Seednce瞬間不香了！無設備雲端MiniMax-H3 視頻生成一條龍實操全記錄

作者：字節筆記本

日期：2026年8月5日下午2:03

來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點高亮

MiniMax-H3 一條龍部署攻略：本地 4090 或雲端 5090 都可行，用 Grok 自動化 ComfyUI 最爽

整理版摘要

MiniMax-H3 係一個開源視頻生成模型，最近喺 AI 界引起好大迴響，因為佢唔單止效果勁，仲開放權重，令一般用家都有機會喺自己電腦度跑。作者親身實測，用 RTX 4090（24GB）加 64GB RAM 配置，生成一段 6 秒鐘視頻大約需要 184 秒，證明消費級硬件其實都夠玩。佢主要想解決嘅問題係：點樣可以唔使買貴價雲服務，都可以用得到呢個模型？於是佢寫低咗一條龍部署筆記，涵蓋本地 Windows 同雲端 Linux 兩種方案。

本地方案以 ComfyUI 加量化權重為主軸，由安裝環境、下載四個模型文件、放入正確目錄，到啟動服務同用 API 提交任務，步驟寫得好詳細。特別要留意，安裝 PyTorch 時要揀啱 CUDA 版本，否則會行 CPU 版慢到喊；下載權重時亦要記得放啱 ComfyUI/models 嘅子目錄。雲端方案就示範租用 autodl 嘅 RTX 5090，透過夸克網盤掛載權重，再喺瀏覽器訪問 ComfyUI 界面。整體結論係：無論你有冇 GPU，只要跟住呢篇步驟行，都可以成功跑起 MiniMax-H3，而且唔使手動拗節點，因為可以用 Grok 自動化 API 嚟出片。

作者特別強調，以前學 ComfyUI 好花時間，但而家有 Grok 呢類 Code Agent，直接叫佢幫手寫 API 請求就得，真正實現 prompt-to-video。實測用 1344×768、24 steps 設定，雲端 …

結論：MiniMax-H3 喺消費級硬件上可以流暢生成視頻，RTX 4090 只需約 184 秒（6秒片），唔使再羨慕高階卡。
方法：本地用 ComfyUI + 量化權重，跟住官方步驟下載四個模型文件，放到指定目錄，啟動服務即可。
差異：雲端 RTX 5090 每步約 61 秒，一條 20-25 分鐘，速度明顯慢過本地，但係勝在冇硬件限制，適合冇卡嘅用家。
啟發：用 Grok 呢類 Code Agent 可以自動化 ComfyUI API，唔需要自己拗節點，AI 幫你搞掂工作流。
可行動點：想慳時間可以直接參考呢篇筆記，照抄命令；冇 GPU 就租 autodl，配合夸克網盤掛載權重，幾分鐘起好環境。

值得記低

流程 github.com

MiniMax-H3 ComfyUI 官方工作流模板

包含文生視頻（t2v）、圖生視頻（i2v）、角色生視頻（r2v）等模板，下載後放入 ComfyUI/user/default/workflows

連結 huggingface.co

MiniMax-H3 官方 Comfy-Org 權重倉庫

四款量化權重（DiT、text encoder、video VAE、audio VAE）由呢度下載

連結 vrfi1sk8a0.feishu.cn

效果同提示詞參考（飛書文檔）

作者分享更多視頻效果同提示詞示範

整理重點

MiniMax-H3 開源：消費級顯卡都玩得起

MiniMax-H3 係一個開源視頻生成模型，最近話題度好高。作者親身喺自己部機實測，硬件配置係 RTX 4090（24GB）加 64GB RAM，成功生成一段 6 秒鐘視頻，大約需要 184 秒。

消費級顯卡（RTX 4090）已經可以流暢跑 MiniMax-H3，唔使再羨慕專業級 GPU。

作者想解決嘅問題，就係點樣令冇頂級硬件嘅人都可以用到呢個模型。佢試咗兩種方案：本地 ComfyUI 部署同雲端租賃。

本地方案：ComfyUI + MiniMax-H3 量化權重，成本低但步驟多；雲端方案：租 autodl RTX 5090，慳硬件但收費。

整體嚟講，跟住作者嘅筆記，無論有冇 GPU 都可以成功起動，而且仲可以用 Grok 自動化工作流，唔使慢慢學 ComfyUI。

整理重點

本地 Windows 部署：由零到出片

第一步係準備環境：Windows 機、Python/Miniconda、Git、NVIDIA 驅動，如果 GitHub 唔穩陣最好開代理。之後開一個資料夾，git clone ComfyUI。

安裝 ComfyUI 同建立環境 bash

mkdir AI
cd D:\AI
git clone --depth 1 https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
call venv\Scripts\activate.bat
python -m pip install -U pip
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
python -m pip install -r requirements.txt

安裝後一定要驗證 torch.cuda.is_available() 係 True，否則裝咗 CPU 版會慢到喊。

第二步下載四款模型權重，包括 DiT、文字編碼器、視頻 VAE 同音頻 VAE，加埋約 43GB。可以用以下指令逐個下載，記住放啱目錄。

diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors（約 21GB）
text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors（約 16GB）
vae/minimax_h3_video_vae_fp16.safetensors（約 5.2GB）
vae/minimax_h3_audio_vae_fp32.safetensors（約 0.6GB）

權重文件要放喺 ComfyUI/models 嘅對應子目錄（diffusion_models、text_encoders、vae），放錯咗會 load 唔到。

第三步攞官方工作流模板。

工作流模板要放喺 ComfyUI/user/default/workflows，揀啱文生視頻（t2v）或者圖生視頻（i2v）嘅 json。

第四步啟動 ComfyUI，用 --listen 0.0.0.0 可以畀局域網其他機訪問。

啟動 ComfyUI bash

cd D:\AI\ComfyUI
call venv\Scripts\activate.bat
python main.py --listen 0.0.0.0 --port 8188

Grok 呢類 Code Agent 可以幫你自動化 API，唔使自己學 ComfyUI 節點。

最後用 POST /prompt 提交任務，輪詢 /history 攞結果，輸出檔案會喺 output/api_test 目錄。

整理重點

雲端部署：冇 GPU 都照玩

如果手頭冇 GPU，可以租 autodl 嘅雲服務，作者揀咗 RTX 5090，喺控制枱攞 SSH 登入資訊。

SSH 連接雲端 bash

ssh -p 端口號 root@connect.xxx.seetacloud.com

最麻煩嘅係掛載權重，官方建議用公網網盤。作者用夸克網盤，先喺本機將四個 safetensors 傳上去，然後喺 autodl AutoPanel 授權，再下載到 /root/autodl-tmp。

喺夸克網盤上傳四個權重文件
實例開機 → AutoPanel → 公網網盤 → 設定獨立密碼
網頁登入夸克 → F12 → Network → 複製 Cookie 填入 AutoPanel
喺網盤揀文件下載，固定到 /root/autodl-tmp
用 ln -sfn 將模型目錄鏈到 ComfyUI/models

獨立密碼同登入密碼唔同，唔見咗要重新授權，記住要好小心保存。

之後啟動雲端 ComfyUI，喺控制枱開自定義服務攞外網地址，就可以用 Grok 自動化工作流。

雲端 RTX 5090 以 1344×768、24 steps 實測，每步約 61 秒，一條片要 20-25 分鐘。

整理重點

自動化同實測效果：Grok 幫你慳時間

作者特別提到，用 Grok 做 Code Agent，可以直接叫佢寫 API 請求，唔使手動喺 ComfyUI 界面上拗嚟拗去。

用 Grok 自動化 ComfyUI API，真正實現 prompt-to-video，慳返大量學習時間。

API 提交方式好簡單，主要有以下幾個 endpoint：

POST /prompt — 提交工作流
GET /history/{prompt_id} — 輪詢結果
GET /queue — 睇排隊狀態
GET /system_stats — 系統狀態

API 跑完唔會將預覽釘喺工作流節點，要自己去 output 目錄攞片，例如 output/api_test/minimax_h3_00001_.mp4。

實測效果方面，作者提供咗一個飛書文檔，入面有更多視頻示範同提示詞參考。

MiniMax-H3 呢個開源影片模型，用本地消費級顯示卡就可以部署嚟用。

以我部機嘅配置為例，GPU係RTX 4090，24GB，內存是 64GB記憶體，生成一個6秒鐘嘅影片大概要花184秒左右。

本地部署用嘅方案係ComfyUI加MiniMax-H3量化版。

以下係本地部署同雲端使用嘅筆記步驟：

環境準備（Windows）

Python / Miniconda
Git
NVIDIA 驅動（支持 CUDA）
可選：本機代理（如 127.0.0.1:7890），GitHub/HF 不穩時用

步驟1：安裝ComfyUID:

mkdir AI
cd D:\AI
git clone --depth 1 https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
call venv\Scripts\activate.bat
python -m pip install -U pip
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
python -m pip install -r requirements.txt

注意，如果之前裝咗 requirements.txt，可能會裝成 CPU版嘅torch。

一定要確認：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

應該會見到類似：2.x.x+cu128 True。

步驟2：下載4個官方Comfy權重

倉庫地址：

https://huggingface.co/Comfy-Org/MiniMax-H3

目錄結構：

ComfyUI/models/
├── diffusion_models/
│   └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
├── text_encoders/
│   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
└── vae/
    ├── minimax_h3_video_vae_fp16.safetensors
    └── minimax_h3_audio_vae_fp32.safetensors

