一、先搞懂：本地模式能干嘛
- ComfyUI：搭积木式的 AI 工具，拖节点连起来就能生成图/视频，不用写代码。
- MiniMax H3：顶尖 AI 视频模型，给文字/图片就能生成带声音的短视频（最高 2K、16 秒、原生立体声）。
- 本地模式：把 H3 的模型权重下到自己电脑跑，完全离线、不花 API 钱、数据不出本机。只需要你有一张独立显卡。
前提：ComfyUI 版本必须 ≥ 0.30.0，H3 原生节点从这一版才开始支持。二、装 ComfyUI（两种方式，选一个，链接在下面）方式 A：桌面版（推荐纯新手）
- 官方一键安装器，自动配 Python / PyTorch / CUDA，自动更新，内置模板库。
- 支持 Windows / macOS（不支持 Linux），目前 Beta。
- 下载地址
- 装完在界面里能直接搜 MiniMax H3 模板、能一键更新到最新版。
- 免安装，下载 .7z 解压即用，环境打包在文件夹里，模型目录一眼可见。仅支持 Windows。
- 下载地址：https://github.com/comfyanonymous/ComfyUI/releases
- 进页面拉到 Assets 区，按显卡选：NVIDIA 20 系及以上 → ComfyUI_windows_portable_nvidia.7zNVIDIA 10 系及更早 → ComfyUI_windows_portable_nvidia_cu126.7zAMD → ..._amd.7z；Intel → ..._intel.7z
- 解压后双击 run_nvidia_gpu.bat 启动；若低于 0.30.0，跑 update\update_comfyui_stable.bat 升级。
启动后浏览器开 http://127.0.0.1:8188 即成功。
三、下载并放置 H3 模型（本地模式最关键的一步）
去哪下：Hugging Face 仓库 Comfy-Org/MiniMax-H3（链接：https://huggingface.co/Comfy-Org/MiniMax-H3），按下面清单下文件。（打不开或不会下载直接丢给workbuddy它会帮你搞定一切）
ComfyUI 桌面版内置"中国镜像"（自动下模型，零操作）
- 安装时勾"启用中国镜像"，首次启动自动下载 H3 模型（pruned 阉割版），不用手动找文件。
显存先认清（决定你能不能跑、跑多快）
- H3 全精度要 123GB 显存，普通人跑不了。
- 官方做了量化 + 动态显存卸载的精简版：最小约 42.5GB，靠"把算力卸到内存"，连 RTX 3060（12GB）这种消费卡都能跑（慢但能跑）。
- 分档：12GB 卡（3060/4060）→ 量化版 + 卸载，先跑 5 秒小样；24GB 卡（4090）→ 较流畅；多卡 / 80GB 卡 → 可冲 2K。
模型文件清单与放置目录
ComfyUI/models/├── diffusion_models/│ ├── minimax_h3_fl2va_pruned_int8_convrot.safetensors # T2V/I2V 用│ └── minimax_h3_ref2va_pruned_int8_convrot.safetensors # R2V 用（单独约19.5GB）├── text_encoders/│ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors # 两种模式共用└── vae/├── minimax_h3_video_vae_fp16.safetensors # 共用└── minimax_h3_audio_vae_fp32.safetensors # 共用- 只下一套也行文生/图生视频下 fl2va；参考生视频下 ref2va。文本编码器 + 双 VAE 两种模式共用，必须下。
- 路径差异：桌面版：C:\Users\你的用户名\AppData\Roaming\ComfyUI\models便携版：解压目录里的 ComfyUI/models（就在眼前）
- 在 ComfyUI 模板库搜下面关键词，导入对应 JSON：MiniMax H3 T2V → 文生视频（只写文字）MiniMax H3 I2V → 图生视频（给首帧图）MiniMax H3 R2V → 参考生视频（给图/视频/音频）
- 不填 API Key（本地模式就是不用它），确认模型节点已选中你放的权重。
- 在提示词框写内容（写法见第五节），可选传首帧图，点运行 / Queue Prompt
- 等进度跑完，右端节点输出带声音的视频文件。
- 帧数小知识：H3 按 24 帧/秒，帧数需满足"除以 17 余 5"（如 124 帧≈5 秒），没有正好 6 秒的视频。
万能公式：场景 + 主体动作 + 镜头运动 + 声音。
- 反面：一只猫（太懒，出片随机）
- 正面：雨后的城市天台，穿深色夹克的人从电脑前起身，镜头从显示器侧后方缓慢推近到半身，衣角被风吹动。保留键盘敲击声、远处城市环境声，不要字幕和 Logo。
参考生视频（R2V）用标签绑定素材：第 1 张参考图、 第 1 段参考视频：
以 的人物作为主体，借鉴 的运动方式，人物开口说话，镜头缓缓推近。
六、常见坑（一眼排查）
- 节点缺失→ ComfyUI 版本太低，升级到 0.30.0+。
- 找不到模型→ 放错目录，对照第三节结构重放（注意 fl2va / ref2va 别混）。
- 显存爆了→ 用量化版 + 动态卸载；先跑 5 秒小样，别一上来长视频。
- 页面空白→ 点右下角Load Default
- R2V 切模式报错→ 只下了一套权重就别乱切另一套。
比如一台Windows + RTX 3060（12GB）台式机：
- 桌面版（comfy.org）或便携版（GitHub Releases 下 nvidia.7z）装好，确认 ≥ 0.30.0。
- 从 Hugging Face 下量化模型，放进 models 对应目录。
- 导入 MiniMax H3 T2V，填提示词，先跑 5 秒小样验证链路通。
#ComfyUI #MiniMaxH3 #AI 视频本地部署 #AI 视频生成 #开源大模型 #本地 AI 部署 #AI 教程 #文生视频
热门跟贴