MiniMax H3 – Lokale Einrichtungsanleitung: ComfyUI, Modelle, VRAM und erster Render

AI Overview

Kann MiniMax H3 lokal ausgeführt werden?

Ja. MiniMax hat die H3-Gewichte und ComfyUI-kompatiblen Pakete veröffentlicht; eine nutzbare Installation erfordert jedoch das richtige Diffusionsmodell, den Textencoder, das Video-VAE, das Audio-VAE, den passenden Workflow sowie ausreichend Systemspeicher für Offloading.

Wie viel VRAM benötigt MiniMax H3?

Es gibt keine einzige Anforderung, da Präzision, Quantisierung, Auflösung, Dauer und Offloading den Speicherverbrauch beeinflussen. Eine 24-GB-GPU ist ein realistisches Ziel für optimierte INT8-Workflows; kleinere Grafikkarten erfordern stärkere Quantisierung und Geduld.

Welches MiniMax H3-Modell soll ich herunterladen?

Wählen Sie FL2VA für text-, Erstbild-, Letztbild- oder bildgesteuerte Generierung. Wählen Sie Ref2VA, wenn der Workflow mehrere Referenzbilder, Videos oder Audiodateien verarbeitet. Laden Sie niemals blind das gesamte Repository herunter.

Ist lokales H3 besser als Seedance Agent?

Lokales H3 bietet maximale Kontrolle über Graphen und Dateien. Seedance Agent ist besser, wenn Sie H3-Ergebnisse ohne eigenständige Verwaltung von Treibern, Gewichten, VRAM-Workarounds, Shot-Protokollen, Freigaben und teilweisen Neuberechnungen wünschen.

Entscheiden Sie, ob Ihr Rechner bereit ist

Prüfen Sie GPU-Speicher, Arbeitsspeicher und Speicherplatz gemeinsam

Eine MiniMax H3-lokale Einrichtungsanleitung muss mit der Kapazitätsbewertung beginnen – nicht mit Installationsbefehlen. Das offizielle MiniMax-Repository umfasst nahezu 498 GB, da es mehrere Pipelines und Komponenten enthält. Üblicherweise benötigen Sie nur ein Diffusions-Checkpoint-Modell, einen passenden Textencoder, das Video-VAE, das Audio-VAE und einen Workflow. Selbst ein reduzierter Stack kann bereits zehn Gigabyte belegen – bevor Caches, temporäre Dateien und Ausgabevideos berücksichtigt werden.

Für einen einfachen Einstieg in ComfyUI ist 24 GB VRAM ein realistisches Ziel für ein optimiertes INT8-Diffusionsmodell sowie einen stark reduzierten Textencoder mit Offloading. Zwölf bis sechzehn Gigabyte funktionieren möglicherweise mit Community-GGUF- oder anderen quantisierten Ansätzen, doch wird die Einrichtung empfindlicher und die Generierung langsamer. Behauptungen zu 8-GB-Karten beruhen meist auf intensivem CPU-/RAM-Offloading und einer spezifischen Laufzeitumgebung – betrachten Sie diese daher als „Start möglich“, nicht als „komfortabel“. Halten Sie großzügig dimensionierten Arbeitsspeicher und schnellen SSD-Speicher bereit; VRAM ist nicht die einzige Begrenzung.

Der gehostete MiniMax H3-Generator ist der schnellste Kontrolltest. Führen Sie zunächst dieselbe kurze Idee dort aus. Falls das lokale Ergebnis fehlschlägt, können Sie zwischen Einschränkungen durch Prompt oder Modell einerseits und Installationsproblemen andererseits unterscheiden.

Ein fertiges Ausgabe-Konzept, das speziell für diese Anleitung erstellt wurde. Gesicht, Kleidung, Mondsichel-Geometrie, Werkzeugkontakt, Funken und Werkstattlayout bilden eine anspruchsvolle erste Qualitätsprüfung für die lokale Ausführung.