喺PowerShell/CMD度，按需要改代理。

curl -L --http1.1 --ssl-no-revoke --retry 50 --retry-delay 5 -C - ^
  -o D:\AI\ComfyUI\models\diffusion_models\minimax_h3_fl2va_pruned_int8_convrot.safetensors ^
  https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors

另外3個檔案都係同理，淨係改URL同儲存路徑。

完整嘅4個URL：

# DiT ~21GB
.../diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors

# 文本編碼器 ~16GB
.../text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors

# 視頻 VAE ~5.2GB
.../vae/minimax_h3_video_vae_fp16.safetensors

# 音頻 VAE ~0.6GB
.../vae/minimax_h3_audio_vae_fp32.safetensors

步驟3：工作流：

官方模板（文字生成影片）：

• video_minimax_h3_t2v.json（都可以下載I2V/R2V版本）

放到：

ComfyUI/user/default/workflows/

參考地址：

https://github.com/Comfy-Org/workflow_templates

步驟4：啟動ComfyUI。

cd D:\AI\ComfyUI
call venv\Scripts\activate.bat
python main.py --listen 0.0.0.0 --port 8188

步驟5：用

有咗Grok呢個Code Agent，我哋根本唔使去學ComfyUI，可以自動化嘅話就要行API。

提交方式

POST http://127.0.0.1:8188/prompt
Content-Type: application/json

輪詢：

GET /history/{prompt_id}
GET /queue
GET /system_stats

API跑完不會將預覽釘喺而家打開嘅工作流節點上面。

檔案喺磁碟嘅路徑位置：

D:\AI\ComfyUI\output\api_test\minimax_h3_00001_.mp4   ← API 前綴
D:\AI\ComfyUI\output\video\MiniMax_H3_00001_.mp4      ← UI 模板前綴
D:\AI\ComfyUI\output\video\MiniMax_H3_00002_.mp4--listen 0.0.0.0 後，局域網可直接：

http://192.168.x.x:8188/system_stats
http://192.168.x.x:8188/prompt

雲端RTX 5090部署

手上冇GPU設備嘅話，可以揀租用線上服務商，我用嘅係autodl，揀嘅配置如下：

喺控制枱面板攞登入資料。

控制枱俾嘅命令類似：

ssh -p 端口號 root@connect.xxx.seetacloud.com

用Grok嚟連接。

掛載權重呢part會比較麻煩，官方推薦使用公網網盤。

步驟如下：

1.把本機將4個safetensors傳去夸克，地址，如果你未下載，可以用下面條連結下載權重同：

https://pan.quark.cn/s/3e3f4b5897b0

2. 實例開機 → 快捷工具 AutoPanel → 公網網盤

3. 設定 獨立密碼，呢個同登入密碼唔同，唔見咗要重新授權。

4.夸克授權，喺網頁登入夸克 → F12 → Network → 複製 Cookie → 填入AutoPanel

6. 整理目錄並連結到Comfy：

mkdir -p /root/autodl-tmp/models/{diffusion_models,text_encoders,vae}
# 按實際下載位置 mv 到對應子目錄
ln -sfn /root/autodl-tmp/models/diffusion_models /root/ComfyUI/models/diffusion_models
ln -sfn /root/autodl-tmp/models/text_encoders   /root/ComfyUI/models/text_encoders
ln -sfn /root/autodl-tmp/models/vae             /root/ComfyUI/models/vae

7.啓啟動雲端Comfy

cd /root/ComfyUI   # 或你的新版本路徑
source /root/miniconda3/bin/activate
python main.py --listen 0.0.0.0 --port 6006

8. 外網訪問，去控制面板撳自定義服務。

攞到外網嘅訪問地址。

之後用Grok嚟自動創建ComfyUI嘅工作流編排就得喇。

實測效果。以1344×768、24 steps為例，大約61秒/步，單條大約20至25分鐘。

好多影片效果同提示詞可以參考呢度：

https://vrfi1sk8a0.feishu.cn/wiki/FIWjwgL33ipnkekzk30crmKUnIh

MiniMax-H3 的開源視頻模型本地的消費級顯卡就可以部署使用。

以我的配置為例，GPU為RTX 4090 ，24GB，內存是 64GB生成一個6 秒鐘視頻大概需要花費 184 秒左右。

本地部署採用的方案是ComfyUI + MiniMax-H3 量化。

以下是本地部署和雲端使用的筆記步驟：

環境準備（Windows）

Python / Miniconda
Git
NVIDIA 驅動（支持 CUDA）
可選：本機代理（如 127.0.0.1:7890），GitHub/HF 不穩時用

