MiniMax H3 ComfyUI ワークフロー: このテストの前に200GBをダウンロードしないでください

夜中に200GBのウェイトをダウンロードして過ごすこともできるし、ComfyUIのグラフに触れる前に、5分でショットを検証することもできる。それが今、minimax h3 comfyui workflowを探している人への実用的な答えだ。

MiniMax H3がエキサイティングなのは、テキスト、画像、動画、音声によるコンディショニングを、オープンウェイトのローカル実験と組み合わせられるからだ。MiniMaxによると、H3は4～15秒の動画、24FPS、32kHzのステレオ音声、複数のアスペクト比、リジェネレーションによる最大2K出力をサポートしている（MiniMax、2026年8月）。

以下のワークフローでは、3つのビルドを紹介する。雨のコインランドリーのT2Vムードクリップ、透明マウスのI2Vプロダクトクリップ、そしてコミックヒーロー＋メカのRef2Vクリップだ。まずAtlas Cloudを使って、プロンプト、カメラ言語、コストを検証する。その後、ローカルで再利用可能なグラフが必要になったときに、成功した設定をComfyUIに移す。

重要なポイント

• H3にはT2V、I2V/FL2V、Ref2Vのパスがある。
• ローカルのComfyUIはグラフの制御を提供するが、セットアップは重い。
• Atlas Cloudは迅速な5秒検証に便利だ。
• 音声が出ない場合、通常はVAEまたはSaveVideoの配線が原因。
• まず5秒でテストし、その後15秒や2Kにスケールする。

MiniMax H3 T2Vワークフローの結果：公開Atlas H3デモページからの雨のコインランドリーの雰囲気。ソースクリップが10秒超のため、動画として保持。

MiniMax H3 ComfyUIワークフローが注目される理由と、最初の試みが失敗する理由

H3がComfyUIの世界に登場したのは、ビデオ制作者が単なる美しいモーション以上のものを求めていたまさにその時だった。彼らは、プロンプト、最初のフレーム、最後のフレーム、複数の参照画像、動画参照、音声参照を、ジョブごとにパイプライン全体を再構築することなく処理できるグラフを求めていた。

公式のH3リリースでは、その分割が明確に説明されている。FL2VAはテキストから音声・動画への生成とファースト/ラストフレーム生成をカバーし、Ref2VAは同じコンテキスト内の画像、動画、音声を用いた参照ベースの音声・動画生成を処理する。同じリリースでは、音声をRef2VAの唯一の入力にすることはできないとも述べられている。音声は画像または動画の参照と一緒に使用する必要がある。

ほとんどのMiniMax H3 ComfyUIワークフローの失敗した試みは、小さなミスマッチが原因だ。

ComfyUI Wikiでも、同じ運用上の落とし穴が指摘されている。最近のComfyUIビルド、動画と音声の両方のVAE、正しいチェックポイントの選択、384p以上の最小解像度は、オプションの詳細ではない（ComfyUI Wiki、2026年8月）。長時間のローカル実行を行う前に、これらを事前チェックとして扱うこと。

MiniMax H3 ComfyUIワークフロー概要：モード、モデル、価格

H3は、検証中はブラウザタブ内の3つのルートとして扱い、その後ComfyUI内で選択したルートをミラーリングできる。Atlas Cloudは最初のパスをシンプルにする。正確なモデルページを開き、プロンプトを貼り付け、必要に応じて参照をアップロードし、Runボタンを読み、結果を保存する。

パイプラインの所有権、再利用可能なノードグラフ、カスタムの前処理/後処理が必要な場合は、ローカルのComfyUIを使用する。高速な検証パス、ホスト型H3プレイグラウンド、ローカルGPU時間を消費する前の予算の迅速な確認が必要な場合は、Atlas Cloudホスト型H3を使用する。

ステップ1：ComfyUIをアップデートし、MiniMax H3ワークフローを選択する

まずComfyUIをアップデートし、次にテンプレートライブラリでMiniMax H3を検索する。自分が持っていると良いなと思う出力ではなく、自分の入力に一致するワークフローを選択する。

最初のグラフノートにコピーするプロンプト：

PlainCopy
1目標：MiniMax H3ローカル検証。
2モード：プロンプトのみの場合はT2V、ファーストフレームまたはファースト＋ラストフレームの場合はI2V/FL2V、画像/動画/音声の参照が順序付けられている場合はRef2Vを選択。
3チェックポイントルール：T2V/I2V/FL2VにはFL2VA、参照から動画への変換にはRef2VA。
4音声ルール：SaveVideoの前に、ビデオVAEとオーディオVAEの両方を接続する。

設定の選択：最新のComfyUIデスクトップビルドまたはv0.30.0+を使用し、公式のH3テンプレートをインストールし、最初の実行は約5秒に保つ。ローカルベースラインでは、長さを124フレーム（24FPSで約5秒）、ステップ数20、サンプラー res_multistep、スケジューラー simple、デノイズ 1.0 に設定する。

T2V、I2V、Ref2VのMiniMax H3 ComfyUIワークフロールートマップ

MiniMax H3 ComfyUIルートマップ：モデルファイルをダウンロードする前に、T2V、I2V/FL2V、またはRef2Vを選択する。

ステップ2：MiniMax H3 Text-to-VideoでT2Vプロンプトを検証する

H3テキストから動画へのプレイグラウンドを開き、最初に最もシンプルなバージョンを検証する。コインランドリーのプロンプトは、ハンドヘルドカメラの動き、反射、動作中の機械、一貫性のあるサウンドスケープを要求するため、H3の良いテストになる。

コピーするプロンプト：

PlainCopy
15秒の16:9シネマティックな短編動画。雨上がりの深夜のセルフサービスのコインランドリー、蛍光灯が優しくちらつき、洗濯機が回転し、プラスチックのバスケットが床に置かれ、ガラスドアに濡れた反射が映っている。ハンドヘルドの電話映像、微妙なカメラの揺れ、入口から機械に向かってのゆっくりとしたサイドステップのカメラ移動、リアルな露出の呼吸感、テキストなし、字幕なし、ロゴなし。
2
3overall_soundscape: 柔らかい洗濯機のゴロゴロという音、遠くの舗道に降る雨、かすかな蛍光灯のハム音、音楽なし。
4
5non_diegetic_music: なし。

設定の選択：MiniMax H3 Text-to-Video、5秒、16:9、可能であれば2K、可能であれば透かしオフ、UIがシードを公開している場合はシード固定。

プロンプトからホスト型チェック、ComfyUI設定へのMiniMax H3 T2V証明フロー

T2V証明フロー：最初にコインランドリーのプロンプトを検証し、その後設定をComfyUIにコピーする。

ComfyUIマッピング：MiniMaxH3ImageToVideoを使用し、first_frame と last_frame は未接続、幅1280または1344、長さ124、FPS 24、サンプラー res_multistep、スケジューラー simple、ステップ数20。

ステップ3：MiniMax H3 ComfyUI I2Vワークフロー用のファーストフレームを作成する

プロダクト作業の場合は、H3にモーションを要求する前に、クリーンなファーストフレームを生成またはインポートする。良いファーストフレームは、オブジェクト、照明、フレームジオメトリを固定するため、I2Vが発明することを減らせる。

コピーするプロンプト：

PlainCopy
1暗い反射するスタジオ表面上の透明なゲーミングマウス、内部が見える部品、光沢のあるクリアシェル、青いアンビエントグローと暖かい琥珀色のアクセント、斜め上からのマクロプロダクトアングル、微妙な水滴、浅い被写界深度、ロゴなし、字幕なし、余分なオブジェクトなし、16:9。

設定の選択：GPT Image 2テキストから画像へ、高品質、16:9、2048x1152、またはプレイグラウンドで実際にコミットされる最も高い16:9オプション。

透明マウスの例を使用したMiniMax H3 ComfyUI I2Vファーストフレームチェックリスト

ファーストフレームチェックリスト：I2Vの前に、透明マウス、マテリアルの詳細、照明、クリーンな背景を固定する。

ステップ4：そのファーストフレームからMiniMax H3 Image-to-Videoワークフローを実行する

プロダクトの静止画をH3 image-to-videoにアップロードする。プロンプトは狭く保つ：1つのオブジェクト、1つのカメラパス、1つのライトの振る舞い、1つの短いサウンドデザインのアイデア。

コピーするプロンプト：

PlainCopy
1提供されたファーストフレームからの5秒のプロダクトフィルム。透明なゲーミングマウスは同じオブジェクトと形状のまま。カメラは、クリアシェルが青と琥珀色のハイライトを捉えながら、左前から右側面へと滑らかな低軌道を描く。反射が暗い表面を横切って移動し、背景は最小限に保たれ、テキストなし、字幕なし、余分なオブジェクトなし。
2
3overall_soundscape: 柔らかな電子音のハム、中間点での1つの微妙なクリック音、軽いスタジオのルームトーン。
4
5non_diegetic_music: 控えめな低音のシンセパルス、非常に静か。

設定の選択：MiniMax H3 Image-to-Video、ファーストフレームをアップロード、5秒、アダプティブまたは16:9、可能であれば2K、可能であれば透かしオフ。

プロダクトファーストフレームアニメーション用のMiniMax H3 ComfyUI I2Vノードマッピング

I2Vノードマッピング：ファーストフレームを接続し、FL2VAを使用し、オーディオ/ビデオデコードの配線を維持する。

ComfyUIマッピング：LoadImage を first_frame に接続する。FL2Vをテストしているのでなければ、last_frame は空のままにする。Ref2VAではなく、FL2VAチェックポイントを使用する。

ステップ5：複数の参照でMiniMax H3 Reference-to-Videoワークフローを実行する

Ref2Vは、H3が面白くなり、同時に誤用されやすいところだ。最初は小さな順序付けられたセットを使用する：キャラクター、敵対者、出力スタイル。Comfy Cloudノードリファレンスによると、Ref2Vは最大9枚の画像、3本の動画、3つのオーディオクリップを12ファイルの制限内で受け取ることができ、Image 1などのプロンプト内の順序名が重要になる（Comfy Cloud、2026年8月）。

コピーするプロンプト：

PlainCopy
1提供された参照を使用した5秒の16:9コミックブックアクション動画。Image 1は赤いスーパーヒーローのアイデンティティとコスチューム。Image 2は黒いメカの敵のシルエットと光るコア。Image 3は大胆なコミックアクションフレームの方向性。ヒーローが街の屋上から見上げると、メカの姿が彼の後ろに浮かび上がり、赤と青の照明は一貫性を保ち、インクのエッジはシャープなまま、字幕なし、ロゴなし。
2
3overall_soundscape: プラットフォームの屋根に降る雨、遠くの電車のブレーキのきしむ音、濡れたコンクリートの上の柔らかな足音。
4
5non_diegetic_music: 低いサスペンスパッド、最小限。

設定の選択：MiniMax H3 Reference-to-Video、チュートリアルとして明確にするために2～3枚の参照画像、5秒、16:9、可能であれば2K、公開されている場合はシード固定。プロンプト内で参照をファイル名ではなく順序で名前付けする。

コミックヒーロー、メカ敵、出力スタイルのMiniMax H3 Ref2V順序付け参照マップ

Ref2V参照順序：Image 1はヒーロー、Image 2はメカ敵、Image 3は出力アクションフレームのターゲット。

参照チェックポイントとプロンプト順序を使用したMiniMax H3 ComfyUI Ref2Vマッピング

Ref2Vマッピング：Ref2VA チェックポイント を使用し、プロンプトの参照順序をコミックアクションの例と合わせる。

ComfyUIマッピング：Ref2VAチェックポイントを使用する。プロンプトで使用されるのと同じ順序で参照を追加する。音声を追加する場合は、少なくとも1つの視覚的な参照も含める。

ステップ6：MiniMax H3 ComfyUIワークフローをエクスポートまたは保存する

クリップが一度動作した後にのみグラフを保存する。ComfyUIをプログラムで呼び出す予定がある場合は、エディターUIのJSONではなく、API形式のワークフローJSONをエクスポートする。

プロジェクトノート内のリマインダーとしてコピーするプロンプト：

PlainCopy
1ComfyUIエディターのワークフローJSONを/promptに送信しないでください。
2APIワークフローエクスポートを使用してください。
3APIワークフローは、フラットなノードIDキー付きオブジェクトです。
4モデルチェックポイント、オーディオVAE、ビデオVAE、SaveVideo、参照の順序を一緒に保ってください。

設定の選択：モードごとに1つのJSONを保存し、モードと日付を記録したファイル名を使用し、チェックポイント名、期間、解像度、音声配線を含む短いREADMEを保持する。

MiniMax H3 ComfyUI UI JSONとAPIワークフローJSONを説明するレンダリング比較カード

UI ワークフロー JSON はグラフの編集用。 API ワークフローJSONは、ComfyUIの /prompt エンドポイントに送信するフラット化されたノードオブジェクト。

MiniMax H3 ComfyUIワークフローコスト：ローカルGPU vs Atlas Cloud

価格計算は、最初のテストに限っては単純だ。ローカルのComfyUIは、時間、ディスク、GPUメモリ、失敗したランを消費する。ホスト型検証は1秒あたりのコストがかかるが、ローカルセットアップにコミットする前に迅速なイエスかノーを提供する。

低VRAMのMiniMax H3 ComfyUIワークフローテストの場合、最初に期間を短くし、次に解像度を下げ、H3ウェイトをロードする前にローカルLLMやブラウザのGPUコンシューマーを閉じる。コミュニティの16GBワークフローは有用なシグナルだが、普遍的なベンチマークではなく、マシン固有のデータとして扱うこと。

商用作業では、軽いペーパートレイルも必要だ。生成日、モデル名、利用規約URL、プロンプト、出力ファイル名、価格のスナップショットを保存する。H3ウェイトとホスト型APIの利用規約は別々の法的オブジェクトであり、この記事はワークフローガイダンスであり、法的アドバイスではない。

よくある質問

MiniMax H3 ComfyUIワークフローとは何ですか？

MiniMax H3 ComfyUIワークフローは、H3のテキストから動画、画像から動画、ファースト/ラストフレーム動画、または参照から動画への生成を実行するノードグラフです。実用的なバージョンには、正しいチェックポイント、テキストエンコーダー、ビデオVAE、オーディオVAE、プロンプト、期間、解像度、SaveVideoパスが含まれます。

どのMiniMax H3 ComfyUIワークフローから始めるべきですか？

プロンプトしかない場合はT2Vから始めてください。すでにストーリーボードフレーム、プロダクト静止画、キーアートがある場合はI2Vから始めてください。アイデンティティ、ロケーション、ボイス、スタイルの参照を1つの生成で接続する必要がある場合はRef2Vから始めてください。

ComfyUIでMiniMax H3の出力に音声がないのはなぜですか？

まずオーディオVAEを確認してください。一般的な修正方法は、minimax_h3_audio_vae_fp32.safetensors をロードし、正しいノードでオーディオをデコードし、ビデオストリームと一緒にSaveVideoに接続することです。

ComfyUIでMiniMax H3を実行するにはどのくらいのVRAMが必要ですか？

高いメモリプレッシャーを想定してください。一部のコミュニティワークフローは、INT8またはNVFP4ビルド、短い期間、低い解像度で16GBカードをターゲットにしていますが、システムRAM、ComfyUIビルド、他のGPUプロセスも重要です。長いクリップを試す前に、5秒でテストしてください。

MiniMax H3 Reference-to-Videoは音声を単独で使用できますか？

いいえ。MiniMaxのリリースノートによると、Ref2VAのオーディオ参照は、画像または動画の入力と一緒に使用する必要があります。音声は、キャラクター、シーン、または編集をガイドするために使用し、唯一の参照として使用しないでください。

Atlas CloudはローカルのMiniMax H3 ComfyUIの代替になりますか？

目標が高速なホスト型H3生成またはOpenAI互換のフォールバックであれば、代替になり得ます。ローカルグラフの所有権のために、まずAtlas Cloudを使用してminimax h3 comfyui workflowを検証し、その後、実証されたプロンプト、参照、設定をComfyUIに移動してください。