MiniMax H3 从零到出片部署、提示词与社区资源一站整理【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3MiniMax H3 是全模态视频生成系统统一理解文本、图像、视频与音频组成的上下文生成最高 2K 分辨率、15 秒、带原生立体声音频的视频。读完这篇你能拿到模型下载命令、768p 部署路径、两份提示词指南、2K 升级流程和全部求助渠道。1. 最短部署路径把 MiniMax H3 跑起来先克隆代码仓库文档、许可和请求脚本都在里面模型权重按所用框架单独下载git clone https://gitcode.com/MiniMax-AI/MiniMax-H3三种方式下载 MiniMax H3 模型权重SGLang / vLLM下载原始检查点覆盖 FL2VA文本、首尾帧生视频与 Ref2VA多模态参考生视频两个任务家族hf download MiniMaxAI/MiniMax-H3 --include model_index.json FL2VA/* Ref2VA/* --local-dir MiniMax-H3只跑文本生视频时把--include换成FL2VA/*即可。每个任务家族都是自包含仓库processor、tokenizer、text_encoder、transformer、视觉与音频 VAE 齐全不用跨目录拼组件。diffusers代码里自动拉取所需组件适合脚本化单机验证from diffusers import ModularPipeline pipe ModularPipeline.from_pretrained(MiniMaxAI/MiniMax-H3)框架选择SGLang、vLLM 适合长期起服务对外提供 APIdiffusers 适合单机快速试跑想可视化操作选 ComfyUI见第 3 节。SGLang 起 768p 服务并复现官方示例sglang serve --model-path MiniMaxAI/MiniMax-H3 \ --num-gpus 4 --ulysses-degree 4 \ --performance-mode speed --model-variant fl2va跑 Ref2VA 时把--model-variant改成ref2va并换一个端口其余参数host、port沿用 README 示例。服务起来后仓库里三个请求脚本可直接复现 768p 出片每条命令对应官方演示结果scripts/readme/reproducible-768p-t2va-request.sh纯文本生视频建议第一条就跑它scripts/readme/reproducible-768p-fl2va-request.sh首帧、尾帧或首尾双图生视频scripts/readme/reproducible-768p-ref2va-request.sh带参考图、视频、音频的生视频2. 写出第一条能用的提示词两份官方指南的分工H3 的提示词和常见文生视频不同除了画面与运镜还要写环境声、音乐和对白因为音频是和视频一起生成出来的不是后期配的。两份指南按输入模式分工docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md基础模式指南解决 t2va / fl2va 下镜头、风格、声音各段怎么写docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md参考模式指南解决 ref2va 里如何用 Picture 1、Video 1 这类占位符指代输入素材并表达复用与参考两种意图指南里还给出分镜式结构[Shot 1] 这种写法第一次写提示词照着抄结构最稳。写的时候对照输出规格4–15 秒、24fps、短边默认 768p、32kHz 立体声对白稳定支持 11 种语言。3. 768p 到 2K跑通之后还能玩什么本地 H3-Base 出 768p要 2K把官方两个 API 接进流程H3-Context-IR 先把自由的多模态上下文整理成结构化中间表示H3-Regenerate-2K 再拿 768p 结果加原始上下文重新生成高清版。以 t2va 为例四段脚本各解决一环scripts/readme/full-2k-t2va-h3-context-ir.sh上下文理解与提示词增强scripts/readme/full-2k-t2va-h3-base.sh调用本地 768p 服务生成scripts/readme/full-2k-t2va-h3-regenerate-2k.sh2K 重生成scripts/readme/full-2k-t2va-reference-2k-result-by-directly-calling-open-platform-api.sh纯 API 直接出 2K 的官方对照结果i2va / ref2va 各有一套同名脚本。2K 不是传统超分重生成时复用原始上下文小字和细节不用靠模型猜。再往外的两件事ComfyUI官方模板库提供 R2V 与 T2V 两套工作流模板可视化点通全流程适合不写代码先验证效果多 GPU 部署--num-gpus与--ulysses-degree保持一致即可增减卡数README 示例为 4 卡序列并行4. 卡住了找谁社区、邮件与许可问答MiniMax H3 Discord 社区#general 聊日常用法与心得#technical-support 提部署、报错类问题#showcase 发作品邮件 modelminimax.io许可申请、商务合作等不便在公开频道问的事docs/QA-about-License.md商业使用、再分发的高频问答提问前先看它能省一轮往返5. 合规速览MiniMax H3 社区许可的关键约束MiniMax H3 Community License Agreement 允许免费使用、修改与分发但注意几条硬约束年营收超 2000 万美元的商业产品须事先取得 MiniMax 书面授权商用产品界面需显示 MiniMax H3 名称不得用模型或其输出来改进其他 AI 模型欧盟、英国、美国、韩国不在默认许可范围内需单独申请。现在就克隆仓库、下载 FL2VA 权重跑通第一条 t2va 请求然后把成片发到 Discord 的 #showcase。【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MiniMax H3 从零到出片：部署、提示词与社区资源一站整理
MiniMax H3 从零到出片部署、提示词与社区资源一站整理【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3MiniMax H3 是全模态视频生成系统统一理解文本、图像、视频与音频组成的上下文生成最高 2K 分辨率、15 秒、带原生立体声音频的视频。读完这篇你能拿到模型下载命令、768p 部署路径、两份提示词指南、2K 升级流程和全部求助渠道。1. 最短部署路径把 MiniMax H3 跑起来先克隆代码仓库文档、许可和请求脚本都在里面模型权重按所用框架单独下载git clone https://gitcode.com/MiniMax-AI/MiniMax-H3三种方式下载 MiniMax H3 模型权重SGLang / vLLM下载原始检查点覆盖 FL2VA文本、首尾帧生视频与 Ref2VA多模态参考生视频两个任务家族hf download MiniMaxAI/MiniMax-H3 --include model_index.json FL2VA/* Ref2VA/* --local-dir MiniMax-H3只跑文本生视频时把--include换成FL2VA/*即可。每个任务家族都是自包含仓库processor、tokenizer、text_encoder、transformer、视觉与音频 VAE 齐全不用跨目录拼组件。diffusers代码里自动拉取所需组件适合脚本化单机验证from diffusers import ModularPipeline pipe ModularPipeline.from_pretrained(MiniMaxAI/MiniMax-H3)框架选择SGLang、vLLM 适合长期起服务对外提供 APIdiffusers 适合单机快速试跑想可视化操作选 ComfyUI见第 3 节。SGLang 起 768p 服务并复现官方示例sglang serve --model-path MiniMaxAI/MiniMax-H3 \ --num-gpus 4 --ulysses-degree 4 \ --performance-mode speed --model-variant fl2va跑 Ref2VA 时把--model-variant改成ref2va并换一个端口其余参数host、port沿用 README 示例。服务起来后仓库里三个请求脚本可直接复现 768p 出片每条命令对应官方演示结果scripts/readme/reproducible-768p-t2va-request.sh纯文本生视频建议第一条就跑它scripts/readme/reproducible-768p-fl2va-request.sh首帧、尾帧或首尾双图生视频scripts/readme/reproducible-768p-ref2va-request.sh带参考图、视频、音频的生视频2. 写出第一条能用的提示词两份官方指南的分工H3 的提示词和常见文生视频不同除了画面与运镜还要写环境声、音乐和对白因为音频是和视频一起生成出来的不是后期配的。两份指南按输入模式分工docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md基础模式指南解决 t2va / fl2va 下镜头、风格、声音各段怎么写docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md参考模式指南解决 ref2va 里如何用 Picture 1、Video 1 这类占位符指代输入素材并表达复用与参考两种意图指南里还给出分镜式结构[Shot 1] 这种写法第一次写提示词照着抄结构最稳。写的时候对照输出规格4–15 秒、24fps、短边默认 768p、32kHz 立体声对白稳定支持 11 种语言。3. 768p 到 2K跑通之后还能玩什么本地 H3-Base 出 768p要 2K把官方两个 API 接进流程H3-Context-IR 先把自由的多模态上下文整理成结构化中间表示H3-Regenerate-2K 再拿 768p 结果加原始上下文重新生成高清版。以 t2va 为例四段脚本各解决一环scripts/readme/full-2k-t2va-h3-context-ir.sh上下文理解与提示词增强scripts/readme/full-2k-t2va-h3-base.sh调用本地 768p 服务生成scripts/readme/full-2k-t2va-h3-regenerate-2k.sh2K 重生成scripts/readme/full-2k-t2va-reference-2k-result-by-directly-calling-open-platform-api.sh纯 API 直接出 2K 的官方对照结果i2va / ref2va 各有一套同名脚本。2K 不是传统超分重生成时复用原始上下文小字和细节不用靠模型猜。再往外的两件事ComfyUI官方模板库提供 R2V 与 T2V 两套工作流模板可视化点通全流程适合不写代码先验证效果多 GPU 部署--num-gpus与--ulysses-degree保持一致即可增减卡数README 示例为 4 卡序列并行4. 卡住了找谁社区、邮件与许可问答MiniMax H3 Discord 社区#general 聊日常用法与心得#technical-support 提部署、报错类问题#showcase 发作品邮件 modelminimax.io许可申请、商务合作等不便在公开频道问的事docs/QA-about-License.md商业使用、再分发的高频问答提问前先看它能省一轮往返5. 合规速览MiniMax H3 社区许可的关键约束MiniMax H3 Community License Agreement 允许免费使用、修改与分发但注意几条硬约束年营收超 2000 万美元的商业产品须事先取得 MiniMax 书面授权商用产品界面需显示 MiniMax H3 名称不得用模型或其输出来改进其他 AI 模型欧盟、英国、美国、韩国不在默认许可范围内需单独申请。现在就克隆仓库、下载 FL2VA 权重跑通第一条 t2va 请求然后把成片发到 Discord 的 #showcase。【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考