MiniMax H3 Image Studio: análisis, edición en ComfyUI e imágenes para vídeo

MiniMax H3 Image Studio resulta especialmente interesante si ya utilizas H3 para vídeo y quieres preparar personajes, productos o escenarios en el mismo entorno ComfyUI. La extensión aprovecha el modelo de vídeo para generar imágenes fijas y editarlas mediante referencias.

Su ventaja principal es reutilizar tu entorno de trabajo. No es un generador de imágenes online oficial de MiniMax ni un modelo ligero independiente: carga H3 y su codificador. El detalle fino, la escritura exacta y la identidad del personaje necesitan revisión.

Actualizado el 28 de septiembre de 2026 · Extensión comunitaria v23.0.0

Qué es y para quién tiene sentido

astropuzzo mantiene este proyecto. El flujo habitual genera una secuencia corta, decodifica los fotogramas y selecciona una imagen; no se trata de un nuevo modelo de imagen entrenado por MiniMax. La versión actual incorpora borradores de cuatro pasos y flujos de ocho pasos de aproximadamente 1 MP. Las rutas de un solo fotograma y otros decodificadores siguen siendo experimentales. Repositorio · Cambios de versión.

Tiene sentido para preparar un conjunto pequeño de referencias: retrato, vista de cuerpo entero y fondo, o probar el color de un producto y el vestuario antes de animarlos. Para una ilustración ocasional, instalar toda una infraestructura de vídeo puede ser excesivo.

Revisa caras, manos, costuras, logotipos y número de objetos antes de aprobar una imagen. Un defecto discreto en una imagen fija puede hacerse muy visible al animarse.

Hardware, costes y acceso online

No hay un mínimo universal de VRAM para todos los flujos. El desarrollador probó v23 con una RTX 4090 de 24 GB y 64 GB de RAM. Un usuario publicó el 26 de septiembre ediciones con referencias usando una RTX 4070 de 12 GB y 48 GB de RAM. Es una configuración documentada, no una garantía de que cualquier equipo de 12 GB ejecute cómodamente 4 MP. Condiciones del desarrollador · Experiencia con RTX 4070.

Si ya tienes H3, reutiliza pesos y codificadores compatibles. Reserva espacio SSD para los modelos y resultados; cuando falta VRAM, aumentan las exigencias de RAM y almacenamiento. Empieza con aproximadamente 1 MP, cinco fotogramas y un lote de una imagen. Poder cargar un modelo no equivale a poder iterar con rapidez.

Comfy Cloud permite ejecutar flujos H3 compatibles online, pero no es una ruta verificada de Image Studio con un clic. Consulta al proveedor sobre nodos personalizados, modelos y licencia antes de pagar. Los JSON de API del repositorio se dirigen a clientes ComfyUI; no son una API comercial independiente de MiniMax Image Studio. Calcula el coste por referencia aprovechable, incluyendo intentos fallidos y configuración.

Descarga de modelos e instalación

Actualiza ComfyUI a 0.30.0 o posterior y utiliza un flujo actual, sin mezclar parámetros de tutoriales antiguos. Guía H3 de ComfyUI · Modelos · Adaptadores Turbo. Generar y editar referencias requieren variantes diferentes; descarga primero la que vayas a utilizar.

Busca MiniMax H3 Image Studio en ComfyUI Manager o ejecuta estos comandos desde el directorio que contiene la carpeta ComfyUI. Ajusta la ruta si utilizas Portable y reinicia después. Instalar los nodos no descarga automáticamente todos los pesos.

cd ComfyUI/custom_nodes
git clone https://github.com/astropuzzo/ComfyUI-MiniMax-H3-Image-Studio.git

Generar y editar la primera imagen

Para trabajar sobre el lienzo, utiliza UI JSON. Los archivos de examples/api son solicitudes para clientes de API, no distribuciones visuales del lienzo. Estos enlaces llevan a los flujos reales del mantenedor:

