1. 为什么选MiniMax H3先搞懂你要搭建的东西是什么最近很多人在群里问MiniMax H3的工作流怎么搭问的人多了我干脆把从0到1的完整过程整理成一篇。MiniMax H3这是目前开源视频生成模型里性价比很高的一条路它同时支持文生视频和图生视频最长可以生成15秒分辨率最高能到1280x720左右画面动态和一致性都到了一个可用的水平。更关键的是它是开源模型可以本地部署这就意味着你可以把它接进ComfyUI像搭积木一样把视频生成流程做成一套可视化工作流。这条工作流适合谁如果你已经玩过一段时间的Stable Diffusion熟悉文生图的基本逻辑那ComfyUI里的节点你大概率不会陌生。如果你是纯新手从没打开过ComfyUI那看这篇文章也够用我会把每个节点在干什么、为什么要这样连话都讲明白。我默认你有一块NVIDIA显卡显存别低于16G最好是带量化版本的H3模型否则跑起来会很吃力。先说清楚一件事ComfyUI不是传统软件里那种填表单式的界面它的核心操作就是拖节点、拉连线。你把模型加载节点、提示词编码节点、采样器节点、解码节点一个个摆出来再用线串起来一条视频生成流程就算搭好了。这个思路本身不难难的是理解每个节点到底在做什么。这篇文章的主线就是把这条链路里的每一个环节拆开给你看再给你一套可以直接抄作业的搭建方案。2. 环境准备清单整合包、模型与配置推荐2.1 新手建议直接用整合包这不丢人我看到太多人一上来就纠结要不要自己从官方源装ComfyUI其实没必要。对于大多数新手直接找一个成熟的整合包是效率最高的选择。国内社区最常见的秋叶一键整合包本质就是把ComfyUI本体、Python依赖、常用自定义节点、模型管理器都打包好了你下载解压之后基本就能跑省去了命令行安装依赖的折腾。我不是说官方安装方式不好而是从踩坑概率来说整合包能帮新手避开90%的环境问题。等你跑通了第一条工作流再回头去研究手动安装也不迟。装完之后你会看到一个浏览器画布左侧是节点库、中间是画布、右侧是参数面板这就是你的工作区。2.2 下载模型看清版本量力而行MiniMax H3的模型文件一般有好几个版本我推荐按自己的能力选。原生高精度版本体积非常大对显存量要求很高如果你的显卡不是40系以上大显存卡建议直接选NVFP4这种量化版本。量化版本体积小、显存占用低画质损失在可接受范围内这也是目前社区里流传最广、问得最多的版本。下载的时候注意看文件后缀和放置路径。ComfyUI读取模型有固定目录一般放在models/checkpoints里。很多人报错说模型加载不了十有八九是文件放错位置或者是从网盘下载之后后缀名不对比如多了一个.bin后缀。我建议下载完成后先看一眼文件大小如果只有几KB那基本是下载失败别浪费时间继续拖。2.3 三个基础设置国内源、Manager、显存监控装好ComfyUI之后我建议你做三件事再开工。第一切换国内源。ComfyUI在安装自定义节点、下载依赖时会访问GitHub或HuggingFace速度经常让人抓狂。你可以把依赖源切到国内镜像比如ModelScope或者给pip设国内镜像源。这一步能让你后面装节点时少等好几个小时。第二安装ComfyUI Manager。这个管理器的价值是帮你一键搜索、安装和更新自定义节点。你后面导入别人分享的工作流时经常会缺节点插件有了Manager就能在界面上直接补装不用手动去GitHub下载。第三装一个显存监控插件。我在实际使用中遇到过很多次爆显存等到黑屏了才意识到。先装个监控工具能看到每步操作的显存峰值后面排查问题会省很多力气。3. 工作流搭建全程从空画布到第一条视频3.1 先画清楚你的节点链路在动手连线之前先在脑子里把你的工作流画成一条链路。不管是文生视频还是图生视频核心流程都是加载模型 - 准备输入 - 编码 - 采样 - 解码 - 输出。用生活化的类比模型加载节点是把厨师请到厨房输入节点是准备食材编码节点是把食材切好装盘采样器节点是开火炒菜解码节点是装盘上桌输出节点是端给客人。每个节点各司其职连线就是告诉它们按什么顺序配合。MiniMax H3在ComfyUI里一般会提供一组专门节点名字里带MiniMax H3字样。你不用每个都背下来只要理解它对应的就是上面那条链路就好。下面我给你一条图生视频的完整实操路径。3.2 图生视频路线实操图生视频的意思是你给模型一张参考图让它基于这张图的构图、内容、风格生成一段运动画面。第一步在模型中拖入MiniMax H3的模型加载器节点。节点会读取你放在models/checkpoints里的H3模型文件。第二步拖入加载图像节点。你可以点按钮上传一张图片这张图会成为生成视频的参考内容。需要注意H3对输入图片的宽高比有要求最好不要用竖屏超长图或者超宽全景图否则生成结果容易变形。我常用的分辨率区间是448乘704、704乘448这类接近3:4或4:3的构图长边尽量控制在1280以内。第三步把图像输出连接到VAE编码节点让图像从像素空间转换到潜空间。这一步不能省因为H3模型的采样过程是在潜空间完成的。你可能会看到一个叫VAEEncode的节点它就是干这个的。第四步拖出K采样器节点。采样器是整个工作流里参数最密集的地方你需要设置种子数seed、步数steps、引导系数cfg、采样器名称、调度器名称和降噪强度denoise。这一步的参数选择直接决定你最终视频的画面质量我在后面第四部分会展开讲每个参数的作用。第五步把采样器输出连接到VAE解码节点把潜空间数据还原回像素空间得到一个视频帧序列。最后接上一个视频输出节点或者保存视频节点就可以导出成MP4了。对应到节点连线上就是一条模型节点 - CLIP文本编码 - VAE编码 - 采样器 - VAE解码 - 输出节点的链。第一次搭完你可以用一张比较简洁、光影分明的图片试跑观察生成效果。3.3 文生视频路线实操文生视频的区别在于不需要加载图和VAE编码而是用一个空潜空间节点来代替图像输入。换句话说你告诉采样器从一张白纸开始生成怎么画完全靠文字描述来控制。ComfyUI原版里这个节点叫EmptyLatentImage在MiniMax H3的节点组里一般也有对应版本你可以在里面设置宽度、高度和帧数。我自己实测下来文生视频对提示词的要求比文生图高很多。图生视频时参考图承担了大量信息模型只要动起来就行文生视频时画面构图完全靠文字描述不写清楚主体、环境、镜头运动生成结果很容易散。建议把提示词写成镜头语言加主体加场景加氛围的结构比如镜头缓慢推进一位穿红色外套的女性站在雨中的街头霓虹灯光闪烁环境湿润电影感画面运动流畅。3.4 保存与预览别让成果白跑很多新手第一次跑通后发现图片或者视频没有保存到本地其实是因为你还需要一个保存节点。ComfyUI默认只显示预览不会自动落盘。建议输出端接一个带保存功能的节点这样生成的视频会直接写到output目录。如果是视频注意设置好帧率和编码格式我第一次跑出来是一个帧序列文件夹还以为是出错了实际上只要按顺序合成就是一段视频。4. 节点逻辑拆解每个节点在干什么4.1 模型加载节点你的模型是怎么被读进来的模型加载节点在ComfyUI里通常叫CheckpointLoaderSimple在H3的节点组里会有对应实现。这个节点干的事是读取模型文件同时把扩散模型、文本编码器CLIP、变分自编码器VAE三样东西一起加载进来。你可能注意它有两个输出端口分别输出模型和CLIP。为什么这俩要分开因为后面文本编码节点要用CLIP而采样器要用模型各取所需所以节点要提供多个出口。我建议新手不要同时加载多个模型节点。每个模型加载都会占显存同时挂两三个模型看起来方便切换实际是一起挤爆你的显卡。想换模型的时候直接断掉节点重连或者切换模型路径就行。