Repolode
Enviar
zxcHolmes

zxcHolmes/minimax-h3-studio

Um estúdio web self-hosted que usa o ComfyUI como biblioteca Python para gerar áudio e vídeo, imagens, modelos 3D, música e fala em uma única máquina com GPU NVIDIA.

Ver no GitHub
Estrelas
180
Forks
47
Issues abertas
0
Último commit
há 20 horas

O que é?

O MiniMax-H3 Studio é um app web self-hosted para executar a geração de áudio e vídeo do MiniMax-H3 em uma máquina com uma única GPU. Ele usa o ComfyUI como biblioteca Python, em vez da interface de nós ou dos arquivos JSON de workflow, o que permite carregar checkpoints quantizados do ComfyUI e usar o offloading dinâmico de VRAM do ComfyUI. Na frente disso, oferece um servidor de tarefas residente e uma interface no navegador.

O estúdio oferece geração de texto para vídeo, imagem para vídeo (com o primeiro quadro ou com o primeiro e o último) e vídeo a partir de referências, com até 6 imagens e 3 vídeos. Também permite gerar e editar imagens com MOSS-Image, FLUX.2 Klein 4B e Qwen Image 2.1 Turbo; converter imagens em modelos 3D com o Pixal3D, que exporta GLB; gerar música com o MiniMax Music 3; aumentar a resolução de vídeos com FlashVSR ou SeedVR2; e processar fala por meio de um servidor CUDA nativo do audio.cpp (TTS, clonagem de voz e transcrição com Qwen3-ASR). As tarefas são executadas uma de cada vez, a partir de uma fila persistente, e os pesos dos modelos permanecem carregados entre elas.

A implantação é feita por um script que envia o servidor e a interface para uma máquina com GPU via SSH e configura um serviço systemd. Um script separado baixa os checkpoints necessários. O usuário precisa instalar o ComfyUI e seu ambiente Python no host com GPU.

Recursos principais

  • 01Geração de vídeo a partir de texto, imagens e referências, com áudio guia opcional para sincronização labial e videoclipes.
  • 02Geração e edição de imagens com três modelos, com resultados que podem ser enviados para edição, vídeo ou 3D.
  • 03Conversão de imagens em modelos 3D, com arquivos GLB texturizados e visualizador no navegador.
  • 04Síntese de fala, clonagem de voz e transcrição com exportação de legendas via audio.cpp.
  • 05Fila persistente de tarefas, com os pesos dos modelos mantidos carregados entre elas.
  • 06Script de implantação via SSH e script de download dos modelos para configurar o ambiente em uma máquina com GPU.

Casos de uso

  • Gerar clipes curtos de vídeo com IA e som em uma GPU local da classe RTX.
  • Criar videoclipes usando uma música como trilha sonora de cada tomada.
  • Criar modelos 3D texturizados a partir de fotos de um único produto ou objeto.
  • Transcrever e legendar áudio ou vídeo gravado no próprio hardware.

Início rápido

  1. 1

    Clone o repositório

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

    Crie e edite seu arquivo de configuração local

    cp .env.example .env
  3. 3

    Baixe os checkpoints dos modelos configurados para a máquina com GPU

    ./deploy.sh models
  4. 4

    Compile a interface, instale o servidor e inicie-o

    ./deploy.sh

Antes de usar

  • É necessário ter uma máquina Linux com GPU NVIDIA; o projeto foi desenvolvido em uma RTX 4090 com 24 GB de VRAM.
  • Você precisa instalar o ComfyUI por conta própria, pois este projeto apenas o importa.
  • Os checkpoints dos modelos somam dezenas de gigabytes, então os downloads e o espaço em disco representam um custo significativo.
  • Para usar o backend CUDA mais rápido com versões do PyTorch anteriores à cu130, é preciso compilar o comfy_kitchen a partir do código-fonte e aplicar um patch ao ComfyUI.

Em coleções

Apps auto-hospedadosFerramentas de vídeo e áudio com IAGeradores de imagens com IA e ferramentas de Stable Diffusion

Tópicos

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

Perguntas frequentes

O que é minimax-h3-studio?
Um estúdio web self-hosted que usa o ComfyUI como biblioteca Python para gerar áudio e vídeo, imagens, modelos 3D, música e fala em uma única máquina com GPU NVIDIA. O MiniMax-H3 Studio é um app web self-hosted para executar a geração de áudio e vídeo do MiniMax-H3 em uma máquina com uma única GPU. Ele usa o ComfyUI como biblioteca Python, em vez da interface de nós ou dos arquivos JSON de workflow, o que permite carregar checkpoints quantizados do ComfyUI e usar o offloading dinâmico de VRAM do ComfyUI. Na frente disso, oferece um servidor de tarefas residente e uma interface no navegador.
minimax-h3-studio é gratuito? Qual é a licença?
minimax-h3-studio é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
minimax-h3-studio ainda é mantido?
Manutenção ativa. O último commit de minimax-h3-studio foi em 6 de nov. de 2026.
Para que posso usar minimax-h3-studio?
Gerar clipes curtos de vídeo com IA e som em uma GPU local da classe RTX. Criar videoclipes usando uma música como trilha sonora de cada tomada. Criar modelos 3D texturizados a partir de fotos de um único produto ou objeto. Transcrever e legendar áudio ou vídeo gravado no próprio hardware.
Como instalar minimax-h3-studio?
Clone o repositório: git clone https://github.com/<you>/minimax-h3-studio && cd minimax-h3-studio Crie e edite seu arquivo de configuração local: cp .env.example .env Baixe os checkpoints dos modelos configurados para a máquina com GPU: ./deploy.sh models Compile a interface, instale o servidor e inicie-o: ./deploy.sh
Onde consigo minimax-h3-studio?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/zxcHolmes/minimax-h3-studio

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados