MiniMax H3 Lokaler Bereitstellungsleitfaden: Von der Hardware-Konfiguration bis zum ComfyUI-Workflow in der Praxis

MiniMax H3 ist ein universelles, multimodales Generierungsmodell von MiniMax, das jetzt als Open-Weights-Modell verfügbar ist. Es kann Text, Bilder, Video und Audio in einem einzigen Kontext gemeinsam verstehen und Videos mit nativem Stereo-Audio generieren – Sprache, Soundeffekte und Musik werden in einem einzigen Forward-Pass modelliert, anstatt nachträglich hinzugefügt zu werden.

Die Ausgabe unterstützt bis zu 2K-Auflösung bei 24 fps mit einer Dauer von etwa 15 Sekunden. Noch wichtiger: H3 ist jetzt Open Source, sodass Sie lokal die vollständige Kontrolle über jeden Parameter haben.

Dieser Artikel führt Sie von Null an durch die lokale Bereitstellung von MiniMax H3 – von der Hardware-Konfiguration über die ComfyUI-Installation und Modell-Downloads bis hin zu drei praktischen Workflows und Optimierungstipps.

---

1. Hardware-Anforderungen: Kann Ihr Computer es ausführen?

MiniMax H3 stellt hohe Anforderungen an die Hardware, liegt aber bereits im Bereich hochwertiger Consumer-Grafikkarten. Basierend auf Community-Tests hier die Konfigurationsempfehlungen für verschiedene GPU-Klassen:

GPU-Rangliste

VRAM	GPU-Modell	Quantisierung	Einsatzszenario
24GB+ (RTX 5090/4090)	Flaggschiff	FP16 / BF16	Vollqualitätsgenerierung, höchste Geschwindigkeit
16GB (RTX 4080 usw.)	High-End	Q5 / Q4	Balance zwischen Bildqualität und Geschwindigkeit
12GB (RTX 3060/4070 Ti usw.)	Mainstream	Q4 / pruned INT8 + NVFP4	Empfohlene Konfiguration, nachweislich lauffähig
8GB	Einstieg	Extreme Quant.	Knapp lauffähig, aber eingeschränktes Erlebnis

Mindestkonfiguration

• GPU: NVIDIA RTX 3060 12GB (von ComfyUI offiziell bestätigte Untergrenze)
• RAM: 32GB (Pflicht, 16GB führen zu Speicherüberlauf)
• System: Windows 10/11 oder Linux
• ComfyUI-Version: 0.30.0 oder höher

Empfohlene Konfiguration (flüssiges Erlebnis)

• GPU: RTX 4080 16GB oder höher
• RAM: 32GB DDR4/DDR5
• Festplatte: SSD (Modell Dateien sind groß, HDDs laden langsam)

💡 Testdaten: RTX 4090 48GB (modifizierte Version) kann das Modell in voller Präzision flüssig ausführen; RTX 4080 16GB mit quantisierter Version bietet gute Balance zwischen Qualität und Geschwindigkeit; RTX 3060 12GB mit 32GB RAM kann es ausführen, aber die Generierungszeit ist länger.

---

2. ComfyUI installieren

ComfyUI ist die beste Plattform zum Ausführen von MiniMax H3, mit offizieller nativer Unterstützung für H3-Workflows.

2.1 ComfyUI herunterladen

Methode 1: Offizielles Installationspaket (empfohlen für Einsteiger)

Besuchen Sie die ComfyUI-Website und laden Sie das Installationspaket für Ihr System herunter:

• Windows: .exe-Installationsprogramm
• macOS: .dmg-Installationsprogramm
• Linux: AppImage oder manuelle Installation

Methode 2: Installation aus dem GitHub-Quellcode (empfohlen für fortgeschrittene Nutzer)

# Repository klonen
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# Virtuelle Umgebung erstellen (empfohlen)
python -m venv venv
source venv/bin/activate  # Linux/macOS
# venv\Scripts\activate   # Windows

# Abhängigkeiten installieren
pip install -r requirements.txt

2.2 Auf 0.30.0+ aktualisieren

MiniMax H3 benötigt ComfyUI Version 0.30.0 oder höher. Wenn Sie eine ältere Version haben, aktualisieren Sie bitte:

# Bei Installation aus Quellcode
git pull
pip install -r requirements.txt --upgrade

Bei der offiziellen Installationsversion wird beim Start automatisch nach Updates gesucht.

2.3 ComfyUI starten

# Bei Installation aus Quellcode
python main.py

# Oder Startskripte verwenden:
# Windows: run_nvidia_gpu.bat
# macOS: run_macos.sh
# Linux: run_nvidia_gpu.sh

Nach dem Start öffnen Sie http://127.0.0.1:8188 im Browser, um die Oberfläche zu sehen.

---

3. MiniMax H3 Modell Dateien herunterladen

Die Modell Dateien von MiniMax H3 werden im Hugging Face-Repository Comfy-Org/MiniMax-H3 gehostet.

3.1 Modell Dateiliste

Je nach verwendetem Workflow-Typ müssen unterschiedliche Modell Dateien heruntergeladen werden:

Text-zu-Video (T2V) und Bild-zu-Video (I2V) Workflows

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│   ├── text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│   └── vae/
│       ├── minimax_h3_video_vae_fp16.safetensors
│       └── minimax_h3_audio_vae_fp32.safetensors

Referenz-zu-Video (R2V) Workflow

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └── minimax_h3_ref2va_pruned_int8_convrot.safetensors  # Hinweis: anderes Diffusionsmodell
│   ├── text_encoders/
│   │   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors  # gemeinsam genutzt
│   └── vae/
│       ├── minimax_h3_video_vae_fp16.safetensors  # gemeinsam genutzt
│       └── minimax_h3_audio_vae_fp32.safetensors  # gemeinsam genutzt

3.2 Download-Methoden

Methode 1: Hugging Face CLI verwenden (empfohlen)

# huggingface_hub installieren
pip install huggingface_hub

# Einzelne Datei herunterladen
huggingface-cli download Comfy-Org/MiniMax-H3 \
  minimax_h3_fl2va_pruned_int8_convrot.safetensors \
  --local-dir ./ComfyUI/models/diffusion_models/

# Text-Encoder herunterladen
huggingface-cli download Comfy-Org/MiniMax-H3 \
  qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors \
  --local-dir ./ComfyUI/models/text_encoders/

# VAE herunterladen
huggingface-cli download Comfy-Org/MiniMax-H3 \
  minimax_h3_video_vae_fp16.safetensors \
  --local-dir ./ComfyUI/models/vae/

huggingface-cli download Comfy-Org/MiniMax-H3 \
  minimax_h3_audio_vae_fp32.safetensors \
  --local-dir ./ComfyUI/models/vae/

Methode 2: Manueller Download im Browser

Besuchen Sie das Hugging Face-Repository, klicken Sie auf den Download-Button neben den Dateien und laden Sie sie manuell in die entsprechenden Verzeichnisse herunter.

Methode 3: Automatischer Download durch ComfyUI

ComfyUI 0.30.0+ unterstützt den automatischen Download fehlender Modell Dateien. Wenn Sie zum ersten Mal einen MiniMax H3-Workflow ausführen und fehlende Modelle erkannt werden, erscheint ein Dialogfeld, das Sie durch den Download führt.

3.3 Größenreferenz der Modell Dateien

• Diffusionsmodell: ca. 10–15 GB (quantisierte Version)
• Text-Encoder: ca. 20 GB (Qwen3-VL 32B)
• VAE: ca. 1–2 GB

💡 Tipp: Bei langsamer Netzwerkverbindung können Sie Hugging Face-Mirror-Sites oder Download-Tools zur Beschleunigung verwenden.

---

4. Drei Workflows in der Praxis

Die ComfyUI-Vorlagenbibliothek bietet drei MiniMax H3-Beispielworkflows, die drei Generierungsmodi abdecken.

4.1 Text-zu-Video (T2V)

Funktion: Generiert Videos mit nativem Stereo-Audio basierend auf Text-Prompts.

Verwendung:

1. Öffnen Sie ComfyUI und klicken Sie im oberen Menü auf Workflow → Vorlagen durchsuchen
2. In der Kategorie Video finden Sie MiniMax H3 T2V
3. Klicken Sie, um den Workflow zu laden
4. Geben Sie Ihren Prompt im Prompt-Knoten ein
5. Passen Sie die Ausgab auflösung im Resolution Selector-Knoten an
6. Klicken Sie auf Queue Prompt, um die Generierung zu starten

Prompt-Tipps:

• Gesamte Szene beschreiben: Beschreiben Sie zuerst die Gesamtszene (Ort, Personen, was passiert) und teilen Sie sie dann zeitlich in mehrere Aufnahmen auf
• Aufnahme, Kamera und Audio: Beschreiben Sie Aufnahme, Kamerabewegung und begleitendes Audio (Dialoge, Soundeffekte, Musik) im selben Prompt-Block
• Auflösung: Die native Canvas-Kurzseite von H3 beträgt 768px, das Maximum ist 768×1344 Pixel, gerundet auf Vielfache von 32
• Dauer: Die Dauer-Eingabe wird am 17-Frames-Raster des Modells bei 24fps ausgerichtet

Beispiel-Prompt:

Ein junges Mädchen steht am Rand einer Dachterrasse in der Stadt, der Sonnenuntergang beleuchtet ihr Gesicht. Sie dreht sich zur Kamera, lächelt und sagt: "Hallo, Welt."
Die Kamera fährt langsam näher, im Hintergrund gehen nach und nach die Stadtlichter an. In der Ferne hört man Verkehr und eine sanfte Brise.

4.2 Bild-zu-Video (I2V)

Funktion: Generiert Videos aus einem Eingabebild, optional mit Angabe von Start-/End-Keyframes.

Verwendung:

1. Laden Sie die MiniMax H3 I2V Workflow-Vorlage
2. Laden Sie Ihr Eingabebild im Load Image-Knoten hoch
3. Optional: Verbinden Sie im last_frame-Eingang ein weiteres Bild als End-Frame
4. Geben Sie einen Prompt ein, der die gewünschte Bewegung und das Audio beschreibt
5. Passen Sie die Parameter an und generieren Sie

Prompt-Tipps:

• Keyframes: Die Eingänge first_frame und last_frame sind optional; das Modell generiert die Bewegung dazwischen
• Prompt: Beschreiben Sie Aufnahme, Aktion und begleitendes Audio im selben Textblock

Beispiel-Prompt:

Die Kamera dreht sich langsam um das Produkt und zeigt 360-Grad-Details. Der Hintergrund bleibt rein weiß, sanftes Licht fällt von oben herab.

4.3 Referenz-zu-Video (R2V)

Funktion: Generiert Videos aus einer beliebigen Kombination von Referenzbildern, -videos und -audios, wobei Charakter, Stil, Bewegung, Kameraführung oder Stimme fixiert werden.

Verwendung:

1. Laden Sie die MiniMax H3 R2V Workflow-Vorlage
2. Laden Sie Charakter-Referenzbilder im Picture-Eingangsknoten hoch (bis zu 9)
3. Laden Sie Stil-/Bewegungsreferenzvideos im Video-Eingangsknoten hoch (bis zu 3)
4. Laden Sie Stimmreferenz-Audios im Audio-Eingangsknoten hoch (bis zu 3)
5. Geben Sie einen Prompt ein und referenzieren Sie jede Eingabe mit Tags

Prompt-Tipps:

