MiniMax H3 ComfyUI 워크플로우: T2V 및 I2V를 위한 완벽 가이드

ComfyUI에서 MiniMax H3를 실행하려면 텐서 형태 오류, 무음 MP4 내보내기 또는 모델 충돌을 방지하기 위해 공간 및 시간 그리드 규칙을 엄격히 준수해야 합니다. MiniMax H3는 단일 순방향 패스에서 2K 비디오와 기본 동기화 스테레오 오디오를 합성하여 이러한 병목 현상을 해결합니다.

핵심 요약: MiniMax H3 ComfyUI 워크플로

• 네이티브 멀티모달 패스: MiniMax H3는 단일 ComfyUI 확산 패스 내에서 2K 비디오와 동기화된 32kHz 스테레오 오디오를 직접 합성합니다.
• 하드웨어 임계값: INT8 양자화 실행에는 최소 16GB VRAM이 필요하며, 네이티브 2K 렌더링에는 24GB가 권장됩니다.
• 공간 그리드 규칙: 캔버스 및 키프레임 해상도는 공간 VAE 텐서 형태 오류를 방지하기 위해 1344×768과 같이 엄격히 32로 나누어 떨어져야 합니다.
• 시간 그리드 공식: 클립 길이는 잠재 변수 잘림을 방지하기 위해 총 프레임 수 = 17k + 5 방정식(24fps에서 5, 22, 39, 56, 141프레임)을 준수해야 합니다.
• 속도 최적화: 공식 8단계 Turbo LoRA를 지원하여 CFG를 1.0으로 고정한 상태에서 렌더링 시간을 약 60% 단축합니다.

텍스트-투-비디오(T2V)는 순수 텍스트 기반 잠재 변수 초기화에 의존하는 반면, 이미지-투-비디오(I2V)는 first_frame, last_frame 또는 MiniMaxH3AddGuide 조건화 노드를 사용하여 모션 궤적을 고정합니다. 다음 섹션에서는 두 파이프라인에 대한 전체 환경 설정, 노드 배선 다이어그램 및 문제 해결 프로토콜을 자세히 설명합니다.

필수 사전 요구 사항 및 모델 디렉토리 구조

32B 텍스트 인코더를 models/text_encoders 대신 models/checkpoints에 배치하면 ComfyUI가 그래프 컴파일 중에 멈추거나 도움이 되지 않는 KeyError로 실패합니다. 대부분의 설정 실패는 파일이 잘못된 하위 폴더에 배치되거나 MiniMax H3에 필요한 사용자 정의 비전 텍스트 인코더 대신 표준 Qwen 가중치가 대체되기 때문에 발생합니다.

시스템 호환성 요구 사항

모델 가중치를 다운로드하기 전에 설치 환경이 다음 기본 하드웨어 및 환경 사양을 충족하는지 확인하십시오.

• ComfyUI 코어: 버전 v0.30.0 이상.
• 사용자 정의 노드: ComfyUI-MiniMaxH3-Easy 또는 공식 Comfy-Org 패키지.
• GPU VRAM: 16GB(INT8 최소) / 24GB(2K 권장).
• 소프트웨어 스택: Python 3.10+ 및 PyTorch 2.4+ 및 CUDA 12.1+.

모델 디렉토리 배치 매트릭스

Hugging Face 모델 저장소에서 공식 MiniMax H3 오픈 소스 모델 가중치를 다운로드하고 각 파일을 지정된 대상 하위 폴더에 배치합니다.

중요 설치 참고 사항

qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors 파일은 MiniMax H3 프롬프트 조건화를 위해 특별히 미세 조정된 사용자 정의 4비트 AWQ 양자화 비전-텍스트 인코더(Qwen3-VL 아키텍처)입니다. text_encoders 폴더에 있는 표준 언어 트랜스포머로 대체하지 마십시오. 일반 언어 모델에는 잠재 비디오 생성에 필요한 멀티모달 비전 프로젝션이 부족하기 때문입니다.

텍스트-투-비디오(T2V) ComfyUI 노드 그래프 구축

ComfyUI에서 깔끔한 텍스트-투-비디오(T2V) 노드 그래프를 구축하려면 텍스트 임베딩, 공간 해상도 설정 및 잠재 프레임 텐서를 엄격한 선형 순서로 라우팅해야 합니다.

노드 패키지 참고: 이 워크플로 가이드 전체에서 사용되는 노드 이름(예: MiniMaxH3TextToVideo 및 MiniMaxH3ImageToVideo)은 ComfyUI-MiniMaxH3-Easy 사용자 정의 패키지를 참조합니다. 공식 Comfy-Org 코어 패키지를 사용하는 경우 이러한 작업은 별도의 MiniMaxH3Sampler 및 MiniMaxH3Conditioning 노드로 분할됩니다.

단계별 T2V 노드 배선 가이드

T2V 잠재 변수 생성을 설정하려면 샘플러 패스를 실행하기 전에 텍스트 조건화와 공간 매개변수를 분리해야 합니다.

1. 텍스트 인코더 배선: 텍스트 프롬프트 노드를 Qwen3-VL 비전 텍스트 인코더 로더로 라우팅합니다. 출력 텐서를 MiniMaxH3TextToVideo 노드의 포지티브 프롬프트 조건화 포트로 직접 전달합니다.
2. 공간 차원 계산: ResolutionSelector의 출력 값을 ImageScaleToTotalPixels로 전달합니다. 이 단계는 32로 나누어 떨어지는 공간 차원을 적용하면서 픽셀 할당을 계산합니다.
3. 샘플러 및 잠재 변수 생성: 모델 가중치, 포지티브 조건화 텐서 및 해상도 매개변수를 MiniMaxH3TextToVideo로 직접 라우팅하여 원시 비디오 잠재 변수를 생성합니다.
4. VAE 디코딩 및 비디오 내보내기: 잠재 텐서를 minimax_h3_video_vae_fp16을 통해 디코딩한 다음 렌더링된 프레임 배치를 SaveVideo로 직접 전달합니다.

T2V 노드 라우팅 매트릭스

끊어진 종속성 없이 이 그래프를 구성하려면 아래에 설명된 정확한 노드 포트 연결을 따르십시오.

MiniMax H3는 Qwen3-VL 비전-언어 모델이 구문 분석한 상세한 포지티브 프롬프트에 거의 전적으로 의존하므로 기존의 네거티브 조건화 노드는 출력 품질을 향상시키지 않고 컴퓨팅 부하만 추가합니다. SaveVideo를 비디오 VAE 디코드 노드에 직접 연결하면 마지막 프레임이 누락되지 않고 적절한 24fps MP4 렌더링이 보장됩니다.

이미지-투-비디오(I2V) 및 첫 번째/마지막 프레임 워크플로 구성

정적 초상화를 애니메이션화하거나 두 키프레임을 연결하려고 시도하면 시작 이미지와 끝 이미지가 몇 픽셀만 차이가 나도 심한 피사체 왜곡이나 즉각적인 텐서 형태 충돌이 발생하는 경우가 많습니다. 표준 텍스트 파이프라인을 이미지-투-비디오(I2V) 워크플로로 변환하려면 기본 샘플러 노드를 교체하고 초기 프레임과 최종 프레임에 걸쳐 정확한 이미지 조건화 파이프라인을 설정해야 합니다.

키프레임 보간 및 노드 구성

T2V에서 첫 번째-마지막 프레임(FL2V) 비디오 생성으로 전환하려면 MiniMaxH3TextToVideo를 MiniMaxH3ImageToVideo로 교체하십시오. 이 노드는 first_frame 및 last_frame 전용 입력 포트를 노출하여 시작 상태, 종료 상태 또는 완전한 모핑 전환을 정의할 수 있습니다.

1. 이미지 로드 노드: 캔버스에 두 개의 LoadImage 노드를 배치하여 초기 키프레임과 대상 키프레임을 보관합니다.
2. 차원 일치: GetImageSize를 통해 이미지 출력을 라우팅하여 원시 너비 및 높이 차원을 추출합니다. 이렇게 하면 텐서가 샘플러에 들어가기 전에 공간 그리드 불일치를 방지합니다.
3. 텐서 조건화: 처리된 픽셀 텐서를 표준 단일 이미지 애니메이션의 경우 first_frame에 연결하거나 키프레임 보간을 실행하려면 first_frame과 last_frame을 모두 채웁니다.

I2V 및 FL2V 노드 연결 매트릭스

MiniMax H3는 키프레임 입력 간의 엄격한 차원 동등성을 적용합니다. 두 키프레임은 정확히 동일한 공간 해상도와 일치해야 합니다. first_frame과 last_frame의 크기가 다르면 샘플링이 잠재 변수 초기화 중에 중단됩니다. 동일한 크기 조정 노드를 통해 두 이미지를 라우팅하여 동일한 픽셀 치수를 보장합니다.

MiniMaxH3AddGuide를 사용한 고급 참조 가이던스

표준 이미지-투-비디오 그래프는 첫 번째 프레임과 마지막 프레임만 제어하여 중간 모션을 고정하지 않은 상태로 둡니다. MiniMaxH3AddGuide 노드는 생성 타임라인을 따라 특정 frame_idx에서 참조 이미지, 다중 프레임 이미지 배치 또는 오디오 트랙을 고정하여 이 문제를 해결합니다.

MiniMaxH3AddGuide의 핵심 기능

참조 비디오 생성을 위한 앵커 노드 체인 방법

여러 MiniMaxH3AddGuide 노드를 함께 체인하면 전체 참조 비디오 생성(R2V)이 가능합니다.

1. 기본 캐릭터 앵커: 포지티브 조건화를 frame_idx가 0으로 설정된 MiniMaxH3AddGuide에 연결하여 시작 부분에서 캐릭터 정체성을 고정합니다.
2. 중간 시퀀스 모션 키프레임: frame_idx 60에서 키프레임 이미지를 제공하는 두 번째 MiniMaxH3AddGuide 노드를 체인하여 캐릭터가 장면 중간에서 특정 포즈를 취하도록 강제합니다.
3. 오디오 커플링: 대상 사운드트랙을 오디오 입력 포트에 연결하고 audio_vae를 전달하여 해당 타임라인 오프셋에서 사운드를 직접 동기화합니다.

이러한 조건화 가이드를 체인하면 확산 샘플러가 잠재 변수를 다시 초기화하지 않고도 시간적 안정성을 유지합니다.

듀얼 VAE 라우팅을 통한 동기화된 네이티브 오디오 통합

크리에이터는 비디오 편집 소프트웨어에서 외부 음성 트랙을 수동으로 정렬하는 데 수시간을 소비하며, 종종 부자연스러운 입술 움직임 드리프트 또는 일치하지 않는 주변 배경 소음에 직면합니다. MiniMax H3는 진정한 멀티모달 생성에 의존하여 단일 순방향 패스 내에서 비디오 프레임과 32kHz 스테레오 사운드를 함께 합성함으로써 사후 처리 오디오 정렬을 제거합니다.

단일 패스 스트림의 아키텍처

비디오 렌더링 후 별도의 텍스트-음성 모델을 연결하는 기존 파이프라인과 달리 MiniMax H3는 텍스트, 이미지 및 시간적 큐를 통합된 잠재 공간으로 처리합니다. 노이즈 제거 단계 동안 SamplerCustomAdvanced는 시각적 및 음향 특징 맵을 모두 포함하는 복합 잠재 페이로드를 출력합니다. 이 공동 합성은 정확한 대화 동기화와 화면상의 동작과 정확히 일치하는 유기적인 사운드 효과 생성을 보장합니다.

듀얼 VAE 디코드 및 노드 구성

원시 잠재 변수를 재생 가능한 미디어로 변환하려면 그래프가 MP4 멀티플렉싱 전에 출력을 두 개의 개별 디코딩 경로로 분할합니다.

기술 노드 설정

1. 듀얼 VAE 로드: 캔버스에 두 개의 개별 VAELoader 노드를 추가합니다. 첫 번째 노드는 minimax_h3_video_vae_fp16.safetensors를 가리키고 두 번째 노드는 minimax_h3_audio_vae_fp32.safetensors를 가리킵니다.
2. 듀얼 VAE 디코드 실행: 샘플러의 시각적 잠재 출력을 VAEDecode로 라우팅하고 오디오 잠재 청크를 VAEDecodeAudio로 라우팅합니다. minimax_h3_audio_vae_fp32를 FP32 정밀도로 유지하면 배경 음악에서 클리핑 아티팩트 및 주파수 왜곡을 방지할 수 있습니다.
3. SaveVideo를 통한 멀티플렉싱: 디코딩된 이미지 텐서와 압축되지 않은 오디오 파형을 CreateVideo 또는 SaveVideo로 직접 전달합니다. 노드는 최종 컨테이너 패키징을 처리하여 임베디드 스테레오 오디오와 함께 완성된 24fps MP4 파일을 작성합니다.

이 네이티브 듀얼 스트림 설정은 외부 립싱크 플러그인 없이 ComfyUI 내에서 직접 위상 정확한 오디오 실행을 제공합니다.

