MiniMax H3 ローカルガイド 2026: GGUF + ComfyUI 設定で動作する方法
GGUFファイルを大量にダウンロードした。ComfyUIのモデルドロップダウンは空のまま。実行を開始するとVRAMを食い尽くし、プレビューが表示される直前でクラッシュする。
これがMiniMax H3 ローカル実行ガイド（GGUF＋ローカル＋ComfyUI） 検索の本当の痛点です。短い答え：ライセンス、ハードウェア、ファイル選択の確認をクリアした後にのみ、ローカルでMiniMax H3を実行してください。最初にComfyUIテンプレートを使用してください。テキスト→動画または画像→動画のテストから始め、追加の制御が必要な場合にのみ、最初と最後のフレーム、または参照駆動型ワークフローに移行してください。
クリップがクライアント、ランディングページ、または有料広告にとって重要な場合は、ローカルでドラフトを作成し、最終版をAtlas Cloudで仕上げてください。そうすれば、壊れたノードを一晩中のハードウェア儀式に変えずに済みます。
重要なポイント
- ローカルH3はComfyUI 0.30.0+のテンプレートから始まります。
- テキスト/画像ワークフローと参照ワークフローでは異なるチェックポイントファミリーを使用します。
- GGUFは役立ちますが、VRAMが依然として壁です。
- 5秒、16:9、固定シードのテストから始めてください。
- ハードウェアや地域のリスクが大きい場合は、クラウドでの仕上げを使用してください。
MiniMax H3 GGUFローカルComfyUIのショーケース：レッサーパンダスモークテストワークフローと結果
ショーケース：ローカルMiniMax H3 GGUFパスをコンパクトなComfyUI SOPカードとして、右側にレッサーパンダスモークテストの結果。
MiniMax H3 ローカル実行：なぜ注目され、最初の試みが失敗するのか
結論から言うと：MiniMax H3が注目される理由は、テキスト、画像、動画、音声コンテキストを1つの動画モデルに統合するからです。ほとんどのローカル実行の失敗は謎ではありません。ファイルの不一致、古いComfyUI、間違った地域の想定、またはメモリ不足です。
MiniMaxは2026年7月31日にH3を、ネイティブステレオオーディオと最大15秒の2K出力を備えたマルチモーダル生成モデルとして発表しました（公式ホスト型ワークフロー）。公式Hugging Faceカードには、H3-Baseが33Bパラメータモデルとして記載され、H3エンコーダー、ビジュアルVAE、オーディオVAEの分割が説明されています。
問題は：
なぜ最初のローカル試行はそんなに脆弱に感じられるのか？
なぜなら、H3ローカルは1つのファイルではないからです。デノイザー、Qwen3-VLテキストエンコーダー、ビデオVAE、オーディオVAE、ワークフローテンプレート、ノードサポート、GPUメモリ、システムRAM、ストレージを調整する必要があります。1つのフォルダの間違いが、壊れたモデルとまったく同じように見える可能性があります。
MiniMax H3ローカル障害マップ：症状、原因、修正
障害マップ：症状、考えられる原因、モデルを責める前の最速の修正。
MiniMax H3 GGUF + ComfyUI ワークフロー概要
プレビュー：このセクションでは、40GBのダウンロードに触れる前に、決定木を提供します。
証明：UnslothのGGUFカードは、標準のテキスト/画像/最初と最後のフレームチェックポイントファミリーを、参照動画チェックポイントファミリーから分離しており、この区別がローカルセットアップの失敗の大部分を説明しています（Unsloth GGUF、2026年8月）。
始めましょう。
| ワークフロー | ジョブ | ローカルファイルファミリー | 最適な用途 | Atlas Cloudフォールバック |
|---|---|---|---|---|
| テキスト→動画 | プロンプトのみ | 標準H3デノイザー | スモークテスト、ムード、雰囲気 | MiniMax H3 テキスト→動画 |
| 画像→動画 | 1枚の画像を動画に | 標準H3デノイザー | 商品撮影、広告、ソーシャルフック | MiniMax H3 画像→動画 |
| 最初と最後のフレーム | 開始フレーム＋終了フレーム | 標準H3デノイザー | 制御されたトランジション | 終了フレーム付きのAtlas画像→動画 |
| 参照→動画 | 複数の参照 | 参照H3デノイザー | アイデンティティ、スタイル、音声参照 | MiniMax H3 参照→動画 |
| ワークフローの選択 | ローカルMiniMax H3 GGUF | Atlas Cloud |
|---|---|---|
| セットアップ時間 | 長い：ファイル、ノード、VRAMチェック | 短い：ブラウザタブ1つ |
| ハードウェア | 自分のGPU、RAM、NVMe | ホスト型GPU |
| 解像度のパス | 最初はドラフト/デバッグに最適 | 2K配信に適している |
| バッチ作業 | スクリプト化しない限り手動 | 繰り返しのクライアント実行には簡単 |
| コストモデル | ハードウェア＋時間 | 本日models/allに記載されているH3動画エンドポイントの$0.1/秒から |
| 最適な用途 | プロンプトのデバッグと制御 | 完成したクリップ、チーム配信、ローカルハードウェアが弱い場合 |
ローカルが悪いわけではありません。ホスト型が魔法でもありません。これらはワークフロー内の異なる瞬間を解決します。
ステップ1: MiniMax H3 ライセンスとハードウェアチェック
簡単な説明：ダウンロードする前にこれを実行してください。公式H3ライセンスには地域に関する文言があり、オープンウェイトのルートはホスト型/APIルートと同じではありません。米国、EU、英国、または韓国にいる場合、ダウンロード可能なファイルを自動的にローカルデプロイの許可とみなさないでください。承認を申請するか、保護機能付きのホスト型ルートを使用してください。
この意思決定プロンプトをメモにコピーしてください：
Plain1MiniMax H3 ローカル判定： 21. 現在の国/地域でH3オープンウェイトルートが許可されている、または書面による承認を得ている。 32. デノイザー、Qwen3-VLエンコーダー、ビデオVAE、オーディオVAE、キャッシュに十分なディスク容量がある。 43. 5秒、テンプレートデフォルト解像度、固定シード、低量子化ティアから開始できる。 54. ドラフトパスが機能するまで、2Kローカル出力を約束しない。 65. いずれかの回答が「いいえ」の場合、ローカルデプロイを強制する代わりにホスト型H3ワークフローを使用する。
選択する設定：
| ハードウェア | 開始点 | 期待値 |
|---|---|---|
| 8～12GB VRAM | Q2または最小動作コミュニティティア | 実験のみ |
| 16GB VRAM | Q2/Q3またはプルーニングされたGGUF | 最も現実的なエントリーポイント |
| 24GB+ VRAM | フルワークフローが読み込める場合Q4/Q5 | より良いローカルテスト |
| 32GB+ VRAM | より高品質な実験 | それでも保証はない |
MiniMax H3 ローカルライセンスとハードウェアチェックリスト
ステップ1完了：GGUFファイルをダウンロードする前のライセンス、VRAM、RAM、ストレージのチェック。
ステップ2: MiniMax H3 ComfyUI テンプレートセットアップ
簡単な説明：最初にComfyUIを更新し、次にネイティブのMiniMax H3テンプレートを使用してください。最初の実行でグラフを記憶から構築しないでください。テンプレートライブラリ > 動画 > MiniMax H3 が安全なルートです。ビデオとオーディオの部分を期待される形状に配線するためです。
このセットアップチェックリストをコピーしてください：
Plain1ComfyUI MiniMax H3 セットアップ： 2- ComfyUIを0.30.0以降に更新する。 3- 更新後にComfyUIを再起動する。 4- ワークフロー > テンプレートを参照 > 動画 > MiniMax H3 を開く。 5- 画像→動画や参照→動画の前に、テキスト→動画から始める。 6- GGUFを使用する場合は、選択したモデルカードに必要なGGUFローダーノードをインストールする。
選択する設定：
| 設定 | 選択 |
|---|---|
| ComfyUIバージョン | 最新安定版、0.30.0以上必須 |
| ブラウザ | ChromeまたはEdge |
| 最初のワークフロー | テキスト→動画 |
| 最初の長さ | 5秒 |
| 最初の解像度 | テンプレートデフォルト、後で上げる |
MiniMax H3 ComfyUIテンプレートライブラリSOPカード
ステップ2完了：MiniMax H3テキスト→動画、画像→動画、参照→動画のテンプレートルート。
ステップ3: MiniMax H3 GGUF ファイルとフォルダ
簡単な説明：正しいファミリーのファイルをダウンロードしてください。通常、H3デノイザーGGUF、Qwen3-VLテキストエンコーダー、ビデオVAE、オーディオVAEが必要です。フォルダ名はローダーによって異なるため、モデルカードがブログ記事と競合する場合は、モデルカードに従ってください。
このファイルマップをコピーしてください：
Plain1MiniMax H3 ローカルファイル： 2- テキスト/画像/最初と最後のフレームワークフロー：標準H3デノイザー 3- 参照→動画 / マルチ参照ワークフロー：参照H3デノイザー 4- 共有：Qwen3-VL 32Bテキストエンコーダー 5- 共有：H3ビデオVAE 6- 共有：H3オーディオVAE 7- フォルダルール：インストールした正確なGGUFノードとモデルカードの指示に従う
選択する設定：
| ファイル | 目的 | 共通フォルダ | 必要なワークフロー |
|---|---|---|---|
| 標準H3デノイザーGGUF | 標準テキスト/画像/最初と最後のフレームデノイザー | models/diffusion_models またはローダー固有フォルダ | テキスト→動画、画像→動画、最初と最後のフレーム |
| 参照H3デノイザーGGUF | 参照駆動型デノイザー | 同じデノイザーフォルダ | 参照→動画 |
| qwen3vl_32b_minimax_h3-*.gguf | テキストエンコーダー | models/text_encoders またはローダー固有フォルダ | すべてのワークフロー |
| minimax_h3_video_vae_fp16.safetensors | ビデオデコード | models/vae | すべてのワークフロー |
| minimax_h3_audio_vae_fp32.safetensors | オーディオデコード | models/vae | ネイティブオーディオパス |
MiniMax H3 GGUFファイルとフォルダマップ
ステップ3完了：ファイルの目的、フォルダターゲット、各ファイルが防ぐ間違い。
ステップ4: MiniMax H3 GGUF テキスト→動画スモークテスト
簡単な説明：商品ショットや参照が多いクリップを試す前に、1つの小さなテキスト→動画ジョブを実行してください。レッサーパンダのプロンプトは、動き、毛のディテール、霧、雰囲気をテストするのに役立ちます。同時にタイポグラフィやアイデンティティをモデルに要求しません。その後、1つの高精度な指示クリップを追加して、H3が被写体、小道具、場所、アクションシーケンスを15秒の長いランで一貫して維持できるかどうかを確認してください。
このプロンプトをコピーしてください：
Plain1夜明けの霧の森で、レッサーパンダが苔むした倒木に沿って慎重に歩く。柔らかなシネマティックライト、浅い被写界深度、毛皮に小さな水滴、カメラに向かって優しく頭を向ける。カメラ：ゆっくりとしたサイドトラッキングショット、カットなし。音声：静かな森の雰囲気、濡れた樹皮に柔らかい足音、遠くの鳥、音楽なし。
選択する設定：
| 設定 | 値 |
|---|---|
| ワークフロー | テキスト→動画 |
| チェックポイント | 標準H3 GGUFデノイザー |
| アスペクト比 | 16:09 |
| 長さ | 5秒 |
| FPS | 露出している場合は24 |
| ステップ数 | テンプレートデフォルト、または高速Turbo LoRAテストの場合は6～10 |
| シード | 固定して記録する |
MiniMax H3 テキスト→動画 レッサーパンダ 完了ランカード
ステップ4完了：テキスト→動画スモークテストの設定と期待される成功シグナル。
MiniMax H3 GGUF レッサーパンダスモークテストGIF
ケース1の動きの成果：レッサーパンダスモークテストをサイレントGIFで表示。完全なH3配信にはネイティブステレオオーディオが含まれる可能性がありますが、この埋め込みは意図的にサイレントです。
