文章摘要
ComfyUI现已支持MiniMax H3模型，该模型为开源权重、支持原生音频和2K视频输出，可在3060显卡上本地运行。
文章总结
MiniMax H3 是一款新一代开源视频模型，已在 ComfyUI 中获得原生支持。该模型支持文本、图像、视频或音频输入，可生成最高 2K 分辨率、最长 15 秒的视频，并自带立体声音频。其核心功能包括：文本转视频、图像转视频、首尾帧控制、参考转视频（可携带主体、动作或声音），以及多模态上下文理解（能同时处理图像、音频和视频，并根据提示协调它们的关系）。音频是模型原生生成的立体声，而非后期添加。此外，模型还支持编辑和动作迁移，可将参考视频的动作应用于其他主体和风格。
在本地推理方面，ComfyUI 对模型进行了优化：通过剪枝约 40% 的调制权重并替换为查找表，结合 int8 量化卷积和自定义内核，将内存占用从 123.6 GB 降至 42.5 GB，降幅达 66%。这使得该模型甚至能在 RTX 3060 等消费级 GPU 上本地运行。用户只需更新 ComfyUI 至 0.30.0 版本，下载相应工作流和模型权重，即可开始使用。
评论总结
根据评论内容，总结如下：
主要观点与论据：
技术突破与性能提升（评分：None，作者：rvz、Mashimo、embedding-shape）
- 模型通过权重剪枝和查找表替换，内存占用从123.6GB降至42.5GB（减少66%），支持RTX 3060本地运行2K视频。
- 关键引用："The result gives a total memory footprint reduced by 66%... enables a next-generation 2K video model to run locally on a GPU like the RTX 3060."（Mashimo）
- 关键引用："We found that the model's modulation weights (~40% of the total parameters) could be pruned and replaced with a functionally equivalent lookup table... no loss in output quality."（embedding-shape）
生成质量与局限性（评分：None，作者：sheesdev、vblanco、fodkodrasz）
- 部分片段（如鼠标渲染）表现惊艳，但整体美学风格“平淡且千篇一律”（fodkodrasz）。饮料广告片段仍有“AI平滑”效果。
- 关键引用："The mouse render is surprisingly good... Several of those clips stood out to be a pretty big leap."（sheesdev）
- 关键引用："aesthetically it all looks painfully bland and generic."（fodkodrasz）
行业影响与伦理争议（评分：None，作者：SV_BubbleTime、rvz、satvikpendem）
- 开源模型对社区是重大胜利，但引发好莱坞警惕（rvz）。人类导演仍具价值，AI工具需与人类创意结合（satvikpendem）。
- 关键引用："Hollywood and the film industry on red alert... This is AGI."（rvz）
- 关键引用："human directors are still valuable... the creativity is in the arrangement."（satvikpendem）
实际使用体验（评分：None，作者：vblanco、nfnmema）
- 4070Ti Super上生成10秒480p视频需10分钟，效果“壮观”（vblanco）。用户询问使用教程（nfnmema）。
- 关键引用："Im running this on my 4070ti super... takes 10 minutes for a 10-seconds 480p video. but the results are spectacular."（vblanco）
平衡性总结： - 正面：技术突破显著（内存优化、本地运行）、部分生成质量惊艳、开源推动社区发展。 - 负面：美学风格单一、生成速度慢、存在“AI平滑”伪影、引发行业伦理担忧。 - 中立：人类导演仍不可替代，AI工具需与人类创意结合。