Step 1：安裝 ComfyUID:

mkdir AI
cd D:\AI
git clone --depth 1 https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
call venv\Scripts\activate.bat
python -m pip install -U pip
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
python -m pip install -r requirements.txt

注意若先裝了 requirements.txt，可能裝成 CPU 版 torch。

務必確認：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

應看到類似：2.x.x+cu128 True。

Step 2：下載 4 個官方 Comfy 權重

倉庫地址：

https://huggingface.co/Comfy-Org/MiniMax-H3

目錄結構：

ComfyUI/models/
├── diffusion_models/
│   └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
├── text_encoders/
│   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
└── vae/
    ├── minimax_h3_video_vae_fp16.safetensors
    └── minimax_h3_audio_vae_fp32.safetensors

PowerShell / CMD，按需改代理

curl -L --http1.1 --ssl-no-revoke --retry 50 --retry-delay 5 -C - ^
  -o D:\AI\ComfyUI\models\diffusion_models\minimax_h3_fl2va_pruned_int8_convrot.safetensors ^
  https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors

另外 3 個文件同理，只改 URL 和保存路徑。

完整四個 URL：

# DiT ~21GB
.../diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors

# 文本編碼器 ~16GB
.../text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors

# 視頻 VAE ~5.2GB
.../vae/minimax_h3_video_vae_fp16.safetensors

# 音頻 VAE ~0.6GB
.../vae/minimax_h3_audio_vae_fp32.safetensors

Step3 工作流：

官方模板（文生視頻）：

• video_minimax_h3_t2v.json（也可下 I2V / R2V）

放到：

ComfyUI/user/default/workflows/

參考地址：

https://github.com/Comfy-Org/workflow_templates

Step4 啓動ComfyUI。

cd D:\AI\ComfyUI
call venv\Scripts\activate.bat
python main.py --listen 0.0.0.0 --port 8188

Step 5：使用

有了Grok這個Code Agent，我們根本不需要去學習ComfyUI，可以自動化要走 API。

提交方式

POST http://127.0.0.1:8188/prompt
Content-Type: application/json

輪詢：

GET /history/{prompt_id}
GET /queue
GET /system_stats

API 跑完不會把預覽釘在當前打開的工作流節點上。

文件在磁盤路徑位置：

D:\AI\ComfyUI\output\api_test\minimax_h3_00001_.mp4   ← API 前綴
D:\AI\ComfyUI\output\video\MiniMax_H3_00001_.mp4      ← UI 模板前綴
D:\AI\ComfyUI\output\video\MiniMax_H3_00002_.mp4--listen 0.0.0.0 後，局域網可直接：

http://192.168.x.x:8188/system_stats
http://192.168.x.x:8188/prompt

雲端 RTX 5090 部署

手頭上沒有GPU設備的，可以選擇租用線上的服務商，我用的是autodl，選擇的配置如下：

在控制枱面板獲取登錄信息。

控制枱給的命令類似：

ssh -p 端口號 root@connect.xxx.seetacloud.com

使用Grok進行連接。

掛載權重這塊會比較麻煩，官方推薦使用公網網盤。

步驟如下：

1.把本機把 4 個 safetensors 傳到夸克，地址，如果你沒有下載可以使用下面的連結下載權重和：

https://pan.quark.cn/s/3e3f4b5897b0

2. 實例開機 → 快捷工具 AutoPanel → 公網網盤

3. 設置 獨立密碼，這個與登錄密碼不同，丟了要重授權。

4.夸克授權，網頁登錄夸克 → F12 → Network → 複製 Cookie → 填入 AutoPanel

6. 整理目錄並鏈到 Comfy：

mkdir -p /root/autodl-tmp/models/{diffusion_models,text_encoders,vae}
# 按實際下載位置 mv 到對應子目錄
ln -sfn /root/autodl-tmp/models/diffusion_models /root/ComfyUI/models/diffusion_models
ln -sfn /root/autodl-tmp/models/text_encoders   /root/ComfyUI/models/text_encoders
ln -sfn /root/autodl-tmp/models/vae             /root/ComfyUI/models/vae

7.啓動雲端 Comfy

cd /root/ComfyUI   # 或你的新版本路徑
source /root/miniconda3/bin/activate
python main.py --listen 0.0.0.0 --port 6006

8. 外網訪問，來到控制面板點擊自定義服務。

獲取到外網的訪問地址。

之後使用Grok來自動創建ComfyUI的工作流編排就可以了。

實測效果。以1344×768，24 steps 為例，約 61 秒/步，單條約 20–25 分鐘。

很多視頻效果和提示詞可以參照這裏：

https://vrfi1sk8a0.feishu.cn/wiki/FIWjwgL33ipnkekzk30crmKUnIh