4.2 文本编码与图像编码提示词和参考图如何进入潜空间CLIP文本编码节点英文名通常叫CLIPTextEncode作用是把你写的提示词转换成模型能理解的向量。它需要两个输入一个来自模型加载节点的CLIP一个是你的正负向提示词。注意MiniMax H3这类模型对负向提示词的依赖度其实没有SD那么大。图像编码这块VAE编码节点把像素空间的图片压缩成潜空间的特征。为什么要这样绕一圈因为潜空间的维度远小于像素空间采样器在里面跑速度更快、显存占用更小相当于把一张大图压缩成一份方案草稿等采样完成后再把它放大还原成正式图。这里有个容易踩的坑图像编码前一定要确认参考图分辨率和生成视频分辨率匹配。如果你加载的图是512乘512但采样器输出的分辨率设置成768乘512模型会无所适从出来的画面经常出现拉伸或内容偏移。4.3 采样器参数seed、steps、cfg别再随手乱填采样器是整个工作流里最核心也最容易乱填的地方。先说seed随机种子它决定初始噪声。同一个种子加同样的参数结果可复现。如果你想找满意的画面固定参数只改种子一个个试比全参数乱调高效得多。我习惯把seed理解成这碟菜的随机配料比例单同一张配料单炒出来的菜永远一样。steps采样步数步数越多理论上画面越精细但H3和很多视频模型一样采样到一定步数后收益就锐减了。我平常文生视频用30步左右图生视频用20步上下再高就是纯耗时间画面不会有可感知的提升。cfg引导系数它控制提示词对画面的约束力。cfg太低画面偏离提示词太高画面容易过饱和、失真。MiniMax H3我一般设在4到6之间这个范围是我试错下来比较稳的。denoise降噪强度这个参数也很有意思。图生视频里它控制参考图被保留的程度。denoise低画面就贴近原图运动幅度小denoise高模型自由发挥的空间大运动幅度大但可能偏离原图。我如果想要一段相对安静的镜头就调到0.4左右如果想要大动作、镜头摇晃明显的镜头感就拉到0.7以上。这个参数你多试几次就能找到手感。4.4 VAE解码与视频输出从潜空间回到能看的画面采样器输出的还是潜空间数据必须经过VAE解码节点还原成像素空间。这一步在ComfyUI里很稳定基本不会出幺蛾子但你需要知道一个常见问题如果你的模型加载节点内置的VAE不匹配画面颜色发灰发绿那就需要单独挂一个VAE加载器节点手动指定合适的VAE文件。这个问题在玩SD的时候最常见H3的整合工作流一般已经配好但你如果自己从零搭可能会撞上。输出环节我建议用支持视频封装的节点它可以把帧序列直接合成MP4。有些节点导出的是帧序列文件夹唯一的区别是多了步合成视频的手动操作。别把这个当成故障你的模型没问题只是输出方式不同。5. 高清修复、导演台与进阶玩法5.1 视频高清修复怎么接很多人都想提高H3的输出分辨率。要知道模型本身有推荐分辨率范围直接拉高分辨率很容易崩。常见的做法是先用H3生成基底的视频再做后处理增强。最简单的办法是导入一段生成好的视频把它按帧拆开再逐帧放大。ComfyUI生态里有专门做视频高清修复的节点组合用类似于放大模型配合修复模型的方式先把每一帧超分再合成视频。我个人的建议是不要一上来就追求4K。视频超分比图片超分成本高得多H3生成720p画面做完超分到1080p已经很不错。想要更高画质与其靠后期修复不如在前期就把构图、提示词、采样参数调好。素材本身拍得清晰后期才有意义。5.2 导演台类功能节点的思路MiniMax官方有个导演台的概念在ComfyUI里你也可以通过多个节点组合实现类似效果。核心思路是把一个长镜头拆成多个短镜头每个短镜头有自己独立的提示词、参考图最后拼接起来。这样你在每个节点里都能控制分镜、运动方向和节奏拼出来就是一个有叙事逻辑的短片。它比单个长镜头工作流复杂但一旦搭好复用价值极高。我给自己的建议是先用一个短镜头跑通所有环节再逐个增加镜头节点。5.3 工作流复用与分享JSON导入导出ComfyUI的工作流本质就是一份JSON你的节点位置、连线关系、参数都写在里面。你可以把搭好的工作流导出成JSON文件发给别人。别人拿到之后把JSON拖进ComfyUI画布就能还原整条工作流。这里有一个很多人问的问题导入别人的工作流后节点显示红色报错。这通常是因为你缺对应的自定义节点插件。解决办法是安装ComfyUI Manager在管理界面里扫描缺失节点然后一键安装。里面提到的插件名称跟你下载工作流时原作者使用的版本可能不一样版本差太多也可能报错这时需要更新插件到最新版本。注意导入之后要把模型加载节点里的路径重新指向你自己的模型文件。别人用的文件夹目录不一定和你一样这是新手导入工作流报错的一大来源。我之前收到过很多私信说自己导入后什么都跑不了结果就是模型路径没改。6. 我踩过的坑与排查实录6.1 显存不足生成到一半直接报错这是新手遇到最多的故障画面跑到一半突然报OOM程序卡死。排查思路不复杂看看是不是量化模型如果用的是未量化原版换NVFP4量化版能立刻缓解再看是不是同时开了太多节点特别是同时加载了不用的模型最后可以适当降低输出分辨率。我在自己机器上实测量化版H3在生成720p视频时显存占用相对可控前提是别同时跑其他任务。6.2 生成出来的画面全黑或只有极其微弱的轮廓如果你看到生成结果是黑屏别急着怀疑模型。先检查VAE解码之后是否直接连到了保存节点如果方便把输出接到预览节点上看一下。另一个常见原因是模型加载时CLIP没有正确连接导致提示词根本没传入。我记得一次很典型的经历所有节点都连好了看起来没毛病结果一个细小的连线从输出口连到了输入口旁边提示词就没送进采样器。这种错误很难发现建议在出问题时用鼠标拖动节点重新确认每一条线是否真正连接。6.3 模型加载报错提示找不到文件这个多数是路径或文件名问题。打开模型加载节点查看具体路径确认它指向的文件在你的ComfyUI目录下真实存在。如果你是手动放置的模型注意整个目录路径中尽量不要有中文和特殊符号。我曾在一个中文用户名环境下部署ComfyUI部分插件读取模型路径时直接识别失败后来把所有文件迁到纯英文目录下才解决。6.4 提示词不生效画面完全不听指挥MiniMax H3类模型对提示词的响应机制和Stable Diffusion不完全一样。H3更轻文笔渲染表达更重视画面元素描述本身。我试过用很文学化的描述比如孤独的城市模型茫然无措换成夜晚城市街道一个人影站在路灯旁冷色调效果就出来了。另外注意不要写太多互相矛盾的限定词一段画面里同时塞十几种元素模型只会抓主要的那几个。6.5 常见问题速查表问题现象可能原因解决建议生成到一半爆显存模型版本太大、分辨率太高换NVFP4量化版、降低分辨率画面全黑或灰蒙VAE不匹配、连线松动检查连线、换合适VAE模型加载失败路径不对、文件损坏确认路径、重下模型导入工作流节点红色缺自定义节点插件用Manager一键安装缺失节点画面变形或拉伸参考图与输出分辨率不匹配保持宽高比一致生成结果不听提示词描述过于抽象或元素冲突用具体画面元素替换抽象词汇排除问题有个笨但有效的方法从模型加载节点开始顺着链路逐个断开重连。哪一步断开后报错消失问题就在哪一步附近。比对着日志猜来猜去快得多。7. 最后分享两个小经验搭H3工作流这事第一次跑通可能只要半小时但把画面调到满意可能需要一周。别急着追求复杂的导演台工作流先把你自己的文生视频、图生视频两条线跑顺生成出的素材存好再考虑后期拼接。我在实际操作中还有一个体会生成视频的时间成本和算力成本比图片高太多了所以请你务必养成先在小分辨率小帧数试跑的习惯。确认效果满意了再上最终的分辨率和长度。不要一上来就生成1280乘720加15秒调一次参数就等十几分钟效率太低。这篇内容如果你能照着搭通就已经把ComfyUI里最核心的节点逻辑掌握了大半。后面无论换成其他模型还是尝试更复杂的工作流底层思路都不会变。