Behandeln Sie Apple Silicon als separaten Pfad

Der offizielle Integrationsindex verweist mittlerweile auf eine experimentelle, native Metal-basierte H3-Lösung für Apple Silicon – doch handelt es sich dabei nicht um denselben Betriebsweg wie die Standard-CUDA-und-ComfyUI-Einrichtung. Kopieren Sie keine NVIDIA-Wheel-Befehle auf einen Mac und erwarten Sie deren Funktionsfähigkeit. Überprüfen Sie sorgfältig, welche Chips, Speicherkapazitäten, Workflow-Typen und aktuellen Einschränkungen das gewählte Projekt unterstützt, und führen Sie zunächst einen kleinen Test durch. Für zuverlässige Produktion auf einem Mac ist ein gehosteter Weg möglicherweise schneller als das Debugging einer noch jungen lokalen Portierung.

Wählen Sie den richtigen Stack und Workflow

Beginnen Sie mit ComfyUI, es sei denn, Sie benötigen Kontrolle auf Bibliotheksebene

ComfyUI ist der zugänglichste lokale Weg, da aktuelle Vorlagen den Modell-Loader, Textencoder, VAE, Sampler, Audio-Decoding und die endgültige Video-Zusammenstellung bereits enthalten. Aktualisieren Sie ComfyUI vor dem Import eines H3-Vorlagenpakets; ältere stabile Versionen kennen möglicherweise die erforderlichen Knotentypen noch nicht. Beginnen Sie mit einer Kernvorlage und ohne optionale benutzerdefinierte Knoten. Fügen Sie Beschleunigung, Caching, Interpolation oder Upscaling erst hinzu, nachdem ein sauberer Baseline-Render erfolgreich abgeschlossen wurde.

Ein direkter Diffusers- oder benutzerdefinierter Python-Pfad ist nützlich für Dienstentwicklung und Forschung, macht aber mehr Abhängigkeiten und Pipeline-Entscheidungen sichtbar. Der einfache Codeausschnitt auf einer Modell-Hosting-Seite stellt möglicherweise nicht den vollständigen Audio-Video-Workflow dar. Wenn Ihr Ziel ein einzelner lokaler Clip ist, beginnen Sie mit einem gepflegten Workflow – statt alle Komponenten einzeln anhand von Dateinamen neu zusammenzustellen.

Passen Sie FL2VA oder Ref2VA der Aufgabe an

FL2VA ist die Modellfamilie für Text-zu-Video, Bild-zu-Video sowie Steuerung durch Erst- oder Letztbild. Ref2VA ist eine andere Checkpoint-Familie für Referenzbilder, Videos und Audio. Das Laden eines Ref2VA-Workflows mit FL2VA-Gewichten ist keine harmlose Austauschoption: Der Graph erwartet eine andere Conditioning-Routine. Die Ref2V-gegen-FL2VA-Anleitung erläutert diese Entscheidung detailliert.

Wählen Sie für den ersten Test FL2VA Text-zu-Video oder ein einzelnes Bild für I2V. Diese Varianten haben weniger bewegliche Teile. Wechseln Sie erst dann zu Ref2VA, wenn die Baseline bestätigt, dass Laufzeitumgebung, VAE und Ausgabekette fehlerfrei funktionieren.

Laden Sie die erforderlichen Dateien herunter und platzieren Sie sie korrekt

Erstellen Sie vor dem Download ein Manifest

Notieren Sie exakt den Namen der Workflow-Datei sowie aller von ihr referenzierten Modell-Dateien. Ein praktikables Manifest umfasst vier Zeilen: Diffusionsmodell, Textencoder, Video-VAE und Audio-VAE. Dokumentieren Sie Präzision, Dateigröße, Quell-Repository, Zielverzeichnis und – falls verfügbar – die Prüfsumme. So vermeiden Sie zwei kostspielige Fehler: das Herunterladen aller verfügbaren Varianten sowie die Kombination von Dateien, die nicht für denselben Graphen konzipiert wurden.

Für ein aktuelles ComfyUI-Paket lautet das Verzeichnismuster:```text ComfyUI/models/diffusion_models/<H3 diffusion checkpoint> ComfyUI/models/text_encoders/<passender Qwen3-VL-Textencoder> ComfyUI/models/vae/<MiniMax H3-Video-VAE> ComfyUI/models/vae/<MiniMax H3-Audio-VAE>

Die Open-Weight-Local-Pipeline erzeugt Video in 768p-Auflösung; die gehostete 2K-Neuerzeugung ist ein separater Dienst. Laden Sie keine Datei mit der Bezeichnung „2K“ herunter und erwarten Sie dabei nicht, dass die normale lokale Pipeline diese Ausgabemodalität unterstützt.

### Überprüfen Sie die Dateinamen vor dem Start

Vergleichen Sie nach jedem Download die Byte-Größe und die Prüfsumme, und stellen Sie sicher, dass der im Workflow-Selektor angezeigte Dateiname exakt mit der Datei auf der Festplatte übereinstimmt. Teilweise heruntergeladene Modelle können dennoch in einem Ordner erscheinen und später mit verwirrenden Tensor- oder Deserialisierungsfehlern scheitern. Benennen Sie die Diffusionsgewichte für FL2VA und Ref2VA klar und eindeutig. Wenn Sie mehrere Quantisierungen testen, ändern Sie jeweils nur eine Komponente und speichern Sie jeden funktionsfähigen Workflow unter einem neuen, versionsmarkierten Namen.

![Derselbe Schmied führt einen präzisen, nahen Hammerschlag auf die Mondsichel aus](https://r2.seedance.tv/blog/minimax-h3-local-setup-guide/blacksmith-hammer-detail-output-v1.png)

*Ein fertiger Nahrahmen zeigt, ob eine lokale Konfiguration Identität, Handkontakt, Werkzeuggeometrie und Skulptur auch bei verändertem Kamerabstand bewahrt.*

## Importieren Sie den Workflow und erstellen Sie ein Baseline-Rendering

### Zuerst laden, dann rote Knoten beheben

Öffnen Sie die offizielle Vorlage in einer aktualisierten ComfyUI-Installation. Falls Knoten rot oder unbekannt sind, halten Sie an und prüfen Sie, ob sie zum aktuellen Core von ComfyUI oder zu einem dokumentierten benutzerdefinierten Paket gehören. Installieren Sie nicht alle vom Manager vorgeschlagenen Knoten. Starten Sie nach Änderungen an erforderlichen Paketen neu, öffnen Sie die Vorlage erneut und wählen Sie die vier Manifestdateien in den zugehörigen Loadern aus.

Wählen Sie eine kurze Dauer, eine konservative Landschaftsauflösung, die standardmäßigen Sampler-Einstellungen aus der Vorlage sowie eine einfache Prompt. Vermeiden Sie LoRAs, Referenzpakete, Upscaler, Frame-Interpolation und lange Mehr-Szenen-Prompts. Ihre ersten Akzeptanzkriterien sind technischer Natur: Die Prompt wird in die Warteschlange gestellt, das Modell wird einmal geladen, die Sampling-Schritte werden ausgeführt, Video und Audio werden dekodiert, die endgültige MP4-Datei lässt sich abspielen, und ein zweiter Durchlauf löst weder unerwartetes Neuladen noch Neucompilieren aus.

### Verwenden Sie eine einzige Prompt, die häufige Fehler offenbart

Probieren Sie eine Person aus, die eine physische Aktion an einem gut beleuchteten Ort mit einem hörbaren Ereignis ausführt: „Ein Schmied in einem indigofarbenen Hemd und einer braunen Schürze schlägt einmal auf eine Mondsichel-Skulptur; Funken sprühen nach links, dann senkt sie sie Richtung Abschreckbehälter; helles Tageslicht in der Werkstatt, stabile Gesichts- und Handdarstellung, deutlicher Hammeraufschlag und Dampf.“ Damit werden Identität, Objektgeometrie, Kontakt, Bewegung, Licht und Ton sichtbar – ohne eine vollständige Erzählung zu werden.

```official-video
src=https://r2.seedance.tv/blog/minimax-h3-first-and-last-frame/official-flf-output-v1.mp4
poster=https://r2.seedance.tv/blog/minimax-h3-first-and-last-frame/official-flf-poster-v1.png
label=MiniMax H3-Beispiel für First-and-Last-Frame-Ausgabe

Ein fertiges H3-Ergebnis zur Überprüfung, ob die lokale Pipeline echte Bewegung, einen kohärenten Übergang und eine vollständig abspielbare Datei erzeugt – statt isolierter Einzelbilder.

Beheben Sie die häufigsten lokalen Fehler

Diagnostizieren Sie anhand der fehlgeschlagenen Phase

Ein Out-of-Memory-Fehler während der Textcodierung weist auf den Textencoder oder dessen Offload-Strategie hin; ein solcher während des Samplings deutet auf das Diffusionsmodell, die Latent-Größe, die Dauer, die Attention-Implementierung oder das Offload-Verhalten hin; ein Fehler während der Dekodierung betrifft die Video- bzw. Audio-VAE und den verfügbaren Speicher-Spielraum. Notieren Sie den zuletzt erfolgreich abgeschlossenen Knoten, statt jeden Absturz pauschal als „zu wenig VRAM“ zu interpretieren. Reduzieren Sie zunächst Dauer und Auflösung, schließen Sie konkurrierende GPU-Anwendungen und testen Sie eine bekannte kompatible Quantisierung.

Falls eine VAE nicht geladen werden kann, überprüfen Sie, ob die Videodateien und Audiodateien sich im Ordner models/vae befinden, vollständig sind und vom richtigen Loader ausgewählt wurden. Falls das endgültige Video keinen Ton enthält, bestätigen Sie, dass die Audio-VAE den Audioanteil des gemeinsamen Latents dekodiert hat und dass der finale Video-Knoten beide Streams multiplext hat. Der H3-VAE- und TensorRT-Geschwindigkeitsleitfaden hilft dabei, Dekodierengpässe von Sampling-Geschwindigkeit zu unterscheiden.

Dampf, Wasserkontakt, Zangen, Gesicht und Mondsichel-Form bilden einen anspruchsvolleren Bewegungs- und Dekodier-Checkpunkt – nachdem der einfache Hammerschlag erfolgreich war.

Fügen Sie Optimierungen einzeln hinzu

Sobald die Baseline funktioniert, duplizieren Sie den Workflow, bevor Sie eine Turbo-LoRA, SageAttention, Block-Caching, eine weitere Quantisierung oder einen benutzerdefinierten VAE-Pfad hinzufügen. Ändern Sie jeweils nur eine Variable und führen Sie denselben Seed und dieselbe Prompt erneut aus. Dokumentieren Sie den maximalen VRAM-Verbrauch, die Gesamtlaufzeit (Wall Time), die Größe der Ausgabedatei, sichtbare Artefakte und die Audioqualität. Eine Vier-Stufen-Beschleunigung kann schnelle Bewegung oder Ton beeinträchtigen; Geschwindigkeit zählt nur, wenn der Clip weiterhin die Qualitätsprüfung besteht.

Wandeln Sie einen funktionierenden Graphen in einen Produktions-Workflow um

Versionieren Sie Graph, Umgebung und Ausgabe gemeinsam

Speichern Sie den funktionsfähigen Workflow als JSON-Datei zusammen mit einem Manifest, das folgende Angaben enthält: ComfyUI-Commit, Commits benutzerdefinierter Knoten, Python-, PyTorch- und CUDA-Versionen, GPU-Modell, Modell-Hashes, Seed, Abmessungen, Dauer und Sampler-Einstellungen. Exportieren Sie gegebenenfalls separat einen Workflow im API-Format, falls Sie ihn über /prompt einreichen möchten; das Editor-JSON und das API-JSON sind nicht austauschbar. Lagern Sie Vorschauen, endgültige MP4-Dateien und Logs unter derselben Auftragskennung ab.

Für längere Geschichten verwenden Sie kurze Abschnitte und übernehmen akzeptierte Endpunkte in den nächsten Abschnitt. Der Multi-Keyframe-Workflow behandelt Zwischenanker für visuelle Kontinuität, während der wiederaufnehmbare Mehr-Szenen-Workflow zeigt, wie Checkpoints verhindern, dass ein Fehler nahe dem Ende den gesamten Auftrag neu starten muss.

```official-video
src=https://r2.seedance.tv/blog/minimax-h3-comfyui/official-r2v-output-v1.mp4
poster=https://r2.seedance.tv/blog/minimax-h3-comfyui/official-r2v-poster-v1.png
label=MiniMax H3 Referenzbeispiel für Videoausgabe

Ein eigenständiges, fertiges H3-Referenzergebnis zur Überprüfung von Identität, Referenzeinfluss, Kameraverhalten, nativem Audio und der endgültigen gemischten Datei, nachdem der grundlegende FL2VA-Pfad stabil ist.

Lokales H3 oder Seedance Agent wählen

Lokale Kontrolle behalten – aber nur dort, wo sie echten Mehrwert schafft

Lokales H3 ist sinnvoll, wenn Modell-Dateien auf Ihrem Rechner verbleiben müssen, Sie benutzerdefinierte Nodes oder experimentelle Quantisierungen benötigen, eine GPU-Umgebung betreiben können und die Iterationszeit akzeptabel ist. Es gewährt Ihnen direkten Zugriff auf Workflow-JSON, Seeds, Zwischenzustände und Automatisierungsendpunkte. Diese Kontrolle ist wertvoll für Forschung und spezialisierte Pipelines, erzeugt jedoch eine dauerhafte Wartungsverpflichtung.

Seedance Agent eignet sich für Teams, die H3 nutzen möchten, ohne Treiberkompatibilität, Speicherplatz, Offloading, Node-Versionen und Render-Wiederherstellung zu einem zweiten Projekt werden zu lassen. Es kann eine kurze Beschreibung in einen überprüfbaren Shot-Plan übersetzen, Referenzrollen und Akzeptanzkriterien jedem Shot zuzuordnen, fertige Ausgaben präsentieren und nach der Freigabe ausschließlich den schwachen Abschnitt erneut ausführen.

Der letzte Frame prüft, ob Identität, Kleidung, Werkstattlayout und Geometrie des Halbmonds die gesamte lokale Sequenz vom Impact bis zum fertigen Objekt unbeschadet überstehen.

Fazit

Eine zuverlässige MiniMax H3-lokale Einrichtung beginnt damit, die richtige Aufgabenfamilie auszuwählen – nicht damit, alle als „H3“ gekennzeichneten Inhalte herunterzuladen. Bestätigen Sie Hardware- und Speicheranforderungen, aktualisieren Sie ComfyUI, kombinieren Sie einen Diffusions-Checkpoint mit seinem passenden Text-Encoder und beiden VAEs, platzieren Sie die Dateien in den vorgesehenen Ordnern und führen Sie zunächst ein kurzes Baseline-Rendering durch, bevor Sie Beschleunigung oder komplexe Referenzen hinzufügen. Dokumentieren Sie jede funktionierende Kombination explizit als Version, sodass ein neuer Node oder eine neue Quantisierung keine bewährte Konfiguration überschreibt. Falls lokale Kontrolle weniger wichtig ist als Planung, Überprüfung, Kontinuität und wiederherstellbare Produktion, starten Sie das Projekt mit Seedance Agent und nutzen Sie MiniMax H3, ohne den gesamten Stack selbst pflegen zu müssen.