Repolode
投稿する
zxcHolmes

zxcHolmes/minimax-h3-studio

ComfyUIをPythonライブラリとして利用し、NVIDIA GPU 1台で動画・画像・3Dモデル・音楽・音声を生成するセルフホスト型Webスタジオ。

GitHub で見る
スター
180
フォーク
47
未解決の Issue
0
最終コミット
20 時間前

これは何？

MiniMax-H3 Studioは、GPUマシン1台でMiniMax-H3による動画・音声生成を実行するセルフホスト型Webアプリです。ComfyUIのノードUIやワークフローJSONではなく、PythonライブラリとしてComfyUIを利用するため、量子化されたComfyUIチェックポイントやComfyUIの動的なVRAMオフロード機能を使えます。また、その前段に常駐型ジョブサーバーとブラウザーUIを配置します。

テキストからの動画生成、画像からの動画生成（最初のフレーム、または最初と最後のフレームを指定）、最大6枚の画像と3本の動画を使った参照動画生成に対応しています。さらに、MOSS-Image、FLUX.2 Klein 4B、Qwen Image 2.1 Turboによる画像生成・編集、Pixal3DによるGLB書き出し対応の画像からの3D生成、MiniMax Music 3による音楽生成、FlashVSRまたはSeedVR2による動画アップスケーリング、audio.cppのネイティブCUDAサーバーによる音声処理（TTS、ボイスクローニング、Qwen3-ASRによる文字起こし）も利用できます。ジョブは永続キューから1件ずつ実行され、モデルの重みはジョブ間もロードされたままです。

デプロイ用スクリプトはSSH経由でGPUマシンにサーバーとUIを転送し、systemdサービスを設定します。必要なチェックポイントをダウンロードするスクリプトも別途用意されています。GPUホストには、ComfyUIとそのPython環境をあらかじめインストールしておく必要があります。

主な機能

  • 01リップシンクやミュージックビデオ向けにガイド音声も指定できる、テキスト・画像・参照素材からの動画生成。
  • 023つのモデルによる画像の生成・編集に対応し、出力を編集、動画、3Dの各工程に送信可能。
  • 03テクスチャ付きGLBを生成する画像からの3D変換と、ブラウザー内ビューア。
  • 04audio.cppによる音声合成、ボイスクローニング、文字起こしと字幕の書き出し。
  • 05ジョブ間もモデルの重みをメモリに保持する永続ジョブキュー。
  • 06GPUマシンへのセットアップに使えるSSHデプロイスクリプトとモデルダウンロードスクリプト。

ユースケース

  • RTXクラスのローカルGPUで、音声付きの短いAI動画クリップを生成する。
  • 曲を各ショットのサウンドトラックに指定して、ミュージックビデオを作成する。
  • 商品や物体を撮影した1枚の写真から、テクスチャ付き3Dモデルを作成する。
  • 録音した音声や動画を自分のハードウェアで文字起こしし、字幕を付ける。

クイックスタート

  1. 1

    リポジトリをクローンする

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

    ローカル設定ファイルを作成して編集する

    cp .env.example .env
  3. 3

    設定したモデルチェックポイントをGPUマシンにダウンロードする

    ./deploy.sh models
  4. 4

    UIをビルドし、サーバーをインストールして起動する

    ./deploy.sh

使う前に知っておきたいこと

  • NVIDIA GPUを搭載したLinuxマシンが必要です。開発には24 GBのVRAMを搭載したRTX 4090を使用しました。
  • このプロジェクトはComfyUIをインポートするだけなので、ComfyUIは自分でインストールする必要があります。
  • モデルチェックポイントの合計サイズは数十GBに及ぶため、ダウンロードとディスク容量に大きなコストがかかります。
  • cu130より古いPyTorchで最速のCUDAバックエンドを使うには、comfy_kitchenをソースからビルドし、ComfyUIにパッチを適用する必要があります。

収録されている特集

セルフホスト型アプリAI 動画・音声ツールAI画像生成ツールとStable Diffusionプロジェクト

トピック

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

よくある質問

minimax-h3-studio とは？
ComfyUIをPythonライブラリとして利用し、NVIDIA GPU 1台で動画・画像・3Dモデル・音楽・音声を生成するセルフホスト型Webスタジオ。 MiniMax-H3 Studioは、GPUマシン1台でMiniMax-H3による動画・音声生成を実行するセルフホスト型Webアプリです。ComfyUIのノードUIやワークフローJSONではなく、PythonライブラリとしてComfyUIを利用するため、量子化されたComfyUIチェックポイントやComfyUIの動的なVRAMオフロード機能を使えます。また、その前段に常駐型ジョブサーバーとブラウザーUIを配置します。
minimax-h3-studio は無料で使えますか？ライセンスは？
minimax-h3-studio は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
minimax-h3-studio は今もメンテナンスされていますか？
活発にメンテナンス中。minimax-h3-studio の最終コミットは 2026年11月6日 です。
minimax-h3-studio は何に使えますか？
RTXクラスのローカルGPUで、音声付きの短いAI動画クリップを生成する。 曲を各ショットのサウンドトラックに指定して、ミュージックビデオを作成する。 商品や物体を撮影した1枚の写真から、テクスチャ付き3Dモデルを作成する。 録音した音声や動画を自分のハードウェアで文字起こしし、字幕を付ける。
minimax-h3-studio のインストール方法は？
リポジトリをクローンする: git clone https://github.com/<you>/minimax-h3-studio && cd minimax-h3-studio ローカル設定ファイルを作成して編集する: cp .env.example .env 設定したモデルチェックポイントをGPUマシンにダウンロードする: ./deploy.sh models UIをビルドし、サーバーをインストールして起動する: ./deploy.sh
minimax-h3-studio はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/zxcHolmes/minimax-h3-studio

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト