MiniMax H3 Director — нод-пак для ComfyUI. Он собирает длинное видео из шотов за один Run. Японский автор проверил его на RTX 4090: ролик длиной 30 секунд при 832×480 рендерился 10,5 минуты. Ещё он замерил стык между частями.
В его тесте скачок почти незаметен. Корреляция кадров через стык составила 0,9995, а у соседних кадров внутри части — 0,9990. Это результат одного сценария. Другие персонажи и сцены могут вести себя иначе.
MiniMax H3 Director собирает ролик таймлайном, а не россыпью запусков
Обычно H3 генерирует ролики примерно до 15 секунд за раз. Для более длинного видео приходится вручную делить его на фрагменты, передавать последний кадр следующему запуску, а потом разбираться со скачками в изображении и звуке. Director собирает этот процесс внутри ComfyUI.
В таймлайне вы раскладываете шоты и задаёте для каждого текст, камеру и персонажей. К карточкам можно привязать изображения, аудио и другие материалы. Затем Director делит длинный ролик на части примерно по 10 секунд, последовательно генерирует их и собирает в один видеофайл.
Автор японского разбора описывает механику так: «sampled = head + delivered». В следующую часть сначала добавляются последние кадры предыдущей. После генерации перекрывающийся фрагмент отрезается, и остаются продолжения. Так движение сохраняется на стыке, вместо того чтобы превращаться в отдельный монтажный кат.
Новых весов для Director скачивать не нужно: он работает поверх MiniMax H3. В ComfyUI появятся 37 новых нод и 10 шаблонов — для text-to-video, персонажей с голосом, музыкального видео, управления позой и работы с изображениями.
В пакете есть подключение локальных LLM вроде Ollama и LM Studio. Но оно необязательное: японский автор вручную задавал шоты и во время теста вообще не запускал LLM. Таймлайн не придумывает постановку за вас.
Стык совпал почти идеально, но разрешение решает длину части
В 20-секундном тесте на RTX 4090 автор использовал разрешение 832×480 и шесть шагов. Корреляция между кадрами на стыке составила 0,9995. Для сравнения он запустил ту же сцену с тем же seed, но без continuity: показатель упал до 0,1257. Средняя абсолютная разница RGB на полном разрешении составила 1,52 со стыком и 71,50 без него.
Автор подводит итог так: «стык не отличить от обычного шага между кадрами». Цифры подтверждают этот частный вывод. Они не измеряют постоянство лица или качество сцены целиком. Внешность персонажа, как отмечает сам автор, может быть нестабильной.
Есть ограничение, которое легко пропустить за словами «видео любой длины». Длина части зависит от площади кадра: на высоком разрешении Director раньше упирается в максимальное число кадров.
| Разрешение | Максимум кадров в части | Длительность части |
|---|---|---|
| 1280×704 | 360 | 15,00 секунды |
| 1024×576 | 550 | 22,92 секунды |
| 832×480 | 719 | 29,96 секунды |
| 768×448 | 719 | 29,96 секунды |
| 640×352 | 719 | 29,96 секунды |
| 512×288 | 719 | 29,96 секунды |
Значит, 30 секунд — это длина собранного видео за один Run. Почти все эти секунды помещаются в одну часть только при небольшом разрешении: на 1280×704 предел части — 15 секунд. Для рекламного ролика это может означать больше стыков и более долгий рендер, если сразу выбрать высокое разрешение.
Длина ещё привязана к технической сетке: 17k+5 кадров. Автор проверил три функции расчёта длины на 2001 значении и не нашёл расхождений с простой арифметикой. Варианты перекрытия — 5, 22, 39 или 56 кадров — тоже зависят от этой сетки. Director подбирает их так, чтобы части продолжались в допустимой длине семплирования.
На RTX 4090 30 секунд заняли 10,5 минуты
В японском тесте использовались RTX 4090 с 24 ГБ видеопамяти, разрешение 832×480, шесть шагов, Turbo LoRA и одна референсная картинка. Ролик на 20 секунд занял 6,9 минуты, пик VRAM составил 23,1 GiB. Версия на 30 секунд — 10,5 минуты.
У автора руководства Director есть другой ориентир: на карте с 16 ГБ, при 1280×704 и Turbo, текстовое видео на 15 секунд занимает 15–20 минут, а видео на 10 секунд с управляющим роликом — 35–45 минут. Тут другие GPU, разрешения и сценарии, так что сравнивать цифры напрямую нельзя. Но порядок ожидания оценить можно.
Для первого прогона автор рекомендует 832×480, шесть шагов, Turbo и длину 20–30 секунд. Такой вариант подойдёт, чтобы проверить сам workflow. Потом можно поднять разрешение и пересобрать ролик с той же структурой шотов.
References-режиму нужно около 44 ГБ весов
Director использует веса H3. Для полного набора автор приводит 67,375 GB в десятичном исчислении. В режиме References, где персонажа задают референсной картинкой, ему понадобилось 44,449 GB. Это размеры файлов в конкретной конфигурации автора, а не объём свободного места на диске после скачивания.
| Файл | Размер | Нужен для References |
|---|---|---|
| H3 ref2va int8 | 20,970 GB | да |
| H3 fl2va int8 | 20,970 GB | нет |
| Qwen3-VL 32B nvfp4 awq | 15,687 GB | да |
| Видео VAE fp16 | 5,208 GB | да |
| Аудио VAE fp32 | 0,605 GB | да |
| Preview VAE taeh3 | 0,023 GB | да |
| Turbo LoRA fl2v, 8 шагов | 1,956 GB | нет |
| Turbo LoRA ref2v, 4 шага | 1,956 GB | да |
Для Director нужен ComfyUI версии 0.37.0 или новее. В репозитории указана лицензия GPL-3.0. Она относится к нод-паку, а права на модель и её результаты регулируются отдельно. Обзор Musetta AI от 10 октября предупреждает об ограничениях лицензии MiniMax H3 для ряда регионов, включая США, ЕС, Великобританию и Южную Корею. Перед коммерческой работой проверьте актуальные условия для своей страны.
Установить можно за четыре шага, но модели всё равно придётся скачать
Если ComfyUI уже работает локально, установка нод-пака несложная. Основная возня — обновить ComfyUI и скачать веса H3.
- Обновите ComfyUI до версии 0.37.0 или новее.
- В ComfyUI Manager найдите MiniMax H3 Director. Для ручной установки выполните git clone --branch v1.0.0 https://github.com/seesee75-commits/ComfyUI-MiniMaxH3-Director в папке ComfyUI/custom_nodes.
- В Python-среде ComfyUI выполните python -m pip install -r requirements.txt. В требованиях указан OpenCV.
- Перезапустите ComfyUI, обновите страницу браузера через Ctrl+F5 и найдите H3 Director в Templates.
Откройте шаблон: ComfyUI покажет, каких моделей не хватает и куда их поместить. Японский автор уже имел основные веса H3, поэтому ему оставалось скачать Turbo LoRA размером 1,956 GB. Для новой машины загрузка может быть гораздо дольше.
Для серийного видео это удобство сборки, а не гарантия одинаковых лиц
Director может пригодиться тем, кто уже работает в ComfyUI и собирает несколько шотов в один ролик: музыкальный клип, короткую историю или рекламу с повторяющимся персонажем. Вы задаёте сцену по частям и видите структуру ролика в таймлайне.
Короче, перед длинным рендером стоит проверить разрешение, вес моделей и стабильность персонажа.
Источники
MiniMax H3 Director for ComfyUI — README
MiniMax H3 in ComfyUI: specs, VRAM and the license catch — Musetta
Источникnote.com
