MiniMax H3开源了！带原生音效的AI视频终于能搬进本地，但“2K本地直出”先别急着信

最近AI视频圈又来了一个挺有意思的东西。

MiniMax发布了新一代全模态生成模型H3，并在8月3日正式开放模型权重。它可以同时处理文字、图片、视频和音频，最长生成15秒视频，而且画面、对白、音效和音乐可以一起生成。官方完整方案最高支持2K。

更关键的是，ComfyUI已经跟上了。

文生视频、图生视频、参考图/视频/音频生成，都有对应的工作流。配合Comfy Desktop，普通Windows电脑也可以把H3搬到本地跑。原稿里给出的方案，已经把模型目录、工作流和具体配置路径全部跑通。

看到这里，很多人的第一反应估计都是：

2K、原生声音、还能本地部署，这不就是一台自己的AI视频工作站？

这次确实有点意思。

但“2K本地跑”这几个字，目前得打个星号。

我觉得H3这次最值得关注的，其实不是2K。

它让一套完整度很高的音视频生成能力，真正开始进入个人电脑和自己的工作流。

以前很多AI视频产品就是一个网页：上传图片、输入提示词、点生成，后面的东西全藏在云端。

ComfyUI的玩法完全不同。

图片、参考视频、参考音频、提示词、模型、采样、输出，都可以自己组合。后面还可以继续接放大、批量生成、自动处理以及其他模型。

对于短视频、电商素材、广告创意和游戏内容来说，这种变化很重要。

因为模型开始从一个“在线生成工具”，慢慢变成你自己生产流程中的一个节点。

具体来看，我觉得H3目前最值得关注的就三个地方。

01｜视频和声音可以一起生成

这是H3很核心的一项能力。

以前做AI视频，经常是先生成画面，再配音、找音效、加音乐，最后重新剪辑。H3可以直接把这些放进同一次生成里，官方支持最长15秒、24FPS和32kHz双声道音频。

比如原稿里的太空战机案例，提示词里同时要求战机翻滚、激光爆炸，以及激光声、金属撞击声和爆炸轰鸣。

也就是说，现在描述的已经不是一张“会动的画面”，而是一个完整的视听镜头。

对于短剧、广告、游戏CG这些非常依赖声音氛围的内容，这个能力很实用。

02｜R2V参考生成，才是更狠的地方

H3在ComfyUI里主要有三套玩法：

T2V，文字生成视频；

I2V，图片生成视频；

R2V，也就是Reference to Video（参考生成视频）。

原稿中这三套工作流都已经给出了对应配置。

其中我最看好R2V。

官方最高支持9张参考图片、3段参考视频和3段参考音频。人物长相可以参考图片，动作和运镜可以参考视频，声音还能单独参考。

这就比纯提示词靠谱多了。

以前你写“女孩转身，镜头围绕人物运动”，AI到底怎么理解全看运气。现在可以直接把动作、人物和声音参考扔进去，让AI照着做。

AI视频正在从“靠描述猜”，往“拿参考控制”走。

03｜Comfy Desktop把部署门槛降下来了

以前一说本地AI，很多人先被Python、CUDA、依赖环境劝退。

Comfy Desktop至少把安装这件事简单了很多：安装软件、放好模型、导入工作流，就能直接在图形界面里操作。

但别误会成“一键安装H3”。

H3的模型文件依然很大，真正配置起来还涉及模型版本、显卡、模型目录和工作流选择。

所以它现在更像是：

普通人愿意花点时间，也终于能搭起来了。

而不是完全小白点两下就能用。

夸完了，该泼的冷水还是得泼。

第一，2K目前还没有完全本地化

官方开放的H3-Base本地主要生成768P，2K需要H3-Regenerate-2K，而这个模块目前还没有开放权重，需要调用官方服务。

所以目前更准确的说法是：768P可以完整本地跑，2K仍然需要云端参与。

第二，能跑和跑得舒服是两回事

量化模型确实把显卡要求压下来了，但视频生成依然非常吃显存、内存和时间。

如果只是偶尔做几条视频，云端可能更省事；准备长期、大批量生成，再考虑本地部署更合理。

第三，本地部署依然有学习成本

Comfy Desktop解决了安装门槛，但模型下载、目录、工作流、显卡配置这些东西依然绕不开。

第一次折腾的人，大概率还是要花点时间。

1：MiniMax H3这次最大的变化，是原生音视频生成开始真正进入本地电脑和ComfyUI工作流。

2：现在已经可以本地完成768P音视频生成和复杂参考控制，但完整2K流程依然需要官方云端能力。

3：偶尔玩AI视频的人直接用云端，高频生成、批量生产、需要自己组合工作流的人，H3本地部署才更值得研究。

这次我把H3本地部署最容易踩坑的内容重新整理了一遍。

给大家准备了 《MiniMax H3本地部署配置速查表》+《MiniMax H3配置推荐表》+《MiniMax H3生视频与工作流使用实战手册》，里面会直接告诉你不同预算该选什么CPU、GPU、显存和内存，模型文件怎么放，以及T2V、I2V、R2V三套工作流具体怎么用。

尽量不讲一堆看不懂的参数，照着配置、照着操作就能开始跑。

扫码回复关键词：【MiniMax H3】即可领取。