해상도 계산, 종횡비 제약 조건 및 프레임 그리드 스냅

ComfyUI에서 표준 1920x1080 해상도를 입력하거나 클립 길이를 60프레임으로 설정하면 텐서 형태 오류로 렌더링 대기열이 즉시 충돌하거나 심하게 왜곡된 가장자리 이음새가 남게 됩니다. MiniMax H3는 3D VAE 아키텍처가 특정 공간 블록 및 시간 스트라이드에 걸쳐 비디오 잠재 변수를 압축하기 때문에 공간 차원 및 클립 지속 시간에 대해 엄격한 수학적 경계를 적용합니다.

공간 차원 및 종횡비 사전 설정

공간 VAE는 입력을 32배 다운샘플링합니다. 대상 너비 또는 높이가 32의 정확한 배수가 아닌 경우 확산 샘플러는 경계 텐서 할당 중에 실패합니다. 모델은 대상 메가픽셀 예산에 대해 시각적 충실도의 균형을 맞추면서 768px 네이티브 짧은 가장자리를 목표로 합니다.

비표준 픽셀 치수를 사용하면 VAE가 특징 맵을 패딩하거나 늘려서 미세한 텍스처 디테일이 저하됩니다.

17k + 5 프레임 그리드 규칙

시간 차원 스냅도 동일하게 엄격한 공식을 따릅니다. MiniMax H3 비디오 길이 제한 내에 유지하기 위해 아키텍처는 5프레임 테일 초기화와 함께 17프레임 잠재 청크로 비디오 시퀀스를 처리합니다. 시간적 잘림 또는 무음 VAE 디코딩 충돌을 방지하려면 모든 렌더링이 17k + 5 프레임 그리드 방정식을 충족해야 합니다. 여기서 k는 정수 단계 카운터를 나타냅니다.

표준 24fps 프레임 속도에서 이 수학은 정확한 시간 지속 시간을 결정합니다.

• k = 0 (5프레임): 약 0.21초(미세 움직임 또는 정적 버스트)
• k = 1 (22프레임): 약 0.91초(빠른 액션 슬라이스)
• k = 3 (56프레임): 약 2.33초(짧은 샷 시퀀스)
• k = 8 (141프레임): 약 5.87초(전체 표준 클립 제한)

대상 개수를 60으로 설정하면 ComfyUI가 4프레임을 56(k=3)으로 떨어뜨려 샘플링 중에 VRAM 계산을 낭비합니다. 생성 배치를 대기열에 추가하기 전에 항상 노드 매개변수를 정확한 17k + 5 단계 경계에 맞추십시오.

속도 최적화: 8단계 Turbo LoRA 실행 활성화

단일 6초 미리보기 비디오를 렌더링하는 데 6분 이상을 기다리는 것은 소비자 GPU에서 신속한 프롬프트 반복을 거의 불가능하게 만듭니다. 표준 샘플링 실행에는 20~30단계가 필요하므로 모션 큐 조정, 카메라 움직임 테스트 또는 키프레임 전환 평가 시 심각한 운영 병목 현상이 발생합니다.

Turbo 증류 가중치 통합

공식 minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16 가중치 파일을 통합하면 샘플링 패스를 8단계 추론 워크플로로 줄일 수 있습니다. 이 증류 프로세스는 전체적인 시각적 응집력을 손상시키지 않으면서 상당한 생성 속도 최적화를 달성합니다.

ComfyUI에서 이 증류 설정을 구성하려면:

1. 모델 가중치 배치: minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors를 ComfyUI/models/loras/ 디렉토리로 이동합니다.
2. LoraLoader 노드 배선: 샘플러에 공급하기 전에 기본 확산 모델 텐서를 LoraLoader 노드를 통해 라우팅합니다. turbo_model_strength를 1.0으로 설정합니다.
3. 단계 수 조정: MiniMaxH3Sampler 노드의 steps 매개변수를 표준 20에서 정확히 8로 낮춥니다.
4. CFG 스케일 고정: 과포화를 방지하기 위해 분류기 없는 가이던스 스케일 매개변수를 1.0으로 강제 설정합니다.

