Repolode
Enviar
zxcHolmes

zxcHolmes/minimax-h3-studio

Estudio web autoalojado que usa ComfyUI como biblioteca de Python para generar audio y video, imágenes, modelos 3D, música y voz en una sola máquina con GPU NVIDIA.

Ver en GitHub
Estrellas
180
Forks
47
Issues abiertos
0
Último commit
anteayer

¿Qué es?

MiniMax-H3 Studio es una aplicación web autoalojada para generar audio y video con MiniMax-H3 en una máquina con una sola GPU. Usa ComfyUI como biblioteca de Python, en lugar de su interfaz de nodos o archivos JSON de workflows, por lo que puede cargar checkpoints cuantizados de ComfyUI y usar su descarga dinámica de VRAM. Además, incorpora un servidor de tareas residente y una interfaz web.

El estudio permite generar video a partir de texto, de imágenes (con el primer fotograma o con el primero y el último) y de referencias (hasta 6 imágenes y 3 videos). También permite generar y editar imágenes con MOSS-Image, FLUX.2 Klein 4B y Qwen Image 2.1 Turbo; convertir imágenes a modelos 3D con Pixal3D y exportarlos como GLB; generar música con MiniMax Music 3; mejorar la resolución de videos con FlashVSR o SeedVR2; y generar voz mediante un servidor CUDA nativo de audio.cpp (TTS, clonación de voz y transcripción con Qwen3-ASR). Las tareas se ejecutan de una en una desde una cola persistente, y los pesos de los modelos permanecen cargados entre tareas.

La implementación se realiza con un script que envía el servidor y la interfaz a una máquina con GPU mediante SSH y configura un servicio de systemd. Otro script descarga los checkpoints necesarios. El usuario debe instalar ComfyUI y su entorno de Python en el equipo con GPU.

Funciones clave

  • 01Generación de video a partir de texto, imágenes y referencias, con audio guía opcional para sincronizar los labios y crear videos musicales.
  • 02Generación y edición de imágenes con tres modelos, con la opción de enviar los resultados a edición, video o 3D.
  • 03Conversión de imágenes a modelos 3D con texturas, que produce archivos GLB y ofrece un visor en el navegador.
  • 04Síntesis de voz, clonación de voz y transcripción con exportación de subtítulos mediante audio.cpp.
  • 05Cola persistente de tareas que mantiene los pesos de los modelos cargados entre tareas.
  • 06Script de implementación por SSH y script de descarga de modelos para configurar el sistema en una máquina con GPU.

Casos de uso

  • Generar clips cortos de video con IA y sonido en una GPU local de clase RTX.
  • Crear videos musicales usando una canción como banda sonora de cada toma.
  • Crear modelos 3D con texturas a partir de fotos de un producto u objeto.
  • Transcribir y subtitular audio o video grabado en tu propio equipo.

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/<you>/minimax-h3-studio && cd minimax-h3-studio
  2. 2

    Crea y edita tu archivo de configuración local

    cp .env.example .env
  3. 3

    Descarga los checkpoints de los modelos configurados en la máquina con GPU

    ./deploy.sh models
  4. 4

    Compila la interfaz, instala el servidor e inícialo

    ./deploy.sh

Antes de usarlo

  • Se necesita una máquina Linux con una GPU NVIDIA; el proyecto se desarrolló con una RTX 4090 de 24 GB de VRAM.
  • Debes instalar ComfyUI por tu cuenta, ya que este proyecto solo lo importa.
  • Los checkpoints de los modelos ocupan decenas de gigabytes en total, por lo que las descargas y el espacio en disco suponen un coste considerable.
  • Para usar el backend CUDA más rápido con versiones de PyTorch anteriores a cu130, hay que compilar comfy_kitchen desde el código fuente y aplicar un parche a ComfyUI.

En colecciones

Apps autoalojadasHerramientas de vídeo y audio con IAGeneradores de imágenes con IA y herramientas de Stable Diffusion

Temas

#ai#video-generation#comfyui#image-generation#text-to-speech#speech-recognition#3d-generation#self-hosted

Preguntas frecuentes

¿Qué es minimax-h3-studio?
Estudio web autoalojado que usa ComfyUI como biblioteca de Python para generar audio y video, imágenes, modelos 3D, música y voz en una sola máquina con GPU NVIDIA. MiniMax-H3 Studio es una aplicación web autoalojada para generar audio y video con MiniMax-H3 en una máquina con una sola GPU. Usa ComfyUI como biblioteca de Python, en lugar de su interfaz de nodos o archivos JSON de workflows, por lo que puede cargar checkpoints cuantizados de ComfyUI y usar su descarga dinámica de VRAM. Además, incorpora un servidor de tareas residente y una interfaz web.
¿minimax-h3-studio es gratuito? ¿Qué licencia tiene?
minimax-h3-studio es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿minimax-h3-studio sigue mantenido?
Mantenimiento activo. El último commit de minimax-h3-studio fue el 6 nov 2026.
¿Para qué puedo usar minimax-h3-studio?
Generar clips cortos de video con IA y sonido en una GPU local de clase RTX. Crear videos musicales usando una canción como banda sonora de cada toma. Crear modelos 3D con texturas a partir de fotos de un producto u objeto. Transcribir y subtitular audio o video grabado en tu propio equipo.
¿Cómo se instala minimax-h3-studio?
Clona el repositorio: git clone https://github.com/<you>/minimax-h3-studio && cd minimax-h3-studio Crea y edita tu archivo de configuración local: cp .env.example .env Descarga los checkpoints de los modelos configurados en la máquina con GPU: ./deploy.sh models Compila la interfaz, instala el servidor e inícialo: ./deploy.sh
¿Dónde consigo minimax-h3-studio?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/zxcHolmes/minimax-h3-studio

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados