メインコンテンツへスキップ
見出し画像

雑なComfyUI+MiniMax H3関連メモ

    まゆひらa

    Last update 2026-8-27
    ※ (2026-8-27)  高速化 LoRA（Alibaba PAI 版、Lightx2v版 fl2v 8step v1.0 ）
    ※ (2026-8-25)  動画延長+高解像度（拡張）、動画延長（拡張）、高速化 LoRA、手書き風LoRA（memo）
    ※ (2026-8-22)  Sampler（高速化）、高速化+プレビュー（拡張）、音声リファイン（拡張）
    ※ (2026-8-20)  高速化 LoRA（Lightx2v版 fl2v 768p v1.1 と fl2v 768p SLA v0.1）
    ※ (2026-8-13～18)  ディレクター（拡張）、モデルでのLatent拡大（拡張）、静止画生成（拡張）、顔修正（拡張）、高速化 LoRA（Lightx2v版 ref2v v0.1）、LatentUpscaler のワークフロー
    ※ (2026-8-12) ComfyUI の新規インストールから動画生成までの手順の記事を公開しました。 
    ※ (2026-8-8) w4a8 形式をサポート（VRAM が少ない環境にて推奨）。
    ※ 未検証の情報を含みます。記載の内容は変更される場合があります。
    ※ 関連記事は、ComfyUI の記事一覧にまとめてあります。
    ※ noteの質問箱 へ気軽に声をお寄せください。質問以外のメッセージの方が嬉しいかもしれません。回答は気まぐれなのでご了承ください。


    ■ 概要

    ▼ はじめに

    　本記事は簡易かつ個人的なメモ書きで、ComfyUI 利用者向けの MiniMax H3 に関連する情報を記録しています。

    　記事には不確かな情報が含まれる場合があります。また、使い方等の質問にはお答えすることができませんのでご了承ください。

    ▼  関連記事

    　ComfyUI の新規インストールから動画生成まで、全ての手順をひとつの記事にまとめました。

    　MiniMax H3 で T2V による動画生成の方法は、下記の記事を参照してください。I2V と R2V の記事は準備中です。


    ■ 拡張機能

    ▼ 概要

    　MiniMax H3 向けの拡張機能のうち、目にとまった興味深いものを紹介します。上に追記する形で掲載しています。

    ▼ Comfyui-MMH3-UltimateUpscale

    　映像＋音声が一体化した latent を、時間チャンク分割と空間タイル分割で1タイルずつ再サンプリングすることで、VRAM の少ない GPU でも長尺・高解像度の動画を音声を壊さずアップスケールできる、継ぎ目処理まで含めた拡張機能です。（説明文は Claude による）

    ▼ H3-LongVideos

    　単一のプロンプトを用いて、複数のショットをつなぎ合わせて長い動画を生成できるようにする拡張機能です。

    ▼ ComfyUI-H3-AudioRefine

    　音声のみステップ数を追加してリファインすることができる拡張機能です。

    ▼ ComfyUI-MiniMax-H3-RAVEN-Streaming

    　低ステップによる処理の高速化、省 VRAM 化、生成中のプレビューの機能を持つ拡張機能です。

    ▼ ComfyUI MiniMax H3 Director

    　タイムラインに複数のシーンを並べ、各シーンごとにプロンプトや参照画像・音声・動画を指定して、MiniMax H3で音声付きの動画を一括生成（既存動画の部分編集や、直したい段だけの再生成も可）できるようにする、GUI付きの「多段生成まとめノード」です。（説明文は Claude による）

    　この拡張機能を利用する、第三者によるワークフローもあります。

    ▼ ComfyUI Minimax H3 Latent Upscaler

    　MiniMax H3の潜在を、低解像度→高解像度のペアで学習したニューラルネットで拡大する拡張機能。「低解像度で生成→潜在を拡大→高解像度でrefine」という流れを可能にし、単純な補間で生じるゴーストを避けつつ、高解像度動画の生成時間を短縮します。（説明文は Claude による）

    ▼ MiniMax H3 Image Studio

    　Minimax H3 を静止画の生成に利用します。テキストから画像（t2i）、画像から画像（i2i）や参照編集が可能です。

    ▼ ComfyUI-H3-FaceRefine

    　動画に含まれる顔を検出して再生成することで、小さく映った顔も綺麗にリファインできるようです。

    ▼ ComfyUI-MiniMaxH3FrameInfill

    　動画の途中の任意の区間を指定して、その区間だけを前後とつながるように再生成します。ループ動画の作成、2つの動画をつなぐ映像の生成、インペイント的な区間の差し替え・修復ができるようです。（筆者の文章を Claude に修正してもらいました）

    ▼ ClipProj — MiniMax H3 conditioning from a Qwen3-VL-4B

    　Text Encoder を 32B から4B に差し替えるための変換アダプタ（線形射影行列）。VRAM 使用量を 15.7GB から 5.2GB に低減できるとされています。専用の拡張機能が必要。