성능 벤치마크: 표준 대 Turbo 실행

minimax_h3_fl2v_turbo_8step을 실행할 때 CFG를 1.0 이상으로 설정하면 불필요한 이중 조건화 패스가 강제되어 극심한 색상 번짐, 대비 폭발 및 고모션 프레임에서 공간 찢어짐이 발생합니다. 고정된 Turbo LoRA 강도 1.0으로 turbo_mode를 활성화하면 크리에이터가 전체 20단계 프로덕션 렌더링에 전념하기 전에 3분 이내에 복잡한 카메라 움직임을 검증할 수 있습니다.

일반적인 ComfyUI MiniMax H3 그래프 오류 문제 해결

MiniMax H3 그래프의 대부분의 운영 오류는 사소한 텐서 정렬 불일치, 연결되지 않은 오디오 디코더 또는 모델 로딩 중 GPU 메모리 병목 현상으로 인해 발생합니다.

진단 가이드 및 빠른 수정

1. CUDA 메모리 부족(OOM)

   1. 주요 원인: 메모리 오프로딩 없이 16GB VRAM GPU에서 int8 확산 가중치와 함께 32B 텍스트 인코더를 로드합니다.
   2. 단계별 수정: ComfyUI 시작 스크립트에 --lowvram 또는 --medvram 플래그를 추가합니다. 제한된 GPU 메모리 설정의 경우 GGUF 양자화를 사용하여 ComfyUI에서 MiniMax H3 실행을 고려하여 기본 메모리 요구 사항을 낮추십시오. qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors가 엄격히 models/text_encoders/ 내부에 배치되어 텍스트 구문 분석과 샘플링 패스 간에 VRAM 오프로딩이 가능한지 확인하십시오.

2. 형태 불일치 오류

   1. 주요 원인: 사용자 정의 너비/높이 값 또는 입력 키프레임 이미지가 필요한 32픽셀 공간 분할성 그리드를 위반합니다.
   2. 단계별 수정: 샘플러 앞에 ResolutionSelector 또는 ImageScaleToTotalPixels 노드를 삽입하여 모든 캔버스 및 이미지 치수를 가장 가까운 32의 배수로 강제 설정합니다.

3. 내보내기에서 오디오 트랙 누락

   1. 주요 원인: 오디오 VAE 경로가 그래프 실행 중에 연결되지 않았거나 우회되었습니다.
   2. 단계별 수정: minimax_h3_audio_vae_fp32를 VAEDecodeAudio 노드에 연결한 다음 디코딩된 오디오 잠재 변수를 비디오 스트림과 함께 SaveVideo 노드 오디오 포트로 전달합니다.

4. GetImageSize 노드 실패

   1. 주요 원인: I2V 샘플러 입력에 공급되는 키프레임 종횡비 불일치 또는 잘못된 다중 프레임 이미지 배치.
   2. 단계별 수정: 초기 및 최종 이미지를 통합된 ImageScaleToTotalPixels 노드를 통해 실행하여 잠재 변수 초기화 전에 키프레임을 동일한 치수로 고정합니다.

5. ComfyUI Manager 누락 노드 경고

   1. 주요 원인: 필요한 MiniMax H3 사용자 정의 노드 패키지가 로컬 환경에서 인덱싱되지 않았거나 누락되었습니다.
   2. 단계별 수정: ComfyUI Manager를 열고 Install Missing Custom Nodes를 선택하고 ComfyUI-MiniMaxH3-Easy를 검색한 다음 Install을 클릭하고 ComfyUI를 다시 시작합니다.

메모리 드롭 및 노드 레지스트리 충돌 해결

많은 튜토리얼이 ComfyUI가 연속 생성에서 VRAM 할당을 관리하는 방법을 놓칩니다. 초기 패스가 성공했음에도 불구하고 두 번째 또는 세 번째 렌더링 시도에서 갑작스러운 CUDA 메모리 부족 오류가 발생하는 경우 ComfyUI가 텍스트 인코더를 VRAM에 유지하고 있기 때문입니다. 시작 스크립트에 명시적 오프로드 플래그를 설정하면 샘플러 단계 사이에 할당된 메모리가 해제됩니다.

커뮤니티 JSON 파일을 열 때 ComfyUI Manager 누락 노드 경고는 일반적으로 오래된 노드 레지스트리를 나타냅니다. ComfyUI-MiniMaxH3-Easy를 설치하면 이러한 누락된 종속성이 직접 해결됩니다. I2V 파이프라인의 경우 GetImageSize 실패 또는 형태 불일치 오류를 해결하려면 초기 및 최종 키프레임 이미지가 대상 픽셀 경계와 일치하는지 확인해야 합니다.