声音归 TTS 模型管，最后还得人工对齐。

H3 的狠活在于：**它在同一个模型里，把视频和音频一起「画」出来。**不是后期配音，是生成阶段就同步好的。

你可以理解为：以前的 AI 视频是「默片 + 后配字幕」，H3 直接能出「带原声的电影片段」。

这对谁最有用？

做自媒体的：不用到处找无版权 BGM，一条 prompt 出片
做电商的：产品图 → 15 秒种草视频，连配音一起生成
做游戏的：角色立绘 → 动作演示视频，省掉买动作捕捉的钱
做广告的：品牌 logo + 文案 → 完整广告片

一句话：只要你能写 prompt，H3 就把「拍视频」变成「写视频」。

当然，开源不等于全部公开。H3 这次放出来的是 H3-Base 两个 checkpoint（FL2VA 和 Ref2VA），它们负责生成 768p 的音视频。而负责理解复杂多模态指令的 H3-Context-IR 仍是官方托管的 API，负责 2K 超分的 H3-Regenerate-2K 也没在开源包里。

所以本地跑的其实是「导演 + 摄影机」，剧本翻译和后期精修还是得靠官方接口。但对大多数想白嫖的人来说，这套摄影机已经足够拍短片了。

二、小白也能本地跑：4 步出片

别被「33B 参数」吓到。MiniMax 官方把 H3 原生接进了 ComfyUI，而且有专门的量化包。只要你的电脑不是特别老，都能试试。

第 1 步：确认你的电脑能不能跑

最低门槛比想象中低：

显存：12GB 起步（RTX 3060 就能跑）
内存：32GB 起步，推荐 64GB
硬盘：模型文件约 40-60GB，推荐 NVMe 固态
系统：Windows / Linux 均可

第 2 步：安装或升级 ComfyUI

ComfyUI 从 0.30.0 版本开始原生支持 H3。

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
git pull
pip install -r requirements.txt

老用户直接 git pull 升到最新版就行。

第 3 步：从模板库拖工作流

打开 ComfyUI，进入 Workflow → Browse Templates → Video，你会看到三个官方模板：

MiniMax H3 Text to Video（文生视频）
MiniMax H3 Image to Video（图生视频）
MiniMax H3 Reference to Video（参考生视频）

选一个拖进来，点运行，模型会自动从 HuggingFace 下载。

第 4 步：等它跑完

第一次需要下载约 40-60GB 模型文件。下载完成后，输入 prompt 就能出片。

你的显卡	显存	能跑多快
RTX 3060 / 4060	8-12GB	5 秒 480p 约 5-10 分钟
RTX 4070 Ti / 4080	12-16GB	5 秒 720p 约 1-2 分钟
RTX 4090	24GB	12 秒 HD 约 10 分钟
RTX 5090	32GB	10 秒 864×480 约 175 秒

数据来源：社区实测（ComfyUI + INT8/FP8/NVFP4 量化版）。

如果你在国内，HuggingFace 下载慢，可以直接用魔搭 ModelScope 的镜像仓库：

1 2	# ModelScope 下载命令示例（需安装 modelscope 工具） modelscope download --model Comfy-Org/MiniMax-H3 --local_dir ./MiniMax-H3

下载完成后，把 .safetensors 文件放到 ComfyUI 对应的 models/ 子目录里即可。

MiniMax H3 两个官方 checkpoint 对比：FL2VA 与 Ref2VA

图片来源：MiniMax 官方新闻页

FL2VA 适合文生视频、首尾帧控制；Ref2VA 适合角色一致性、风格迁移、动作迁移。新手建议先用 FL2VA 的文生视频模板上手。

第一次跑通后，有两个参数最值得调：

Steps（步数）：默认 20 步画质最好；想快就选 8 步 Turbo 模式
Resolution（分辨率）：768p 最稳，2K 需要更多显存和耐心

建议先用 480p 批量抽卡，挑中喜欢的再拉高分辨率精修。跟打游戏抽 SSR 一个逻辑。

三、为什么 33B 的模型，单卡就能跑

H3 虽然是 33B 参数，但它用了几个关键技巧把显存压下来：

AdaLN 参数缓存：约 13B 参数只在训练时需要，推理时不加载
INT8 / FP8 / NVFP4 量化：把权重从 BF16 压到 4-8 bit
动态卸载：显存不够时，把部分权重临时搬到内存
Turbo LoRA：把生成步数从 20 步降到 4-8 步

这几个手段叠加，让原本需要数据中心集群的模型，现在消费级显卡也能跑。

用生活类比一下：

量化就像把高清电影压成 720p，画质差一点点，但文件小一半
动态卸载 就像书桌太小，先把不常用的书放回书架，要用再拿
Turbo LoRA 就像速写，20 步是素描，8 步是速写，都能看出是啥，但速写更快

还有一个加速神器：SageAttention。官方说开了之后生成速度大概翻倍，质量损失很小。如果你的显卡支持，强烈建议打开。

你可能会问：同样是 MiniMax 开源的模型，为什么之前说的 M3（文本模型）动不动就要 8 张 H100，H3 反而单卡就能跑？

因为它们是两类东西。M3 是 4280 亿参数的 MoE 语言模型，要的是推理速度和上下文长度；H3 虽然是视频模型，但主网络是 33B 稠密 Transformer，加上官方做了大量量化压缩。类比一下：M3 像一台满载 40 吨的重卡，H3 像一辆被拆掉后排座椅的小轿车——后者当然更容易塞进普通车库。

不过要注意：**能跑≠跑得快。**RTX 3060 能出片，但体验更接近「抽卡」；想要舒服地迭代，RTX 4070 Ti 以上更合适。

未来做视频，可能不是先写脚本、再拍素材、再剪辑，而是直接写一段 prompt，等 AI 给你「想」出来。

MiniMax H3 把这个未来提前了一年。

你手里是哪张显卡？跑过 H3 吗？评论区晒配置，咱们比比谁更快。

关注公众号「程序员晚枫」，AI 工具不踩坑。