    ▼ ComfyUI-MiniMaxH3-Easy

    　MiniMax H3 のワークフローを簡単かつ扱いやすくするためのノードが、いくつか含まれています。

    ▼ ComfyUI-H3-Motion-Context

    　数珠つなぎの要領で、連続した続きの動画を生成する拡張機能です。

    ▼ ComfyUI-MiniMaxH3-SingleFrame

    　動画生成の挙動を利用して静止画を作成するための拡張機能です。画像を編集したり、中間のフレームを作ったりすることができます。

    ▼ MiniMaxH3_LatentUpscaler

    （他の Upscaler もあり、上の方で紹介しています）

    　Latent をアップスケールして Sampler を 2 段階にできる拡張機能です。i2i アップスケールと同じように、小さめの解像度で作成してから大きくすることができます。

    　説明が簡易でワークフローが無いため解読に難儀しましたが、下記画像のような流れかと思われます（見やすくするためモデルの接続を除外）。steps や denoise 等の値がいい加減なので調整が必要です。なお、音声は 1 段目のものをそのまま出力させています（Upscaler を通すことも可能）。

    画像
    2 段階のワークフロー（抜粋）

    　こちらに関して質問箱での要望があり、テストで使用したワークフローを掲載します。上記の画像は、サブグラフ「Sampler for Minimax-H3 (x1.5)」の内容となっています。

    　動画はXに掲載しました。解像度は 1120x640 となっています。

    Tr1dae/ComfyUI-MiniMaxH3_LatentUpscaler でアップスケールしたバージョンです pic.twitter.com/QBJWJVV2SS

    — まゆひらa (@riddi0908) August 4, 2026

    　参考まで、アップスケールを行っていないワークフローも掲載します。

    　動画の解像度は 864x480 です。

    MiniMax H3
    ちょっと聞いてよみんな！昨日さぁ超ヤバいことがあって本当にあり得なくない！？マジでウケるんだけど！ pic.twitter.com/uhteSgx5G7

    — まゆひらa (@riddi0908) August 3, 2026


    ■ 高速化 LoRA

    　2026-8-25 現在、公式のものはまだありませんが、Lightx2v 版が標準的な立ち位置となっています。

    　LoRA を利用する場合は、「Load Diffusion Model → Load LoRA → …」のように最初に挿入します。このときの Diffusion Model は、標準の int8_convrot を推奨します。

    ▼ Alibaba PAI版

    　オリジナルは alibaba-pai/MiniMax-H3-Acc-LoRAs にあります。

    　下記の LoRA を利用するためには、専用の拡張機能が必要である旨が書かれています。

    　下記には Acc-8Step のファイル名を含む版が設置されています。ただし、利用方法についてのコメントが無いので要確認です。

    ▼ Huangzjun版

    ▼ Lightx2v版（SLA）

    　次項の通常版と比べて、ステップあたりのアテンション計算を減らすものです。通常版とは設定が異なるため、指定のワークフローを利用します。

    　動作未確認ながら、ComfyUI-PlagueKind-Nodes（PlagueKind/ComfyUI-PlagueKind-Nodes）にて ComfyUI-H3-SLA-Attention の機能があり、SLA を有効にしてこの LoRA が利用できるかもしれません。

    ▼ Lightx2v版

    ▼ larryvrh版

    ▼ Tutu版

    ▼ joyfox版


    ■ LoRA 以外の高速化

    ▼ ComfyUI MiniMax-H3 SPEED Sampler

    　低解像度からステップを回し始めることで、生成速度を上げることができます。出力は非商用に限定。

    ▼ MiniMax H3 Block Cache (T8)

    　音声と映像を個別判定する安定重視の Block Cache 拡張。出力は変化します。他の Block Cache、EasyCache、LazyCache 等との併用は不可。

    ▼ ComfyUI MiniMax H3 FirstBlockCache

    　高速化幅が大きい Block Cache 拡張。出力は変化します。他の Block Cache、EasyCache、LazyCache 等との併用は不可。

    ▼ EasyCache

    　ComfyUI 標準搭載のノードです。出力は変化します。利用するモデルや設定によってはかなりの品質低下を伴う場合があるため、比較テストを推奨します。

    ▼ 環境の修正について

    　生成を高速化する目的で、以降に紹介する Sage Attention や Sol-Attn を利用する場合は、事前に sageattention と triton-windows のパッケージをインストールする必要があります。

    　可能であれば最初に、 ComfyUI の環境に最新の cu130 向けの PyTorch をインストール（差し替え）してください。PyTorch のバージョンが変わると、一部の拡張機能等で問題が発生する場合があるので注意が必要です。心配な方は別の場所に新規インストールしてください。

    　次に、「About ComfyUI」にて「PyTorch Version」を確認してください。SageAttention のパッケージは「torch 2.9.1 向け」と「torch 2.10 以上向け」、「cu128 向け」と「cu130 向け」で計 4 種類があります。なお、Python のバージョンは 3.10 以上となっています。

    　Git 版の ComfyUI で venv を使用している場合は、下記のバッチファイルでインストールを行うことができます。ダウンロードしたファイルと 一緒に、 ComfyUI インストール先の一つ上のフォルダに置いて実行してください。

    ▼ Sage Attention

    　GPU を選ばない方法で、他の高速化の方法と併用できます。下記の拡張機能をインストールして、「Patch Sage Attention」のノードを挿入して「Auto」を選択することで有効化されます。

    　他には、ComfyUI の起動オプション「--use-sage-attention」を使う方法もありますが、Sage Attention が常時有効となってしまいます。

    ▼ Sol-Attn

    　アテンション自体を高速化するための拡張機能を導入する方法です。GeForce RTX 40xx 以上 または 50xx に限定されます。


    ■ 標準以外のモデル

    　有用かもしれないモデルを紹介します。

    ▼ 軽量モデル1

    　今後の有力候補となる可能性がある小容量の w4a8 形式が、2026-8-8 にサポートされました。video_vae_int8 は既に利用可能です。

    ▼ 軽量モデル2

    　nvfp4 や mixed_int4_int8 あり。int8 や int4 のText Encoder も。

    ▼ 軽量モデル3

    　int8 convrot や nvfp4 の hq 版など。

    ▼ 軽量モデル4

    　50xx 向けの nvfp4 convrot int8 など。

    ▼ 軽量モデル5

    　w4a8_convrot や int4_convrot の Text Encoder あり。

    ▼ GGUF形式

    　Pruned は軽量版。

    ▼ 両対応

    　調整を行い、単体で fl2va と ref2va に対応した実験的モデル。ただし ref2va の性能は劣るとのこと。


    ■ 標準のモデル

    ▼ Comfy Org 版

    　Diffusion Model と Text Encoder は最小の容量のものだけを掲載しています。こちらで十分な品質の動画が生成できます。

    　2026-8-16 現在は、下記以外に Lightx2v 版の高速化 LoRA も掲載されています。

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

      • Diffusion Model

        • minimax_h3_fl2va_pruned_int8_convrot.safetensors (19.5GB)
          t2v、i2v 向け

        • minimax_h3_ref2va_pruned_int8_convrot.safetensors (19.5GB)
          r2v 向け

      • Text Encoder

        • qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors (14.6GB)

      • VAE
        minimax_h3_video_vae_fp16.safetensors (4.84GB)
        minimax_h3_audio_vae_fp32.safetensors (577MB)


    ■ プロンプト

    ▼ 概要

    　MiniMax H3 のプロンプトに関する情報です。これを AI チャットや AI エージェントに与えることで、プロンプトの作成が容易になります。なお、プロンプトにはタイムラインが含まれるので、生成する動画の長さを知らせる必要があります。

    ▼ 基本

    　MiniMax 公式のガイドです。

    ▼ スキル

    　公式リポジトリに含まれる、AI エージェント向けのスキルです。内容を読みとらせて AI チャットでの利用もできるかもしれません。

    ▼ ガイドとプロンプト例

    　生成 AI のクラウドプラットフォームである fal による、プロンプトガイドとプロンプト例（生成した動画付き）です。


    ■ memo

    ▼ 概要

    　仕様や気づいたことなど、ちょっとしたことを書いておきます（予定）。

    ▼ 手書き風ループ用LoRA

    　現在は行き場所が無いのでここで紹介しておきます。

    ▼ フレーム数

    　ノード「MiniMax H3 Image to Video」に入力する「length」はフレーム数そのものです。ただし任意の値ではなく、5+17n（5, 22, 39, 56, …）となっています。動画は 24fps 固定です。

    　本記事で紹介した「ComfyUI-MiniMaxH3-SingleFrame」等を利用して、動画の延長が可能です。

    ▼ 解像度

    　API 経由ではない MiniMax H3 の出力解像度は 1MP（1344x768 等）までとされていて、両辺を 32 の倍数とする必要があります。また、FHD の解像度（1920x1088）でも生成できたとの報告があります。

    　コミュニティでは、低解像度で生成して LTX 2.3 を通して FHD にアップスケールすることで効率化を図った報告があります。その他、32x32 の解像度で生成して、音声のみを取り出す利用方法もあります。


    ■ その他

    　私が書いた他の記事は、メニューよりたどってください。

    　ComfyUIに限定した記事の一覧もあります。

    　記事に関することで何かありましたら、Xの@riddi0908までお願いします。

     
     

    まゆひらa

     
     
    5060Ti (16GB) と 3060 (12GB) を所持。記載が無い限り文章は手書きです。記事に関することは X の riddi0908 までお願いします。質問箱は気まぐれにお返事します。

    あなたへのおすすめ