0成本，本地生成视频，MiniMax H3 一张16G显卡跑起来

AI VIDEO · 实战部署 2026.10

官方说要 4 张 H100 集群？

我用一张 16G 显卡

把它跑起来了

全模态视频生成 · 带声音 · 参考生视频 · 从零部署

音乐和啤酒 · 折腾实录

COMFYUI 教程

7 Parts + Conclusion

滑动

PART 01

模型能干嘛

先搞清目标

PART 02

机器够不够

精度选型对照

PART 03

改虚拟内存

别跳过这步

PART 04

装环境

加速三件套

PART 05

下模型

41G 避坑

PART 06

接线与出片

跳舞视频

PART ///

坑位总结

很多人看到 33B 就劝退了

一台 16G 消费级显卡，真的能跑

前几天刷到一个视频模型MiniMax H3，官方说法是 BF16 精度要 4 张 H100 集群、384G 内存。

我看了看自己这台机器：RTX 5060 Ti，16G 显存。差了一个量级。

但我没死心，研究了两天之后，它真跑起来了。

这篇就把整个过程写成教程，你照着抄就能装。

01

PART

先说清楚：能干嘛

WHAT CAN IT DO

在动手之前，你得知道它值不值得折腾。

废话不说直接看效果：

这是人物角色设定图

然后又在网上找了个原视频跳舞动作的。在本地拿MiniMax H3花了20分钟生成。MiniMax H3 是 33B 的全模态视频生成模型，2026 年 7 月底刚开源。最关键的一点是——它生成的视频自带声音。对白、环境音、配乐，是跟画面在同一次扩散里一起算出来的，不是后面再配的。

它有两个 checkpoint：

型号

用途

fl2va

文生视频、图生视频、首尾帧控制

ref2va

参考生视频，锁定身份、风格、动作、镜头

我们要的是第二个。

ref2va 这个模式的意思是：给它最多 9 张图 + 3 段视频 + 3 段音频，它能理解哪个是主角、哪个是场景、哪段是动作，然后按这些素材生成新视频。

相当于把调色、剪辑、动画三个活儿合并了

我们最终要实现的效果是：给几张角色设定图 + 一张场景图 + 一段跳舞视频 + 提示词 → 输出角色在那段舞蹈动作下、被放在那个场景里的视频。

顺便说个坏消息：H3 远距离人脸是弱项。16G 显卡也救不回来，官方也没修。所以构图的时候老老实实用中近景。

02

PART

你的机器够不够

CAN MY PC RUN IT

网上一堆教程说需要大显存，你可能被吓退了。其实没那么夸张。

下面是官方给的 BF16 精度要求：4 张 H100 80G，加 384G 内存。

但我们不用 BF16。

BF16 精度

需要 4×H100 集群，你不能。

INT8 裁剪版

消费级显卡可以，但余量不多。

INT8 + NVFP4 文本编码器

本文方案。16G 显存的 5060 Ti 刚好装得下，这就是接下来要搭的环境。

整个部署的核心就一句话

把能压的精度全压一遍

我实测跑下来，生成过程显存占用稳定在 11.7G 左右，16G 完全够用。

03

PART

改虚拟内存

PAGING FILE · 别跳过

这一步 90% 的人会栽跟头，我也在栽。

ComfyUI 跑这个模型的时候，文本编码阶段要在内存里加载 14.6G 的编码器权重。你物理内存 32G，听起来够。但程序还要给模型 offload 缓冲、VAE、浏览器留位置。

