zxcHolmes/minimax-h3-studio

这是什么？

核心功能

• 01支持文生视频、图生视频和参考图/参考视频生成，可用参考音频驱动口型与节奏。
• 02支持三种图片生成与编辑模型，结果可直接送入编辑、视频或 3D 流程。
• 03图生 3D 输出带纹理的 GLB 文件，并提供浏览器内预览。
• 04通过 audio.cpp 实现语音合成、声音克隆及转写，支持字幕导出。
• 05持久化任务队列，模型权重在任务之间保持常驻。
• 06提供通过 SSH 部署的脚本和模型下载脚本。

适用场景

• 在本地 RTX 级显卡上生成带声音的短视频片段。
• 以歌曲作为每个镜头的配乐，制作音乐视频。
• 用单张物体照片生成带纹理的 3D 模型。
• 在自有硬件上对录音或视频进行转写并生成字幕。

快速上手

1. 1

   克隆仓库

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

   创建本地配置文件并进行编辑

   cp .env.example .env
3. 3

   将已配置的模型权重下载到 GPU 机器

   ./deploy.sh models
4. 4

   构建界面、安装服务端并启动

   ./deploy.sh

使用前须知

• !需要配备 NVIDIA GPU 的 Linux 机器，开发环境为 24 GB 显存的 RTX 4090。
• !您需要自行安装 ComfyUI，本项目只是导入它。
• !模型权重总计数十 GB，下载和磁盘空间成本较高。
• !在 cu130 之前版本的 PyTorch 上要获得最快的 CUDA 后端，需要从源码编译 comfy_kitchen，并对 ComfyUI 打补丁。

收录于专题

标签

常见问题

minimax-h3-studio 是什么？

基于 ComfyUI 的自托管网页工作室，在单张 NVIDIA GPU 上生成视频、图片、3D 模型、音乐和语音。 MiniMax-H3 Studio 是一个自托管网页应用，用于在单台 GPU 机器上运行 MiniMax-H3 音视频生成。它以 Python 库的形式调用 ComfyUI，不使用其节点界面或 workflow JSON，因此可以加载量化版 ComfyUI 模型并利用其动态显存卸载，外层提供常驻的任务服务和浏览器界面。

minimax-h3-studio 可以免费使用吗？用的什么许可证？

minimax-h3-studio 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

minimax-h3-studio 还在维护吗？

活跃维护中。minimax-h3-studio 最近一次提交是在 2026年11月6日。

minimax-h3-studio 适合用来做什么？

在本地 RTX 级显卡上生成带声音的短视频片段。 以歌曲作为每个镜头的配乐，制作音乐视频。 用单张物体照片生成带纹理的 3D 模型。 在自有硬件上对录音或视频进行转写并生成字幕。

minimax-h3-studio 怎么安装和运行？

克隆仓库: git clone https://github.com/<you>/minimax-h3-studio && cd minimax-h3-studio 创建本地配置文件并进行编辑: cp .env.example .env 将已配置的模型权重下载到 GPU 机器: ./deploy.sh models 构建界面、安装服务端并启动: ./deploy.sh

在哪里获取 minimax-h3-studio？

源代码和安装说明在 GitHub 上：https://github.com/zxcHolmes/minimax-h3-studio