66秒成片 · 无人工介入
狐娘讲《六祖坛经》
🧬 分镜自动化🖥️ RTX 4090
写分镜脚本→逐镜生成→保持一致性→合成成片，整套流程用Kimi CLI的Skill机制串起来。H3的音画同步让狐娘的口型和台词对得上，不需要后期配音。640×512下单条2.5到3.5分钟，完全离线。
六个和权重、许可证、本地能力、衍生模型相关的关键事实，决定了“开源”这两个字在H3身上到底意味着什么。
开源的是768P基础生成的两个任务变体：FL2VA（文生/首尾帧）和Ref2VA（全参考）。Hugging Face和魔搭社区均可下载，全精度约498GB，量化后42-50GB。
2K超分模块（Regenerate-2K）和多模态上下文编排（Context-IR）没有开源，只通过官方API提供。本地跑不到原生2K直出，复杂参考编排也得走API。
不是Apache/MIT。允许免费非商用，年营收2000万美元以下公司可商用，允许微调修改。但排除了美国、欧盟、英国、韩国四个地区，中国在适用地域内。
全精度123.6GB显存占用，int8量化后压到42.5GB，叠加动态显存卸载，RTX 3060也能跑起来。但流畅体验建议24G显存，16G需要4bit量化。
开源三周下载量突破2400万次，公开衍生模型超过300个。加速LoRA、风格LoRA、角色LoRA、量化版本、工作流封装，社区在补官方没开的那些口子。
vLLM-Omni配合FastVideo的四步蒸馏适配器，把H3-Base的生成速度推到“快于播放”——10.1秒的视频加音频在约8.7秒内渲染完成。不是完整基础模型，是加速路径。
ComfyUI、Kimi Skill、SGLang、加速LoRA、全参考一致性——每条管线都对应一个真实的生产问题。
写分镜脚本→逐镜生成→保持一致性→合成成片，整套流程用Kimi CLI的Skill机制串起来。H3的音画同步让狐娘的口型和台词对得上，不需要后期配音。640×512下单条2.5到3.5分钟，完全离线。
ComfyUI更新到0.30以上，装社区H3节点插件，权重放进models目录，开4bit或8bit量化。显存低于16G必须开4bit，否则直接闪退。磁盘不要放C盘，模型体积很大。
Ref2VA最多同时吃9张图、3段视频、3段音频，用自然语言指定素材之间的关系。做多镜头短剧时，角色的脸、服装、声线可以在不同镜头之间保持稳定，不用每个镜头重新抽卡。
开源第3天就出现的Turbo LoRA，把20步压到4到8步。LightX2V的4步版本月下载量超过150万。本地抽草稿、官方API出成片，这套“本地抽卡+API成片”的分工在加速LoRA的帮助下成本更低。
适合开发者和需要批量调用的场景。pip install sglang之后用serve命令加载FL2VA或Ref2VA变体，本地端口对外提供标准API。不用ComfyUI的图形界面，适合接入已有生产管线。
输入含五要素的角色设定和文案，上传参考图与音频，在i2v-01工作台填提示词、选固定镜头、确认ncr启用，生成后从资产页下载无水印1080p mp4。适合知识口播和产品讲解。
双图参考加分层强度控制是双重曝光最稳的做法。人像图设为主参考，场景图设为辅助参考，分别调整两层的强度。H3的全参考模式让两张图的关系可以被自然语言描述，不是硬叠加。
FastVideo的四步蒸馏适配器配合vLLM-Omni，把H3-Base的生成速度推到比播放还快。10.1秒的带音频MP4在约8.7秒内完成。这是团队自报的基准，尚未独立复现，但它指向了一个方向：本地实时生成不是空话。
六个和下载源、量化、提示词、Skill、硬件相关的部署决策，决定了你是在“跑起来”还是在“跑得动”。
国内用户从ModelScope下载权重，CDN针对国内网络优化过，不需要额外网络条件。Hugging Face是官方首发源，但下载速度不一定理想。
全精度FP16在家用显卡上直接爆显存。INT8或NF4量化不是“优化”，是“能不能跑”的前提。显存低于16G必须开4bit，24G可以跑得比较从容。
H3的提示词是一套结构化格式：integrated_multimodal_description写画面和镜头，overall_soundscape写环境音和对白空间感，non_diegetic_music写配乐情绪。有对白时用
把ComfyUI自检、gen.py提交、参数约束、帧数网格表写进SKILL.md，AI在对话里识别到任务会自动按规程执行。不会犯“帮我出个1080p”这种超出本机能力的错误。
8G勉强NF4但易OOM，12-16G是入门量化档，24G流畅稳定适合长期创作，64G+全精度专业部署。内存32G起步，64G最佳，硬盘预留100GB以上。
原生Windows推理报错更多，WSL2环境下更稳。仅支持N卡CUDA推理，AMD和Mac可以跑量化但稳定性差，不是推荐路径。
一篇把H3的边界拆清楚的观察，聊开了什么、留了什么、哪些事部署之前必须知道。
H3发布之后，“开源”这个词被用得很大。但严格来说，H3走的是开源权重（Open Weights）路线，不是OSI定义的开源。权重可以下载、可以本地跑、可以微调，但许可证带地域和商用条件；更关键的是，两个最亮眼的能力——2K超分和Context-IR多模态编排——没有跟着权重一起出来。
开源的是两个任务变体：FL2VA处理文生视频、首帧生视频和首尾帧生视频；Ref2VA处理多参考生成，最多同时用9张图、3段视频、3段音频。本地能跑出来的最高分辨率是768P，24fps，4到15秒的整数时长。音画同步是原生能力，本地量化版本也保留了这个特性——32kHz立体声跟画面同一次前向传播出来，不是后配的。
Regenerate-2K是把768P结果升到2K的模块，Context-IR是把多张图、多段视频、音频的关系理清楚再交给生成模型的编排系统。这两个都只在API侧。这意味着如果你想要原生2K直出，或者想在多个参考素材之间做复杂的语义编排，本地权重做不到，得调MiniMax的API。社区里的衍生模型有一部分在尝试补这些口子，但补法和官方不完全一样。
MiniMax H3 Community License允许免费非商用，年营收2000万美元以下的公司可以商用，允许微调和修改。但它排除了美国、欧盟、英国、韩国四个地区。在这些地方，许可证不授权本地推理，也不授权分发本地生成的内容。中国在适用地域内。官方API访问和网页版工具不受这个地域限制。部署之前把许可证原文过一遍，比下载完几百GB才发现不能用要省事。
很多有技术能力的团队已经在用这套流程：本地部署H3出草稿、抽卡、调提示词、训练主角或画风的LoRA，等确定要出成片了，再调官方API买清晰度和2K。加速LoRA把抽卡成本压得更低，Turbo版本把20步压到4到8步。开源生态的价值不在于“替代API”，在于让试错成本降下来，让创作的前期探索不被API调用费限制住。
四位和开源部署、工作流、创作实践相关的人，聊的是边界和判断，不是模型跑分。
“单条5到7秒的视频谁都会生成，但拍一部多镜头、人物一致、叙事连贯的短片是另一回事。Skill机制解决的不是模型能力，是工程约束——把本机能跑什么、不能跑什么写死在文档里，AI就不会乱来。”
“开源第3天Turbo LoRA就出来了，第6周衍生模型超过300个。社区补速度、补风格、补角色，官方补2K和编排。两边各做各的，最后受益的是想把H3用起来的人。”
“ComfyUI适合调试和单条出片，SGLang适合批量。本地端口对外提供标准API之后，可以把H3嵌进已有的生产管线里，不用围着图形界面转。”
“本地出草稿、API出成片，这套分工在H3上跑通了。开源不是让你免费拿到完整产品，是让你在花钱之前先把该试的试完。这个价值比‘免费’大得多。”
H3的开源不是一个“免费替代API”的故事，是一个“把边界说清楚”的故事。权重开了768P基础生成，2K和编排留在API；许可证给了非商用和中小商用空间，但排除了四个地区；社区补了300多个衍生模型，但补不了官方没开的模块。创作者和开发者面对的不再是一个模糊的“开源大模型”，而是一份需要阅读条款、理解分工、选择路径的具体工具。
工作流也在跟着变。从“一次生成一段素材”到“管理剧本、角色、分镜、声音、时间线和版本”，H3的开源生态里已经出现了Kimi Skill自动化、ComfyUI管线、SGLang服务化、FastH3实时生成这些不同层次的做法。竞争的重心从模型跑分转向了“谁能让创作者在清楚的边界里把东西做出来”。
H3是MiniMax海螺视频产品线的第三代，33B稠密参数，2026年7月发布，同年开源H3-Base权重。它最核心的差异不是分辨率或时长，是音画同步的原生生成——对白、环境音、动作音效和画面在同一次前向传播里出来，不是先出无声画面再配。
开源的部分是768P的H3-Base，FL2VA和Ref2VA两个变体；2K超分和Context-IR编排留在API侧。ComfyUI当天合入支持，消费级显卡可以通过量化跑起来，300多个衍生模型在六周内长出来。FastH3把生成速度推到了快于播放。
海螺AI想做的不是“开源一个完整产品”，是把基础能力开放出来，让创作的前期探索不被成本限制住。边界写清楚，路径选清楚，剩下的交给工作流。
六条和权重、衍生模型、部署工具、实时生成有关的更新。
H3开源以来，公开衍生模型超过300个，覆盖加速、风格、角色、量化、工作流封装等方向。全球下载量突破2400万次。
vLLM-Omni配合FastVideo的FastH3适配器，把H3-Base的生成速度推到快于播放。10.1秒带音频MP4在约8.7秒内渲染完成，团队自报基准。
H3在ComfyUI社区镜像上线后，下载量突破600万次。Comfy-Org同步推出量化检查点和三套工作流模板。
H3权重在ModelScope上线国内镜像，CDN针对国内网络优化。Community License全文公开，地域限制和商用条件同步披露。
330亿参数的H3-Base权重登陆Hugging Face，FL2VA和Ref2VA两个任务变体可用。ComfyUI当天合入原生支持。
MiniMax发布H3全模态视频生成模型，原生2K/24fps，音画同步，全参考最多9图+3视频+3音频。API同日开放。
二十个问题，覆盖权重、部署、量化、工作流、许可证和API边界。可以上下滑动。
二十条近期反馈，自动向上滚动，鼠标悬停暂停。