MiniMax H3 量化全模态视频生成：16GB 显存本地跑 2K 带音频视频
【免费下载链接】Minimax-H3-nvfp4-INT4-INT8-Convrot项目地址: https://ai.gitcode.com/hf_mirrors/Abiray/Minimax-H3-nvfp4-INT4-INT8-Convrot
MiniMax-H3-nvfp4-INT4-INT8-Convrot 提供 MiniMax H3 全模态视频生成的量化权重，覆盖 INT4、INT8、NVFP4 三种精度，让 16GB–24GB 显存的显卡能在 ComfyUI 里本地生成 2K 带立体声音频的视频，16GB 卡显存占用约 11.3GB。
🎬 16GB 显存卡在哪？MiniMax H3 量化本地生成的三个场景
先说结论：原版 H3 的开销在服务器级，消费级显卡普遍卡在加载这一步。它的骨干 H3-Omni-Transformer 是 33B 稠密 Transformer，文本编码器又用了完整的 Qwen3-VL-32B，4070 Ti Super 这类 16GB 卡装不下。
如果你要用多张图参考人物或场景，24GB 显存对应 INT8 权重：约占 21GB，是各档位里剪枝后质量最高的一档。
如果手头是 RTX 5090 这类 Blackwell 新卡，NVFP4（英伟达 4 位浮点格式，需 Blackwell 硬件支持）只占 12.5GB，压缩效率比 INT4 更优。
16GB/24GB/Blackwell 显卡怎么选 MiniMax H3 量化模型文件
规则一句话：显存越小精度越低，24GB 选 INT8，Blackwell 选 NVFP4；扩散模型和文本编码器要同精度搭配。
| 你的显卡 | 扩散模型（仓库根目录） | 文本编码器（text_encoders/） | 大致显存 |
|---|---|---|---|
| 16GB：RTX 4070 Ti Super / 4080 | _pruned_int4_convrot或_pruned_mixed_int4_int8_convrot | qwen3vl_32b_minimax_h3_int4_convrot.safetensors（15.0GB） | 11.3–15.5GB |
| 24GB：RTX 3090 / 4090 | _pruned_int8_convrot | qwen3vl_32b_minimax_h3_int8_convrot.safetensors（27.1GB） | 约21GB |
| Blackwell：RTX 5090 | _pruned_nvfp4 | qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors（15.7GB） | 12.5GB |
不管选哪档，vae/里的两个文件都必下：minimax_h3_audio_vae_fp32.safetensors（605MB，音频解码）和minimax_h3_video_vae_fp16.safetensors（5.21GB，视频解码），VAE 是把潜码还原成画面与声音的最后一环。
🛠️ 5 步完成 ComfyUI 本地部署
- 克隆仓库：
git clone https://gitcode.com/hf_mirrors/Abiray/Minimax-H3-nvfp4-INT4-INT8-Convrot- 准备环境：Python 3.10+，装好 PyTorch 与 Diffusers，或直接使用 ComfyUI。
- 文件入位：扩散模型进
models/diffusion_models/，文本编码器进models/text_encoders/，两个 VAE 进models/vae/。 - 工作流加载：UNETLoader 选扩散权重，CLIPLoaderGGUF 选文本编码器，VAELoader 分别挂视频和音频 VAE；仓库附带的
ref2.json是现成工作流，可直接导入。 - 参数起步：24 FPS、短边默认 768px，先跑 4 秒片段，再逐步加长。
FL2VA 与 Ref2VA 输入规格速查（进阶）
FL2VA 还是 Ref2VA 看输入复杂度，不看显存。FL2VA 管标准流程：纯文本生视频、单图做首帧或尾帧、双图定首尾帧；Ref2VA 管多模态参考，上限如下：
| 系列 | 输入上限 |
|---|---|
| FL2VA | 0 / 1 / 2 张图，也可纯文本 |
| Ref2VA | ≤9 张图；≤3 段视频（每段 2–15 秒、总长 ≤15 秒）；≤3 段音频（每段 2–15 秒，需搭配图/视频）；混合文件 ≤12 个 |
所有量化权重的输出规格一致：时长 4–15 秒；短边默认 768px，可上 2K；24 FPS；32kHz 立体声音频；对白支持中、英、日、韩、德等 11 种语言。
许可证与使用边界
权重遵循 MiniMax H3 Community License Agreement，仅限非商业研究和个人使用，官方渠道另有内容合规审查。先按显存把文件选对，再用 4 秒、768px 参数起步，第一条带声音的视频会比你想象中来得快。
【免费下载链接】Minimax-H3-nvfp4-INT4-INT8-Convrot项目地址: https://ai.gitcode.com/hf_mirrors/Abiray/Minimax-H3-nvfp4-INT4-INT8-Convrot
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
