MiniMax H3をローカルで動かす：ComfyUI環境構築メモ（Ubuntu 24.04）

ComfyUI自体は、私も実は「あまり慣れてない」というのが本当のところです。いつも、AIに聞きながら操作を行っているぐらいです。ただ、今回ばかりは、ComfyUIを使う価値があります。

MiniMax H3を使えば、今までオンラインで高額な料金を支払わなければ使えなかった「動画・音声を合成」をローカルPCで好きなだけ生成することができます。

一応、私も動画作成はできたのですが、もう少しスムーズに、及び質の向上などを求めて模索中です。

最初に準備するもの

MiniMax H3は、今すぐ誰でも動かせるというわけではなくて、VRAM 12GB以上のグラボでないと動作しません。（と言われていますが、実際には画質を下げて生成時間を2秒などにすれば、VRAM6GBで数時間で生成は可能）

私のオススメのグラボは、コスパ最高の「玄人志向 AMD Radeon RX 9060 XT VRAM16G」で詳しく説明しています。

最初にバージョンアップ

MiniMax H3 のネイティブサポートは ComfyUI 0.30.0 以降で追加されています。最初にバージョンアップしてから行いましょう。そうしなければ、モデルが認識されません。

すでにComfyのインストールが終わっているものとして、話を進めていきます。

最初にフォルダを確認

models/diffision_models/
＊なければ新規フォルダを作成

モデルのダウンロード

ダウンロードは、huggingfaceから無料で行うことができます。もちろん、利用も全部が無料。ダウンロード場所は、画像を載せとくので参考にして下さい。

小さなモデルであるこれをダウンロード
minimax_h3_fl2va_pruned_int8_convrot.safetensors

フォルダにモデルを入れる

先程のdiffusion_modulesフォルダにダウンロードした
minimax_h3_fl2va_pruned_int8_convrot.safetensors
これを入れます。

テンプレートを選択

左側のメニューからテンプレートを選択して、テンプレートで「MiniMax H3」を検索して、３番目にある「テキストから動画へ」を選びます。

ComfyUI初心者でも、テンプレートは、ほぼ「そのまま実行を押す」だけで動作します。

テンプレートは読み込めましたが、エラーが出ていました。右上の 「詳細を表示」 をクリックして、エラーの内容を見ると「不足しているモデル」がでてきました。

３つのモデルが不足しているようです。
「ダウンロード」ボタンを押せばダウンロードできます：

• minimax_h3_audio_vae_fp32.safetensors（577 MB）

• minimax_h3_video_vae_fp16.safetensors（4.85 GB）

• qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors（14.61 GB）

画面上を拡大してみると４つのモデルがすべて認識されているのが確認できます。

ノード内の主要パラメータを確認

• width / height: MiniMax H3 のネイティブ解像度は短辺768px、最大 768×1344、32の倍数。まずは 768×768 など無難な値で。

• duration: デフォルト5.0 になっています。先ずは、値を下げて、最短にしてテストしましょう。

• prompt: 動画の内容を記述するテキスト欄。すでに「Realistic live-action cinematic look...」と入っているので、そのままでもテストできます。

そのまま「実行」を押せば、動画の生成が開始されます。

終了すると、画面内に生成された動画が表示されて、PC内にダウンロードされています。

ConfyUIは、一見すると難しそうに見えるけど、実際は「テンプレそのまま使えます」ので、分からなくても数値のみ少し調整して「実行」を押すだけです。

動画をローカルでいくらでも生成できるのは、DeepSeekショック以来の衝撃的なことです。みなさんもぜひ、利用してみてくださいね。