К содержимому
Видео

MiniMax-H3-Longvideos

длинные видео со звуком в ComfyUI из одного сценария

3 мин чтения

Кастомная нода для ComfyUI от автора cmjones1966, которая обходит ограничение модели MiniMax-H3 в 15 секунд и позволяет собирать длинные видеоролики с единой аудиодорожкой. Пользователь пишет сценарий по абзацам-сценам, а нода сама разбивает его на отдельные шоты, рендерит их по очереди с опорой на последний кадр предыдущего отрезка и склеивает в целый ролик. Внутри сохраняется консистентность персонажей и их одежды, а все реплики в кавычках автоматически получают липсинк (синхронизацию движения губ с речью). Инструмент пригодится тем, кто делает в ComfyUI многокадровые истории, диалоги и сюжетные видео без ручной склейки фрагментов.

Ключевые особенности

  • Память персонажей и референсов: через поле character_memory и входы ref_image_1–4 можно задать внешность, одежду и предметы героев, чтобы они не менялись от кадра к кадру.
  • Умная озвучка и липсинк: реплики в кавычках синхронизируются с говорящим персонажем, а шоты без диалогов рендерятся без звука и озвучиваются отдельным фоли-проходом (генерацией фоновых звуков).
  • Сценарные теги управления: прямо под абзацем можно указать действия с одеждой и предметами (hold, release, remove, wear, lift, tear), выход героя из кадра (exit), жёсткую склейку (cut) или длительность шота.
  • Выравнивание цвета и фона: каждый новый шот подгоняется по цвету, контрасту и резкости под предыдущий, чтобы стыки между отрезками не бросались в глаза.
  • Поддержка ускорителей: нода автоматически распознаёт Speed LoRA, Hyperflow и FastH3 без ручной обвязки, а также работает с MiniMaxH3PDDAccApply.

Что можно сделать

  • Собрать диалоговую сцену: описать в одном промпте встречу нескольких персонажей с репликами в кавычках и получить готовый ролик с озвучкой и попаданием в губы.
  • Снять непрерывный сюжет с действиями: использовать теги wear, remove или exit, чтобы герои по ходу сцены надевали или снимали вещи и уходили из кадра.
  • Спланировать раскадровку без рендера: включить режим plan_only, чтобы проверить разбивку сценария на шоты, тайминги и итоговые промпты в выходах script и info до запуска генерации.

Пример

В поле character_memory задаются герои с привязкой к референсам, а в основной промпт пишется сценарий по абзацам (реплики в кавычках озвучиваются):

Sarah : a woman in her twenties, long brown hair, white blouse, black skirt
Dana: a woman in her thirties, short red hair, black blazer, blue shirt, grey trousers

A dim office at night.

Dana walks in and stops at Sarah's desk. "You're still here?" she asks.

Sarah looks up and smiles. "I was waiting for you."

Dana walks out of the room.
exit: Dana
ПодробнееДля работы требуется ComfyUI с нативной поддержкой MiniMax-H3, полный видео-VAE (decoder-only не подходит для продолжения с последнего кадра) и отдельный конвертированный аудио-VAE.
Для лучшего качества автор рекомендует гибридный чекпоинт Minimax-H3-fl2va-ref2va-hybrid-models; при наличии comfyui_controlnet_aux с моделями DWPose референсы автоматически обрезаются по лицу и волосам.
В комплект входят вспомогательные ноды H3 Shot Length (расчёт валидного числа кадров) и H3 Overlay (наложение интро и водяного знака через временный файл на диске без забивания RAM).
Обсудить 0 25

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы3.0 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB3.0 GB
  • 4-bitвеса 0.0 GB3.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # cmjones1966/MiniMax-H3-Longvideos
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download cmjones1966/MiniMax-H3-Longvideos --local-dir ~/models/MiniMax-H3-Longvideos
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к MiniMax-H3-Longvideos
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Промпты для MiniMax H3

Все промпты

Готовые промпты с видео результата: копируйте и пробуйте.

Семья модели

Новые посты про версии MiniMax-H3-Longvideos — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

cmjones1966/MiniMax-H3-Longvideos
Автор
cmjones1966
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии