把 MiniMax-H3 音视频联合生成模型接入 ComfyUI 的插件，支持文生视频+音频、首尾帧驱动和多模态参考三种任务，靠 INT8 量化与分层卸载在单张 24GB 显卡上跑完整流程。
适合已有 24GB 以上 N 卡的 ComfyUI 老用户 · 做短视频/广告分镜的创作者 · 想研究音视频联合扩散的开发者
亮点
音画同一次扩散生成
双 sigma 整流流采样器让视频与音频共享采样步、各自独立 shift 调度，声音天生咬住画面动作，不用事后对齐音轨。
24GB 单卡能跑起来
DiT 自动分层卸载、adaLN 预计算后释放约 40% 权重、按形状预留激活显存，把大模型压进消费级单卡。
res_multistep 省 2.5 倍去噪
二阶指数积分器用约 21 个 sigma 点达到 50 步 Euler 的画质，权重不变、无需重量化，默认仍是 euler。
接错线直接报错而非出废片
每个加载器输出都带版本与组件指纹，混用 FL2VA 和 Ref2VA 组件或中途换权重会失败退出，不会静默生成错误结果。
取舍
选它的理由
- 音画同步由生成过程产出，省掉后期配音对轨
- 24GB 消费级单卡即可跑完整 H3 运行时
- T2VA/FL2VA/Ref2VA 三种任务一个插件覆盖
- 自带示例工作流，改掉占位素材名即可跑通
先想清楚
- 显卡显存低于 24GB 或用的是 AMD/Mac
- 只想快速出一条带音效的视频
- 生产环境需要稳定可回溯的版本
- 无任何 GitHub Release，只能 git clone 装
安全警示
- 无自身安全事件记录；但 ComfyUI 生态存在 CVE-2025-67303：ComfyUI-Manager 3.38 前配置文件存放位置权限不足，可被远程篡改，建议升级
- 该插件无 GitHub Release，需直接 clone main 分支运行，代码变更缺少版本审计边界
- 需从第三方账号 Gluttony10 下载 INT8 转换权重，非 MiniMax 官方仓库，建议自行校验文件
基于公开资料与 AI 分析整理，仅供参考，请自行核实。
同类推荐
查看全部更多「音视频工具」软件
WhisperSubTranslate
音视频工具开源本地运行的桌面字幕工具：用 whisper.cpp 把视频语音转成 SRT 字幕，再用内置腾讯 Hy-MT2 模型离线翻译成 15 种语言，也可接 DeepL、GPT、Gemini 等在线引擎，视频全程不上传。
mpv-Yaozhi
音视频工具开源面向 Windows 的 mpv 第三方整合包，自编译 mpv/FFmpeg/SDL2 核心，专攻 Dolby Vision、HDR Vivid、AV3A 沉浸声、5.1.4 至 9.1.6 具名多声道 PCM 与 HDR 图形字幕，并深度汉化 uosc 界面、内置弹幕与网盘直链播放。
Stash-Jellyfin Proxy
音视频工具开源一款 Python 代理服务器，通过模拟 Jellyfin HTTP API，让 Infuse、Swiftfin 等兼容播放器直接浏览与串流 Stash 媒体库，实现无缝的媒体消费体验。
Shutter Encoder
音视频工具开源由视频剪辑师开发的开源转码工具，用图形界面封装 FFmpeg，支持几乎所有音视频图像格式，并能对部分编码做无重编码剪切、字幕烧录与批量队列输出。
JAVM
音视频工具开源基于 Tauri 2 + Vue 3 + Rust 的桌面端 JAV 媒体库管理器，把本地扫描入库、番号刮削、下载队列和内置播放截图串成一条流水线，数据存本地 SQLite。
MPV播放器折腾记录
音视频工具开源面向 Windows 的 mpv 播放器配置整合项目，提供解压即用的 mpv-lazy 懒人包、带中文注释的 mpv.conf/input.conf 原档，以及着色器与滤镜预设和一整套 mpv 中文文档。
AI 整理的软件知识库
AI 整理软件资料、版本动态、更新通知、订阅权益与对比分析，沉淀可复用的工具知识。