可以说，最近 AI 视频生成领域又来了一个相当值得关注的模型——MiniMax H3！这一次 MiniMax 直接把 H3 开源了。

它并不是传统意义上只能“输入一句提示词，然后生成一段视频”的普通文生视频模型，而是一套真正的全模态视频生成系统，可以同时理解文本、图片、视频和音频等不同类型的输入，并生成最高 2K 分辨率、最长 15 秒、24FPS、原生 32kHz 立体声音频的视频。

更重要的是，H3 支持文生视频、图生视频、视频生视频以及多模态参考生成等玩法，甚至可以把人物、动作、镜头、声音等多个元素组合起来进行创作。

MiniMax H3 越狱版：开源全模态视频生成模型部署与使用教程

一、模型概述

近期，AI视频生成领域迎来了一款备受关注的开源模型——MiniMax H3。与市面上常见的文生视频模型不同，H3是一套全模态视频生成系统，能够同时理解文本、图片、视频和音频等多种类型的输入，并生成最高2K分辨率、最长15秒、24FPS的视频，同时支持原生32kHz立体声音频。

H3的核心玩法包括：

  • 文生视频：仅凭文字描述生成视频

  • 图生视频：基于图片生成动态视频

  • 视频生视频：对已有视频进行再创作

  • 多模态参考生成：将人物、动作、镜头、声音等多个元素组合创作

二、越狱版说明

真正让开源社区兴奋的，是社区已经推出了针对H3的越狱/去限制版本。相比官方版本，这类第三方修改模型试图减少部分内容限制，让模型在创作场景中拥有更大的自由度-1。

⚠️ 重要提示：越狱模型属于社区第三方版本，并非MiniMax官方发布的“越狱版”。实际使用时请注意模型来源、许可证以及当地法律法规。

三、部署教程

第一步：下载越狱模型

目前较为成熟的适配方案是Heretic/Uncensored文本编码器。之前介绍的INT8 ConvRot版本对小显存电脑适配不佳，因此推荐使用NVFP4版本（约15.7GB），该版本针对低显存机器重新量化，实测单张16GB显卡即可运行H3。

下载渠道：

  1. Huggingface：点击前往

  2. 国内网盘：点击前往

该文件大小与Comfy-Org官方NVFP4编码器相同，可直接替换使用——CLIPLoader只需指向此文件，MiniMax-H3工作流程的其余部分保持不变。

第二步：安装最新版ComfyUI

目前只有最新版本的ComfyUI才内置MiniMax H3的文生视频和图生视频模型。如果已安装过ComfyUI客户端，请务必升级到最新版。

下载地址：

📌 中国大陆用户注意：安装过程中务必开启镜像加速，否则主模型无法在线下载-1。

安装完成后，在左侧模板选项进入模型下载中心，找到MiniMax H3主模型。里面有文生视频、图生视频、视频转视频等多个版本，可根据需要下载。

打开后系统会提示下载多个模型文件：文本编码器、音频编码、VAE、主模型等，点击右侧“全部下载”即可。

下载过程中，需要将第一步下载好的越狱模型放入对应的文件夹：

  • 默认路径：ComfyUI/models/text_encoders

  • C盘默认安装路径：C:\Users\你的用户名\AppData\Local\Comfy-Desktop\ComfyUI-Shared\models\text_encoders

最后在ComfyUI客户端的CLIPLoader中选择越狱模型即可。

第三步：提示词示例

以下是一段完整的提示词示例，可用于生成一支约30秒、电影级质感的中国古代边疆战争电影预告片-1。

整体风格： 史诗级、写实、肃杀、苍凉、紧张、恢弘、电影预告片质感-1。

场景设定： 中国古代北方边疆，塞外荒漠、黄土高原、雄伟古城、烽火台、城墙、关隘。不要出现现代建筑、现代武器、现代服装、现代交通工具-1。

画面要求： 真实电影摄影质感，超高细节，真实人物皮肤与毛发，真实战马，真实盔甲和冷兵器，体积光，烟尘，风沙，火光，冷暖对比，浅景深，电影级调色，IMAX史诗战争片视觉效果。镜头运动自然流畅，避免AI生成感、人物变形、手部异常、武器结构错误。

分镜脚本：

时间段 画面内容
0-4秒 超远景。苍茫的中国北方边疆，夕阳西下，巨大边城矗立荒漠与群山之间，城墙上旌旗狂舞，远处烽火台燃起狼烟。镜头缓慢前推。低沉战鼓声响起，远处传来战马嘶鸣
4-8秒 快速近景。黑色战马在黄沙中高速奔跑，马背上是一名年轻中国古代女将，身着深色重甲，头戴战盔，长发飘动，神情冷峻，手握长刀。镜头从侧面高速跟拍，快速推近女将眼神
8-12秒 城门前。巨大城门缓缓关闭，大量士兵持长刀、长枪、弓箭列阵。女将勒马，战马前蹄扬起嘶鸣，女将拔刀，刀刃闪过寒光
12-16秒 战争爆发。敌军骑兵从荒漠冲锋而来。城墙上弓箭手拉满弓弦，箭矢破空射出，形成密集箭雨-1
16-21秒 高速战争蒙太奇。女将冲入战场挥刀、士兵交锋刀剑碰撞、盾牌被撞击、战马掠过、士兵奔跑、箭矢划过天空，火焰、烟尘、黄沙和旗帜充满整个战场
21-26秒 音乐骤降，战场短暂安静。女将独自骑马立于黄沙中，身后是燃烧的烽火和残破城墙。她缓缓抬起长刀，镜头从背后推进至正面特写
26-30秒 最终高潮。女将率领骑兵发起冲锋，数百匹战马同时奔腾，马蹄震动大地。镜头从低机位升至高空，定格在女将挥刀冲锋的瞬间，画面渐黑，出现标题 「烽火边关」

音乐与音效设计： 开头使用低沉大鼓、低音弦乐、苍凉笛声营造肃杀感；中段战鼓、铜管、弦乐节奏逐渐密集；战争爆发时进入史诗级高潮。全程配合真实战场环境音：战马嘶鸣、马蹄声、风沙声、城门轰鸣、士兵呐喊、刀剑碰撞、弓弦声、箭矢破空声、火焰燃烧声-1。结尾音乐戛然而止，只留下风沙声。音乐必须具有大型历史战争电影预告片的感觉，恢弘、悲壮、紧张、有层次，不要现代流行音乐或电子舞曲。

视觉关键词： 中国古代边疆、塞外古城、战争史诗、女将、战马、古代士兵、重甲、长刀、弓箭、箭雨、城门、烽火、黄沙、荒漠、战旗、刀剑碰撞、骑兵冲锋、电影预告片、史诗战争、写实电影、真实摄影、IMAX、电影级灯光、体积光、浅景深、真实烟尘、动态镜头、强烈视觉冲击。

画面比例： 16:9。

叙事结构（30秒内完整电影预告片）： 边关危机 → 女将出现 → 城门戒备 → 敌军来袭 → 箭雨 → 近身厮杀 → 女将蓄势 → 骑兵冲锋 → 电影标题。

一致性要求： 人物外貌、服装、盔甲、武器和战马在不同镜头之间保持高度一致。动作符合真实人体和真实马匹运动规律。避免卡通感、游戏CG感、廉价特效感和明显AI生成痕迹。