MiniMax H3: Texto a Vídeo

Genera video con audio estéreo nativo directamente desde un prompt de texto usando MiniMax H3, un modelo omni-modal que sintetiza voz, efectos de sonido y música en una sola pasada. La salida es de hasta 2K de resolución, 24fps y aproximadamente 15 segundos de duración, sin necesidad de archivos de entrada — solo un prompt para una salida de video. Ideal para visualización rápida de conceptos, creación de contenido para redes sociales y narrativas sincronizadas con audio.

Input

Describe the shot: subject, setting, how it moves, the camera move and the sound.

Shape of the video.

Length of the video.

Megapixels per frame; 0.4 MP is about 848×480, 0.9 MP about 1280×720.

Advanced settings

Leave empty for a new result each run. Enter a number to repeat one.

Use the 8-step turbo LoRA: much faster, slightly less detail.

Output
00:00
Example

Probar un ejemplo

Acerca de este flujo de trabajo

Este flujo de trabajo tutorial de ComfyUI convierte un único prompt de texto en un video terminado con audio estéreo nativo usando MiniMax H3, un modelo omnimodal que sintetiza imagen, voz, efectos de sonido y música en una sola pasada. No hay archivos de entrada que gestionar: solo describe lo que quieres y el grafo devuelve un clip de aproximadamente 15 segundos a 24 fps, hasta 2K de resolución, con sonido estéreo integrado.

Bajo el capó, un subgrafo de MiniMax H3 (nodo 79dd8a95-ce9d-4c14-b264-2162e8bec5ce) gestiona la generación y la decodificación. Usa los VAEs de video y audio de MiniMax H3 (minimax_h3_video_vae_fp16.safetensors y minimax_h3_audio_vae_fp32.safetensors) para reconstruir fotogramas y audio estéreo a partir de los latentes del modelo. ResolutionSelector asigna presets convenientes a dimensiones válidas en múltiplos de 32 (p. ej., 960×544, 1152×640, 1216×672), y SaveVideo multiplexa los fotogramas y el stream de audio estéreo en un único MP4. Un MarkdownNote en el lienzo incluye consejos rápidos y ejemplos de prompts. El resultado es un pipeline compacto solo con prompt, ideal para visualizar conceptos rápido, publicaciones en redes y narrativa sincronizada con audio.

Preguntas y respuestas