ComfyUI MiniMax H3 时间线教程：安装 Director 插件，用时间线排分镜生成多镜头视频

「MiniMax H3 时间线」指的是一类 ComfyUI 插件——最有代表性的是 MiniMax H3 Director：它把 MiniMax H3 的原始视频节点变成一个时间线编辑器。你把镜头、参考图、参考视频和音乐拖到轨道上，给每个镜头写提示词，插件会把 H3 训练时真正读取的分镜 prompt 实时编译出来。本教程按插件文档和 ComfyUI 官方 H3 指南来讲：怎么装 Director、怎么放模型文件、怎么排第一条时间线，以及超过 15 秒的视频现在到底能做到什么程度——不写未经实测的结论。

时间线编辑器到底改变了什么

MiniMax H3 是 MiniMax 开源的 omni-modal 模型：在同一个上下文里理解文本、图像、视频和音频，一次生成自带立体声的视频——对白、音效、配乐一趟出齐。开源权重 targeting 约 1 百万像素（短边 768 px）、24 fps，单段训练区间约 5–15 秒。

这些能力裸用 ComfyUI 节点都能实现，问题在于操作成本：想拍多镜头场景，你得手写一整段分镜 prompt、把帧数对齐到 H3 的 17k+5 帧网格、再给每张参考图和每段音频手动接 conditioning 节点。Director 把这些变成了编辑器操作——轨道上的片段变成带时间戳的 [Shot N]，图片变成关键帧或 <Picture i> 参考，编译面板还会在渲染之前给你看到模型将收到的完整 prompt。

Director 节点。图源：GitHub 上的 ComfyUI-MiniMaxH3-Director README，2026-10-19 查阅。

插件在 MiniMax H3 分类下提供五个节点：Director（时间线本体）、Preview Override（采样时预览整个镜头的动态，而不是冻结的一帧）、Retake Stitch（把重生的区间拼回基础视频）、Enhance Prompt（用本地视觉模型根据参考图起草 prompt）、Save Last Frame（导出末帧，供下一段镜头衔接）。

安装前先确认这些

先看硬件账——真正的大头是模型下载，不是插件本身：

• ComfyUI 0.30.0 或更新版本。 H3 支持和打包的音视频 latent 都在 0.30 落地；旧版本会直接加载失败。
• 磁盘预留约 60 GB。 fp8 扩散模型每个约 21 GB（共两个，下文解释），文本编码器约 15 GB，两个 VAE 约 5.5 GB。
• 显存 16 GB 在 480p–768p 下可用（靠 ComfyUI offload），再低就要频繁换页了。
• 不需要额外 pip 依赖。 插件声明零第三方依赖。

如果这笔硬件账让你重新考虑本地部署，直接跳到文末的免部署方案。

安装 MiniMax H3 Director 插件

插件仓库是 GitHub 上的 ComfyUI-MiniMaxH3-Director（GPL-3.0，移植自 WhatDreamsCost 的 LTX Director）。想要第二视角可以看 ComfyUI Wiki 的介绍。

通过 ComfyUI Manager（推荐）：

1. 打开 Manager → Custom Nodes Manager。
2. 搜索 MiniMax H3 Director。
3. 安装后重启 ComfyUI，并强制刷新浏览器（Ctrl+F5）。

Manager 里搜不到？用 Manager → Install via Git URL 粘贴仓库地址，或者手动克隆：

cd ComfyUI/custom_nodes
git clone https://github.com/seesee75-commits/ComfyUI-MiniMaxH3-Director

强制刷新这步不能省：时间线是前端扩展，缓存了旧的 .js 是「节点显示异常」的头号原因。

下载模型——并放进正确的目录

模型从 Hugging Face 的 Comfy-Org/MiniMax-H3 下载（示例工作流也会弹出下载提示）。文件要直接放进下列目录——套一层子文件夹就对不上工作流了：

目录	文件	大小
diffusion_models/	minimax_h3_fl2va_pruned_fp8_scaled.safetensors	21 GB
diffusion_models/	minimax_h3_ref2va_pruned_fp8_scaled.safetensors	21 GB
text_encoders/	qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors	15 GB
vae/	minimax_h3_video_vae_fp16.safetensors	4.9 GB
vae/	minimax_h3_audio_vae_fp32.safetensors	0.6 GB

两个扩散模型不可互换——它们是分开训练的。fl2va 负责文生视频和首尾帧控制（Refs OFF），ref2va 负责参考条件（Refs ON）。两个都接到 Director 的两个模型输入上，工具栏开关会自动选对；加载器是惰性的，磁盘上要放两份，但运行时只读选中的那个。

排你的第一条时间线

1. 打开示例工作流：Workflow → Open → example_workflows/MiniMax H3 Director.json，或者把仓库里的 workflow-overview 图直接拖上画布。
2. 修掉红色节点——通常只是模型文件名对不上。
3. 双击主轨道上的片段，写下这个镜头里发生什么。
4. 需要的话拖一张图上轨道作为首帧锚点。
5. Run。

插件自带的示例工作流。图源：GitHub 上的 ComfyUI-MiniMaxH3-Director README，2026-10-19 查阅。

运行之前先读时间线下方的 COMPILED PROMPT 面板：那里是模型将收到的最终文本，附带镜头数、帧数、参考统计和警告。MiniMax 官方指南建议生成类 prompt 写 350–500 词——比多数人写的长——不过插件自己也把这当作参考数字而不是硬标准。

编辑时有几件事值得知道：

• 每镜头对白： 以参考标签开头且带冒号的一行会变成口播对白——@ref1 says: First batch of the morning. 会被编译成带说话人标记、模型训练过的格式。只加引号不加冒号的写法仍是旁白。
• Subject 槽位： 把角色/道具/风格图片放进 @ref1–@ref9 槽位，为每个槽设置类型和保留度标记（fully_preserved 到 weak_reference），告诉模型要跟得多紧。模型卡上限：参考图 9 张、参考视频 3 段（每段 2–15 秒）、音频 3 段、合计 12 个文件。
• 音频用法： 右键音频片段可选 reference（模型模仿音色/风格）、fully_copy / partially_copy（你的音频进视频）、或 lock (exact audio)——保住自己配乐最可靠的方式，音频锁进模型的音频流，视频围着它生成。
• 分辨率： 预设覆盖 H3 全部画幅、两档尺寸。起草用 480 px 的 Fast 档；16:9 原生质量是 1344×768。别追 1.0 MP——1376×768 超出 H3 的 768×1344 画布上限，放大只会加渲染时间，不会加细节。
• 采样器默认值： 图里是 res_multistep + simple、约 20 步、走 BasicGuider。CLIPLoader 的 type 必须保持 minimax——设成别的输出就是乱码。

超过 15 秒的视频——现状说实话

H3 的 4–15 秒是它的训练区间，不是插件强制的上限。更长的窗口确实能渲染——Director 作者报告过约 45 秒可用——但超出区间后要预期漂移、循环感，以及比视频时长涨得更快的渲染时间。

Director 本身还没有正式的长时间线功能：曾有一个 Director Chain 节点，因为没法好用而被作者主动撤回。目前可靠的文档化路径是：

• 按段衔接。 每段末尾接 Save Last Frame 节点，把末帧喂给下一段的图生视频延续（ComfyUI 的 video_minimax_h3_i2v_continuation 模板）。官方指引说得很直白：误差沿链条累积——脸部的纹理最先丢——所以尽量用短镜头、在瑕疵显现前切镜；H3 指南建议从第二段起挂约 0.5 强度的防烧 LoRA。
• 用 Retake 修，别整段重跑。 Retake 模式只重生基础视频中标记的区间，用区间两侧的帧做锚点，Retake Stitch 再拼回去——中间一个镜头翻车不必整条重渲。

如果长视频是主要目标，也可以看看 Director 之外的选择：ComfyUI-MiniMaxH3-TimelineDirector 把任意目标时长拆成连续分段、一次运行内生成，靠上一段的 latent 尾部续接；其 README 将这一思路描述为长度不受限、只取决于硬件。MiniMaxDirector 走另一条路：把镜头、运镜和音频提示编译成结构化 prompt，每个主体一张「WHO & WHAT」卡。本教程以 Director 为主线，因为它是两份社区资料都深入覆盖的插件，而且它对自身限制的说明异常诚实。

五个大概率会踩的坑（和对应的修法）

1. 装完找不到节点 → 彻底重启加 Ctrl+F5；前端缓存过期是最常见原因。
2. ERROR: clip input is invalid / 输出乱码 → CLIPLoader 的 type 必须是 minimax。
3. 视频是噪点、音频正常 → joint latent 接错了 VAE；视频 VAE 接 VAEDecode，音频 VAE 接 VAEDecodeAudio。
4. 视频一片死灰 → 视频 VAE 出了 NaN；用 --fp32-vae 启动 ComfyUI。
5. 显存不足 → 先降分辨率再降时长；先降参考视频的 size（384 px 约为 768 的四分之一开销），最后才砍参考。

商用授权的细则

H3 开源权重免费下载运行，但本地生成结果的商用需要 MiniMax 商业授权，由 Comfy 独家代售。在美国、欧盟、英国、韩国之外且年收入低于 2000 万美元，免费社区授权即可商用，需标注「Powered by MiniMax H3」；在上述地区之内或超过该营收，Professional 档起价每月 5,000 美元。完整矩阵见 ComfyUI 官方指南。

收尾

MiniMax H3 时间线插件解决的是真问题：H3 的音视频联合生成和参考系统变成了可编辑的轨道，而不是手写 prompt 加数帧练习。对本来就有能用 GPU 跑 ComfyUI 的创作者，Director 离一条可用的分镜流水线只差几个小时的环境准备——但训练区间只有 5–15 秒、长链条误差累积、本地商用要真金白银的授权，这些限制值得在下载 60 GB 模型之前就知道。

如果你压根不想走本地部署这一遭——不下 60 GB 模型、不算显存、不跟 Ctrl+F5 较劲——AI Fruit 的在线视频生成器在浏览器里跑同样的「创建-挑选-迭代」流程，模型选择和积分成本在生成前就看得见。边界也说清楚：AI Fruit 不托管 MiniMax H3，也没有时间线编辑器；它是不用搭环境的在线短视频生成路线，如果你的目标是多镜头故事视频，也可以看看多场景故事工作流的教程。