ComfyUI9f の履歴(No.2)

私的AI研究会 > ComfyUI9f

画像生成AI「ComfyUI」９（動画編６）　== 編集中 ==†

　「ComfyUI」を使ってローカル環境でのAI画像生成を検証する

▲　目　次

画像生成AI「ComfyUI」９（動画編６）　== 編集中 ==
- MinMax H3 による音声付き動画生成
- 更新履歴
参考資料

※ 最終更新:2026/08/14　

↑

MinMax H3 による音声付き動画生成†

　2026年7月発表されたテキスト、画像、動画、音声をひとつの文脈として同時に処理できる最新の汎用マルチモーダル動画生成AIモデルの検証

↑

概要†

「MinMax H3」とは
- 中国の AI企業 MiniMax が2026年7月31日に発表した最新の動画生成AI・汎用オムニモーダルモデル
- テキスト、画像、動画、音声をひとつの文脈として扱い、最大15秒・2K解像度の高品質な動画をワンパス（1回の推論）で出力できるのが特徴

主な特徴
- 音声同時生成（ネイティブステレオ）: 映像の動きやカメラワーク、セリフ、効果音、BGMなどが完全に同期した32kHzステレオ音声を同時に出力する
- オープンウェイトの公開: 同社として初めてモデルの重み（Baseモデル）がオープン化
  Hugging Face などのプラットフォームを通じて ComfyUI などのローカル環境でも利用可能になっている
- 多様な生成・参照機能: テキストから動画を作る「T2V」、画像を動かす「I2V」、人物や画風・声などを参照する「Ref2V（R2V）」などのワークフローに対応

オフィシャルサイト
- MiniMax H3
- HuggingFace: MiniMax H3
- GitHub: MiniMax H3

↑

プロジェクトで作成するワークフロー†

　このプロジェクトで作成するワークフローと関連データは下記にアップロードしている（更新されている場合は再度ダウンロードのこと）

ComfyUI_ex2_proj.zip をダウンロード（随時更新中）※2026/08/14更新
・解凍してできるフォルダ

📂ComfyUI
  └─📂user
        └─📂default
              └─📂workflows　　　　　　　　← ワークフローの保存場所
                    :
                    ├─📂MinMax　　　　　　 ← この章で作成するワークフロー
                    :

・解凍してできる「ComfyUI/」フォルダを「StabilityMatrix/Data/Packages/ComfyUI」へ上書きコピーする

↑

動画生成のための環境構築†

必要モデルのダウンロードと配置

モデル名	ファイル名（.safetensors）	配置先（/StabilityMatrix/Data/）		ダウンロード URL	利用先
diffusion_models	minimax_h3_fl2va_pruned_int8_convrot	Models/	DiffusionModels/	minimax_h3_fl2va_pruned_int8_convrot.safetensors
diffusion_models	minimax_h3_ref2va_pruned_int8_convrot		DiffusionModels/	minimax_h3_ref2va_pruned_int8_convrot.safetensors
text_encoders	qwen3vl_32b_minimax_h3_nvfp4_awq		TextEncoders	qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
vae	minimax_h3_video_vae_fp16		VAE/	minimax_h3_video_vae_fp16.safetensors
vae	minimax_h3_audio_vae_fp32		VAE/	minimax_h3_audio_vae_fp32.safetensors

↑

Step 1：オフィシャルサイトの標準テンプレートからワークフローを作成†

↑

更新履歴†

2026/08/14 初版

↑

参考資料†

ComfyUI MinMax H3