次のチェックはより厳しいです。基本的なスモークテストが機能した後にのみ使用してください。目標はもはや「ワークフローはレンダリングするか？」ではないからです。目標は「モデルは複数部分の指示に従うか？」です。このクリップでは、雨の夜のコンビニエンスストアの設定が安定しているか、キャラクターが同じ人物のままか、赤い飲料缶が後の6パックに視覚的に結びついているか、カメラの変更がランダムなシーンリセットではなく1つの連続したアクションのように感じられるかを観察してください。
ケース1B精度チェック：被写体の一貫性、小道具の連続性、雨の夜の環境詳細、ローカルH3テキスト→動画パイプラインがすでに安定した後のアクションのフォロースルーをテストするための15秒の高精度指示サンプル。
ステップ5: MiniMax H3 ローカル画像→動画 商品ショット
簡単な説明：画像→動画は、H3がグロースチームにとって有用になる場所です。最初のフレームを安価に固定し、それをアニメーション化します。読みやすいパッケージやラベルテキストを含む最初のフレームの場合、GPT Image 2 テキスト→画像で静止画を生成するか、自分の商品写真を使用してください。
この最初のフレームプロンプトをコピーしてください：
Plain1暗い濡れた石の上に立つプレミアムな半透明の香水瓶、ガラスに雨粒、細いシルバーのラベルに「H3 LOCAL TEST」の文字、柔らかなスタジオバックライト、リアルな商品写真、16:9の構図、動きのための余白、余分なテキストなし。
このH3画像→動画プロンプトをコピーしてください：
Plain1香水瓶は中央に留まり、雨粒がガラスをゆっくりと滑り落ちる。柔らかなリムライトが左から右へ掃引し、霧が濡れた石の上を渦巻き、シルバーのラベルは読みやすいまま。カメラ：微妙な30度の軌道、カットなし。音声：石の上に繊細な雨、かすかなガラスのチャイム、会話なし。
選択する設定：
| 設定 | 値 |
|---|---|
| 最初のフレームモデル | GPT Image 2、高品質、16:9 |
| ローカルワークフロー | 画像→動画 |
| チェックポイント | 標準H3 GGUFデノイザー |
| 長さ | 5秒 |
| ローカル解像度 | まずテンプレートデフォルト |
| クラウド仕上げオプション | Atlas MiniMax H3 画像→動画、2K、5秒、16:9 |
MiniMax H3 画像→動画 商品ショット 完了ワークフローカード
ステップ5完了：商品画像→動画の設定、最初のフレームプロンプト、クラウド仕上げオプション。
MiniMax H3 画像→動画 香水商品GIF
ケース2の動きの成果：商品画像→動画のバリエーション、サイレントワークフローGIFとして表示。
ステップ6: ComfyUI での MiniMax H3 最初と最後のフレーム
簡単な説明：最初と最後のフレームは隠れたワークフローです。開始状態と終了状態の両方が重要な場合（例：昼から深夜、清潔なボトルから曇ったボトル、空の店から開いた店）、純粋なテキストよりも強力です。
この最初のフレームプロンプトをコピーしてください：
Plain1夕暮れ時の狭いサイバーパンク茶店の店先、濡れた舗道、ティールとアンバーのネオンサイン、外に1つの紙の提灯、シネマティックリアルな写真、16:9、人はいない、読みやすい看板テキスト「MOON TEA」。
この最後のフレームプロンプトをコピーしてください：
Plain1雨が降った後の深夜の同じ狭いサイバーパンク茶店の店先、濡れた舗道がより明るいティールとアンバーのネオンを反射、同じ紙の提灯がより強く光る、シネマティックリアルな写真、16:9、人はいない、読みやすい看板テキスト「MOON TEA」。
このH3最初と最後のフレームプロンプトをコピーしてください：
Plain1同じ店先を夕暮れ時から雨後の深夜に変えてください。店の形状と「MOON TEA」の看板を保持してください。提灯は徐々に明るくなり、水たまりの反射は深まり、ネオンは一度ちらつき、軽い霧が路地を通って移動します。カメラ：固定された三脚ショット、ズームなし、カットなし。音声：柔らかな雨、遠くの街のハム音、1つの静かなネオンのブーン音。
選択する設定：
| 設定 | 値 |
|---|---|
| ワークフロー | オプションの終了フレーム付き画像→動画、または露出している場合は最初と最後のフレームテンプレート |
| チェックポイント | 標準H3 GGUFデノイザー |
| 長さ | 5秒 |
| アスペクト比 | 16:09 |
| シード | 固定 |
MiniMax H3 最初と最後のフレーム 店先 完了ワークフローカード
ステップ6完了：最初のフレーム、最後のフレーム、プロンプト、最初と最後のフレームワークフローの成功チェック。
MiniMax H3 最初と最後のフレーム 店先GIF
ケース3の動きの成果：店先トランジションプランをサイレントワークフローGIFとして表示。
ステップ7: MiniMax H3 ローカルから Atlas Cloud への仕上げ
簡単な説明：これは降伏ではありません。これはプロダクションの衛生です。ローカルドラフトは機能するが、最終版に2K、予測可能な配信、またはチーム向けのブラウザワークフローが必要な場合、キーパープロンプトのみをAtlas Cloudに移動してください。
この引き継ぎチェックリストをコピーしてください：
Plain1ローカルからAtlas H3への仕上げ： 21. 最終プロンプト、シードノート、比率、長さを保持する。 32. テキスト→動画の場合、プロンプトをMiniMax H3テキスト→動画に貼り付ける。 43. 画像→動画の場合、最初のフレームをアップロードし、モーションプロンプトを貼り付ける。 54. 最初と最後のフレームトランジションの場合、ページが両方のコントロールを公開している場合、最初と最後のフレームをアップロードする。 65. 参照→動画の場合、連続性が本当に必要な場合にのみ、参照画像、動画、または音声をアップロードする。
選択する設定：
| アセット | ローカル設定 | Atlasモデル | Atlas設定 | 変更されるもの | 保持されるもの |
|---|---|---|---|---|---|
| レッサーパンダ | テキスト→動画、5秒 | minimax/h3/text-to-video | 必要に応じて2K | ホスト型レンダー | プロンプト、比率 |
| 香水 | 画像→動画、最初のフレーム | minimax/h3/image-to-video | 5秒、16:9 | 配信パス | フレーム、モーションプロンプト |
| 店先 | 最初と最後のフレーム | H3画像→動画ルート | 5秒、利用可能な場合は最初と終了フレーム | ローカルメンテナンスの削減 | 開始/終了の意図 |
| キャラクター参照 | 参照→動画 | minimax/h3/reference-to-video | 参照をアップロード | ブラウザワークフロー | 被写体/スタイル目標 |
Atlas Cloud MiniMax H3 画像→動画 完了ラン
ステップ7完了：MiniMax H3ローカルドラフトのホスト型仕上げルート。
MiniMax H3 ローカルバリエーション：テキスト、画像、フレーム、参照ワークフロー
スモークテストが合格したら、一度にすべてを変更し続けないでください。実行ごとに1つのコントロールを変更してください。
雰囲気を探るにはテキスト→動画を使用してください。製品の形状、顔、パッケージ、レイアウトが生き残る必要がある場合は画像→動画を使用してください。開始状態と終了状態が重要な場合は最初と最後のフレームワークフローを使用してください。ジョブが画像、動画、または音声参照間の連続性である場合は参照→動画を使用してください。
実際、
それがローカル価値のすべてです：制御されたデバッグ。レッサーパンダは動きをテストし、香水瓶は製品の読みやすさをテストし、店先は状態遷移をテストします。これら3つのケースは、10個のランダムなきれいなプロンプトよりも多くのことを教えてくれます。
MiniMax H3 コスト：ローカルハードウェア vs Atlas Cloud 価格
ローカルは無料ではありません。別の単位で請求されるだけです：GPU減価償却、SSDスペース、ダウンロード時間、電気、ドライバメンテナンス、失敗した夜。
Atlas Cloudは、2026年8月24日時点で、models/allに3つのMiniMax H3動画エンドポイントを$0.1/秒からリストしています。GPT Image 2テキスト→画像は$0.009/画像からリストされており、開発者向けテキスト→画像ティアは$0.004/画像から表示されています。これらをカタログの開始価格として使用し、実行前にプレイグラウンドで正確な見積もりを確認してください。
| 実例 | ローカルコストのロジック | カタログ下限からのAtlas見積もり | 実用的な判断 |
|---|---|---|---|
| 5秒の画像→動画商品クリップ | ハードウェア＋1つの最初のフレーム画像 | H3動画$0.50から、画像コスト込み | 適切なクラウド仕上げ候補 |
| 15秒のテキスト→動画コンセプト | 長いローカル実行時間と高い失敗コスト | $1.50から | 最初は短くテスト |
| 3つの5秒バリエーション | 3つのローカルキューと手動監視 | 必要に応じて画像込み$1.50から | クライアント向けならクラウドの価値あり |
これを見てください：
5秒のローカルドラフトは賢い選択です。15秒のブラインドローカル実行は、人々がGPUにお金を借りているかのように交渉を始める場所です。
MiniMax H3 ローカルGGUFユーザーのための法的注意事項
MiniMax H3ローカル使用は、技術的な問題の前にライセンスの問題です。公式モデルカードは、MiniMax H3コミュニティライセンスと、米国、EU、英国、韓国向けのライセンス申請パスを指しています。
そのため、はい、MiniMax H3ローカル実行ガイド（GGUF＋ローカル＋ComfyUI）の答えは一部退屈です：商用利用前に現在のライセンスを確認してください。ホスト型サービス、APIアクセス、ローカルオープンウェイトデプロイは異なるルートです。
これは法的アドバイスではありません。現在のライセンスを読み、商用デプロイのために適切なレビューを受けてください。
よくある質問
MiniMax H3をGGUFでローカル実行できますか？
はい、ライセンスの立場、ハードウェア、ファイルセットアップがすべて機能する場合。標準のH3 GGUFデノイザー、共有テキストエンコーダー、ビデオVAE、オーディオVAE、および短いComfyUIテキスト→動画テンプレート実行から始めてください。
ComfyUIにはどのMiniMax H3 GGUFをダウンロードすべきですか？
テキスト→動画、画像→動画、最初と最後のフレームワークには標準H3デノイザーを使用してください。参照→動画には参照H3デノイザーを使用してください。デノイザーと、選択したモデルカードに必要なQwen3-VLテキストエンコーダーおよびH3 VAEをペアにしてください。モデルカードが内部ラベルでファイルを命名している場合、それらのラベルをダウンロード識別子として扱い、読者向けのワークフロー名としては扱わないでください。
MiniMax H3の最初と最後のフレームと参照→動画の違いは何ですか？
最初と最後のフレームワークフローは、テキストに加えて0、1、または2つのフレームを使用してトランジションを制御します。参照→動画は、複数の画像、動画、または音声参照など、より豊富な参照入力用です。これらは異なるチェックポイントルートであり、間違ったファイルを読み込んだ後に気軽に切り替えられるトグルではありません。
MiniMax H3ローカルにはどのくらいのVRAMが必要ですか？
16GB VRAMを低ティア実験の現実的なエントリーポイントとして扱ってください。24GB+はQ4/Q5スタイルのテストに適しています。8～12GBでは狭い実験しか実行できない可能性があり、システムRAMとNVMe速度も重要です。
MiniMax H3ローカルは音声も生成しますか？
H3ファミリーはネイティブオーディオ-ビデオ出力を中心に構築されています。ローカルワークフローが使用可能な音声を出力するかどうかは、オーディオVAEとワークフローパスが正しくインストールされ接続されているかどうかに依存します。この記事のサイレントGIFは公開フォーマットに過ぎません。
MiniMax H3ローカルは米国、EU、英国、韓国で合法ですか？
そう仮定しないでください。公式ライセンス資料は、それらの地域がオープンウェイトローカル使用に特別な注意または承認を必要とするものとして特定しています。ダウンロード、デプロイ、または出力を商業的に使用する前に、現在のライセンスを確認してください。
結論
MiniMax H3ローカル作業は、制御されたプロダクションテストとして扱うのが最適であり、ワンクリックインストールではありません。大きなGGUFファイルをダウンロードする前に、ライセンス、GPUメモリ、システムRAM、ストレージ、現在のComfyUIサポートを確認することから始めてください。
実用的なルートはシンプルです：公式ComfyUIテンプレートを使用し、ジョブに適したモデルファミリーを選択し、短いテキスト→動画スモークテストを実行し、基本が合格した後にのみ画像→動画または最初と最後のフレームワークフローに移行してください。各テストを小さく保ち、一度に1つの変数を変更し、出力を使用して最終版をローカルに残すか、より予測可能な仕上げのためにAtlas Cloudに移動するかを決定してください。