Windows 的虚拟内存（就是页面文件）默认才 2G，等于没有安全垫。

后果是：跑到一半窗口直接闪退，没有任何报错。这是我见过最难查的故障，因为它连个错误信息都不给你。

STEP 01

撑大页面文件

用系统自带的就行，不用装第三方工具。开始菜单搜「查看高级系统设置」，性能那栏点设置，切到高级，虚拟内存里点更改。

取消勾选「自动管理」

然后选一个盘，推荐 NVMe 所在的盘。

初始大小填 32768

最大值填 65536，单位都是 MB。

确定，然后重启电脑

不重启不生效，这是 Windows 的规矩。

. . . powershell

Get-CimInstance Win32_PageFileSetting

！真正的战场

别偷懒跳过这步。你后面所有「莫名其妙闪退」的问题，根子都在这。

04

PART

装环境与加速

ENV & ACCELERATION

这一步有个坑：如果你不知道要选什么版本，装完了也跑不起来，而且报错信息完全不告诉你真实原因。

关键在 cu128 这个数字。

RTX 50 系是 Blackwell 架构，指令集代号 sm_120。老版本 PyTorch 的 CUDA 编译产物里根本没有 sm_120 的代码，跑起来就是 no kernel image is available。

PyTorch 必须装 cu128 及以上，cu130 是目前的选择。装之前先删干净旧的虚拟环境重来，比 troubleshoot 省时间。

装完必做一步验证

. . . bash

python -c "import torch; print(torch.__version__, torch.cuda.get_device_capability(0))"

看到这两个就对了

2.14.1+cu130 和 (12, 0)

装好 PyTorch 只是能跑。要跑得舒服，还得装三个东西。

加速三件套

STEP 02

comfy-kitchen

提供 INT8 量化运算的 CUDA 内核。H3 官方就是 INT8 权重量化发布的，没这个内核就是跑不动。

. . . bash

pip install comfy-kitchen

pip install triton-windows

pip install sageattention

triton 这行要注意：Windows 上没有 triton 这个包，别去 PyPI 找，找不到会以为是网络问题。要装 triton-windows。

！SageAttention 有坑

它在 sm_120 上有过已知的 bug。装完必须自己跑一遍验证，不能只信版本号。能打印出 shape 才说明真能跑。

. . . python

import torch, sageattention

from sageattention import sageattn

q = torch.randn(1, 4, 128, 64, dtype=torch.float16, device='cuda')

print('SAGE RUNTIME OK', sageattn(q, q, q).shape)

三个都装完，H3 的性能才算榨出来。

05

PART

下载 41G 模型

DOWNLOAD & VERIFY

模型一共 41.4G。文件清单我直接给你，别下错：

文件

大小

放哪

minimax_h3_ref2va_pruned_int8_convrot

19.53 GB

diffusion_models

qwen3vl_32b_minimax_h3_nvfp4_awq

14.61 GB

text_encoders

minimax_h3_video_vae_fp16

4.85 GB

vae

minimax_h3_audio_vae_fp32

0.56 GB

vae

minimax_h3_ref2v_turbo_4step

1.82 GB

loras

为什么是这几个组合

文本编码器这个最容易下错。H3 用的不是 CLIP 也不是 T5，是 Qwen3-VL-32B。官方 int8 版要 25.28GiB，你的卡装不下；必须选nvfp4_awq 版，压到 14.61GiB 刚好塞进去。

主干用 int8_convrot 版，依赖 comfy-kitchen 的内核，前面装的那个东西就是为它服务的。

视频 VAE 用 fp16 版。官方工作流默认写的是 int8_convrot，但那个文件我没下，所以要把 VAELoader 节点里的名字手动改掉，否则会报文件找不到。

千万别下 fl2va_* 那套。那是文生视频用的，你只要参考生视频，下了纯属浪费 21G 硬盘。

别用 HuggingFace 直连

我下到 14G 的时候卡住了，文件大小反复停在同一个数字，进程还活着但就是不动。测速一下一度到 90MB/s，然后就死在那儿了。

换 ModelScope 镜像，一次过。国内走 ModelScope 才是正道：

. . . python

import os

from modelscope import snapshot_download

snapshot_download(

'Comfy-Org/MiniMax-H3',

allow_patterns=['diffusion_models/*.safetensors'],

local_dir=r'F:\AI\ComfyUI\models',

max_workers=4,

下载完必须校验

不然你不知道文件是不是完整的。模型文件坏掉的表现是跑到一半崩，很难定位。

. . . python

from safetensors import safe_open

import os

p = r'F:\...\minimax_h3_ref2va_pruned_int8_convrot.safetensors'

print('%.2f GB' % (os.path.getsize(p)/1024**3))

with safe_open(p, framework='pt') as f:

print('tensors =', len(list(f.keys())))

