MiniMax H3 開放影音生成權重，ComfyUI 同步提供可執行工作流

MiniMax 在推出 H3 影音生成模型後，於 8 月 3 日把模型權重放上 Hugging Face，將原先只承諾「數日內開放」的計畫變成可下載成果。H3 可依文字、起始影像或參考素材生成影片，並把畫面與立體聲音訊納入同一次生成流程；這與先產生無聲影片、再串接語音或音效模型的傳統管線不同，時間同步可直接由同一模型處理。

開放權重的實際價值在於工作流已開始落地。ComfyUI 的官方範本庫新增 `video_minimax_h3_i2v.json`，把模型載入、文字編碼、影像條件、採樣與影音輸出節點串成可檢查的圖。開發者因此可以替換採樣器、調整解析度與影格長度，或把 H3 接入既有素材管理及後製流程，而不必依賴 MiniMax 的託管 API。

不過「可下載」不代表一般顯示卡能無條件執行原版。發布首日的社群測試大量使用剪枝、INT8 或旋轉量化衍生檔，有案例在 RTX 4090 Laptop 生成 960×540、5 秒影片約需三分鐘。這類結果證明本地推論可行，卻同時混入量化器、磁碟卸載、節點實作與非官方 checkpoint 的影響；記憶體占用及速度不能直接套用到 BF16 原始權重，更不能據此比較雲端 API 的品質。

研究與產品團隊接下來應核對授權是否涵蓋商業部署、訓練資料及人物生成限制，並建立同提示的 API、原始權重與量化版對照。技術上尤其要測試長片段中的人物一致性、口型與聲音同步、鏡頭切換後的物件保存，以及音訊是否出現幻覺式對白。若社群推論框架能穩定支援，H3 可能成為少數可完整自架、同時生成畫面和聲音的影片基礎模型。