• Referenzierung mit Tags: Referenzieren Sie jede Eingabe mit Tags, die Reihenfolge muss exakt mit der Verbindungsreihenfolge übereinstimmen, z.B. <Picture 1>, <Video 1>, <Audio 1>
• Jeder Referenz eine Aufgabe zuweisen: Geben Sie an, welche Referenz für welchen Teil des Bildes verantwortlich ist (Identität, Stil, Bewegung, Kamera, Stimme)

Beispiel-Prompt:

Der Charakter aus <Picture 1> trägt einen roten Umhang und steht auf einem Stadtdach. Die Kamerabewegung aus <Video 1> wird angewendet:
Die Kamera filmt aus niedriger Perspektive und hebt sich langsam an. Die Bewegung des Charakters folgt <Video 2>: Er dreht sich um und blickt in die Ferne.
Hintergrund-Soundeffekte folgen <Audio 1>: Wind und entfernter Stadtverkehr.

Einschränkungen:

• Bis zu 9 Referenzbilder
• Bis zu 3 Referenzvideos (jedes mit eigenem Soundtrack möglich)
• Bis zu 3 separate Referenz-Audio-Clips
• ref_image_size: match verkleinert die Referenz auf die Generierungs auflösung für höhere Geschwindigkeit; max behält bis zu 2048px auf der kurzen Seite für stärkere Identitätstreue

⚠️ Hinweis: R2V verwendet das ref2va-Diffusionsmodell – ein anderer Gewichtungssatz als die fl2va-Modelle für T2V- und I2V-Workflows. Stellen Sie sicher, dass Sie die richtigen Modell Dateien herunterladen.

---

5. Leistungsoptimierung: Generierung mit Sage Attention beschleunigen

Der Standard-Workflow verwendet die Standard-Attention-Implementierung. Mit Sage Attention können Sie die Generierungs geschwindigkeit bei minimalem Qualitätsverlust etwa verdoppeln.

5.1 Sage Attention installieren

1. Besuchen Sie die SageAttention Releases-Seite
2. Laden Sie die zu Ihrer PyTorch- und CUDA-Version passende Wheel-Datei herunter
3. Installieren:

pip install sageattention-<version>+cu<cuda_version>-cp<python_version>.whl

5.2 KJNodes Custom Node installieren

Sage Attention muss über einen von KJNodes bereitgestellten Knoten verwendet werden:

Methode 1: ComfyUI Manager verwenden (empfohlen)

Öffnen Sie den Manager in ComfyUI, suchen Sie nach KJNodes und installieren Sie ihn.

Methode 2: Manuelle Installation

cd ComfyUI/custom_nodes/
git clone https://github.com/kijai/ComfyUI-KJNodes.git
# ComfyUI neu starten

5.3 Im Workflow verwenden

1. Fügen Sie den Knoten Patch Sage Attention KJ zum Workflow hinzu
2. Verbinden Sie ihn zwischen den Knoten UNETLoader und BasicGuider:
   • Der model-Eingang empfängt das Modell vom UNETLoader
   • Der model-Ausgang wird mit dem model-Eingang von BasicGuider verbunden
3. Setzen Sie sage_attention auf auto
4. Führen Sie den Workflow wie gewohnt aus

Globale Aktivierung:

Starten Sie ComfyUI mit dem Startparameter:

python main.py --use-sage-attention

So entfällt das Hinzufügen des Knotens in jedem Workflow.

💡 Tipp: Sage Attention erfordert float16- oder bfloat16-Tensoren. Einige Schichten von MiniMax H3 verwenden andere Datentypen, daher sehen Sie möglicherweise Warnungen in der Konsole. Das ist normal; betroffene Schichten fallen auf Standard-Attention zurück, die Generierung funktioniert weiterhin.

---

6. Häufig gestellte Fragen

F1: Warum ist meine Generierungs geschwindigkeit so langsam?

Mögliche Ursachen:

• VRAM unzureichend, übermäßige Quantisierung verwendet
• RAM unzureichend (32GB erforderlich)
• Sage Attention nicht aktiviert
• Auflösung zu hoch eingestellt

Lösungen:

• Auflösung reduzieren (Megapixel-Einstellung auf 0,5–0,8)
• Sage Attention aktivieren
• Andere speicherintensive Programme schließen
• GPU-Upgrade in Betracht ziehen

F2: Das generierte Video hat keinen Ton?

Checkliste:

• Stellen Sie sicher, dass minimax_h3_audio_vae_fp32.safetensors heruntergeladen wurde
• Der Prompt beschreibt Audioinhalte (Dialoge, Soundeffekte, Musik)
• Der Audio-Ausgangsknoten im Workflow ist korrekt verbunden

F3: Kann es auf einer RTX 3060 12GB ausgeführt werden?

Ja, aber beachten Sie:

• Verwenden Sie die quantisierte Version (pruned INT8 + NVFP4)
• RAM muss 32GB betragen
• Längere Generierungszeit (möglicherweise 5–10 Minuten/Video)
• Auflösung nicht zu hoch einstellen

F4: Wie kann ich die Videoqualität verbessern?

Empfehlungen:

• Höherwertige Quantisierung verwenden (Q5 statt Q4)
• Auflösung erhöhen (Megapixel-Einstellung auf 1,0)
• Prompts sorgfältig formulieren, den offiziellen Prompt-Leitfaden beachten
• Referenz-zu-Video (R2V) verwenden, um Charakter und Stil zu fixieren

F5: Wie lange können Videos sein?

Aktuell beträgt die Generierungs dauer von MiniMax H3 etwa 15 Sekunden bei 24 fps. Für längere Videos können Sie:

• Mehrere Clips generieren und zusammenfügen
• Den Endframe eines Bild-zu-Video (I2V)-Clips als Startframe des nächsten verwenden, um fortlaufend zu generieren

---

7. Weiterführende Ressourcen

• ComfyUI offizielle Dokumentation: MiniMax H3 Tutorial
• MiniMax H3 Prompt-Leitfaden: Offizielle Dokumentation
• Hugging Face Modell-Repository: Comfy-Org/MiniMax-H3
• Community-Workflow-Sharing: GitHub - ComfyUI_MiniMaxH3_Director

---

8. Fazit

Die Open-Source-Veröffentlichung von MiniMax H3 bringt neue Möglichkeiten in die Videogenerierung. Mit ComfyUI können Sie den Generierungsprozess lokal vollständig kontrollieren – von der Hardware-Konfiguration bis zur Prompt-Erstellung kann jeder Schritt fein abgestimmt werden.

Wichtigste Punkte im Überblick:

1. Hardware-Anforderungen: RTX 3060 12GB ist die Mindestkonfiguration, RTX 4080 16GB wird empfohlen
2. Installationsschritte: ComfyUI 0.30.0+ → Modell Dateien herunterladen → Workflow laden
3. Drei Workflows: T2V (Text-zu-Video), I2V (Bild-zu-Video), R2V (Referenz-zu-Video)
4. Leistungsoptimierung: Sage Attention aktivieren verdoppelt die Geschwindigkeit etwa
5. Prompt-Techniken: Szene, Aufnahme, Audio beschreiben, Referenzen mit Tags referenzieren

Jetzt kennen Sie den vollständigen Prozess der lokalen Bereitstellung von MiniMax H3. Beginnen Sie mit der Erstellung Ihrer KI-Videos!

---

📌 Weiterführende Artikel:

• Seedance 2.0 Tiefgehender Test: ByteDances neuer Maßstab für KI-Videogenerierung
• Veo 3.1 vs Kling 3.0 Vergleichstest: Das Duell der KI-Videogeneratoren 2026
• Runway Gen-4.5 Vollständiger Leitfaden: Die Charakter-Konsistenz-Revolution in der KI-Videogenerierung