能看到 932 个张量、19.53G

就是完整的

06

PART

接线与出片

WIRING & FIRST RUN

打开 ComfyUI，把 R2V 工作流拖进去。核心是 MiniMaxH3ReferenceToVideo 节点，槽位这样接：

. . . wiring

ref_image_0← 角色设定图（正面清晰照）

ref_image_1 ← 场景图

ref_image_2 ← 服装道具图（可选）

ref_video_0 ← 跳舞参考视频 ★

prompt ← 提示词

这里有个核心技巧，很多人搞错

参考视频只提供动作，身份靠图锁

如果你把参考视频也拿去锁身份，画面会拧巴。所以分工要明确——视频只管编舞动作，图片管长什么样，音频管节拍音色。

提示词：像写分镜，别写散文

反面例子：「一个女孩在跳舞，很优美。」

PROMPT 正面例子

[Shot 1] 00:00-00:10

场景： 中的霓虹天台，夜晚。

主体： 中的女孩，高马尾、白色卫衣，

形象严格与参考图一致。

动作：跟随 的编舞节奏起舞——起手摆臂、

扭胯下蹲、右转身 90 度、定点收势看向镜头。

镜头：中景全身，缓慢环绕推进，轻微手持感。

音频： 作为节拍参考。

non_diegetic_music：电子舞曲，120 BPM。

动作要具体到关节和角度。「转身 90 度」和「优雅地转身」，出来的完全是两个东西。

第一次跑，别好高骛远

一句话原则

跑通比跑好看重要一百倍

参数

第一次用

分辨率

0.2~0.3 MP

608×352，先看构图

时长

5 秒

5 秒 = 125 帧

步数

20

别急着开加速

Lightning LoRA

关闭

先跑通基础链路

有个坑必须说：帧数不能手改。H3 的帧数必须满足 17n+5 公式，5 秒是 125 帧，10 秒是 243 帧。好在官方工作流里有个节点会自动算，你只要改时长那个数字。

预期耗时（我这台卡实测）

任务

耗时

5 秒 @ 0.4MP, 20 步

约 10 分钟

5 秒 @ 0.4MP, 4 步加速

约 3 分钟

10 秒 @ 0.4MP, 20 步

约 20-25 分钟

先跑 20 步确认构图满意了，再开加速版提速出片。顺序别反，4 步出片快但细节糙，构图没定就提速等于白跑。

41G 模型跑出 10 分钟一个 5 秒片段，这就是 16G 卡的正常水平。别指望它跟云端一样快。

LAST

WRAP UP

整个装下来，我踩的坑大致是这几类。

CLASS 01

环境类的坑

占了一半以上——CUDA 版本选错、triton 在 Windows 找不到、SageAttention 有 bug、pip 装到一半被拒绝访问导致缺依赖。报错信息基本都不指向真实原因，只能一个个排除。

CLASS 02

选型类的坑

文本编码器是 Qwen3-VL 不是 CLIP、帧数必须 17n+5、VAE 文件名和工作流里写的不一致。这几个都是下错、连错、填错。

CLASS 03

习惯类的坑

HF 直连会卡死、文件不校验、虚拟内存不设。这三个是纯可以避免的。

最后说一句实在的：这个模型现在的短板很明确。远距离人脸崩、768p 在 16G 卡上基本跑不动、加速版细节会糙。它不是万能的。

但它能让你用一张 16G 的消费级显卡，做以前得上服务器才干得了的事。光这一点，就够折腾了。

如果你也在折腾本地模型，评论区说说你踩了啥坑，说不定能帮到后面的人。

我是音乐和啤酒，一个折腾 AI 工具和内容创作到底的公众号主理人。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

转发

THANKS FOR READING