• Generación en ocho pasos — H3_IMAGE_GENERATE.json
• Edición en ocho pasos — H3_IMAGE_EDIT.json
• Borrador de imagen en cuatro pasos — H3_IMAGE_DRAFT.json
• Borrador de edición en cuatro pasos — H3_EDIT_DRAFT.json
• Edición básica con dos referencias — H3_REFERENCE_EDIT.json

Primero, una sola imagen

1. Abre H3_IMAGE_GENERATE.json. Selecciona el modelo FL2VA, el codificador Qwen, el VAE de vídeo y el adaptador FL2VA de ocho pasos y 768p correspondiente.
2. Elige la relación de aspecto del futuro vídeo. Conserva aproximadamente 1 MP, cinco fotogramas y la receta de muestreo incluida para la primera prueba.
3. Describe sujeto, encuadre, iluminación y fondo como una imagen fija. Cambia la semilla para obtener varias opciones y examínalas a tamaño completo.
4. Guarda el PNG elegido junto con flujo y semilla. Conserva el original aunque después retoques una copia.

Editar sin anclar demasiado la fuente

1. Abre H3_IMAGE_EDIT.json, selecciona REF2VA y su adaptador de ocho pasos; carga la fuente en Load Image.
2. Especifica qué cambiar y qué conservar. Empieza con el transporte native; semantic-only es experimental.
3. Para asignar funciones distintas a dos referencias, utiliza H3_REFERENCE_EDIT.json y completa ambos Load Image. Identifica <Picture 1> y <Picture 2> en el prompt. Este flujo básico no utiliza la misma receta que la edición Turbo.
4. Comienza con source_fidelity cerca de 0.6. Ajusta instrucciones de conservación, no la intensidad denoise. Comprueba tanto el cambio pedido como las alteraciones involuntarias.

Las recetas incluidas de ocho pasos y 768p emplean desplazamientos vídeo/audio 6/3 para FL2VA y 12/3 para REF2VA. Modelo, adaptador y receta forman un conjunto. Cambiar solamente ocho por cuatro pasos no reproduce el flujo Draft. Para imágenes necesitas el VAE de vídeo, pero no el de audio; el flujo de vídeo completo puede requerir ambos.

De la imagen de referencia al vídeo con H3

La conexión consiste en reutilizar un PNG, igual que cualquier referencia creada por otro modelo. No hay evidencia publicada de que el origen Image Studio garantice una mayor fidelidad de identidad. Nuestra reseña de MiniMax H3 explica el entorno de vídeo con más detalle.

1. Decide la función: Image-to-Video/FL2VA para animar la composición inicial; Reference-to-Video/REF2VA para trasladar identidad, vestuario o estilo a otra escena.
2. Exporta una vista limpia. No uses una lámina con tres vistas como fotograma inicial salvo que quieras tres figuras en pantalla; separa las vistas cuando convenga.
3. Abre la plantilla nativa H3 adecuada, carga el PNG y explica su función. Cambiar la extensión del archivo no convierte un flujo de imágenes en uno de vídeo.
4. Prueba un clip corto y una acción sencilla. Añade los componentes de vídeo/audio exigidos por la plantilla. La guía nativa propone 1344×768 como punto de partida de vídeo H3 16:9: no traslades sin más un ajuste experimental de imagen de 4 MP.
5. Comprueba identidad, movimiento, texto accidental y recortes antes de aumentar duración, referencias o movimientos de cámara. Registra por separado las semillas de imagen y vídeo.

Guía de los flujos nativos de imagen y referencias a vídeo.

Prompts para referencias y animación

Son puntos de partida adaptables, no resultados de una prueba medida. Los ejemplos en inglés conservan la sintaxis . Cambia el sujeto y el escenario sin asignar funciones contradictorias a las referencias.

Referencia de personaje para un plano posterior

A single full-body reference image of an adult explorer in a teal raincoat and brown boots, standing neutrally against a plain light-gray background. The entire figure is visible, with relaxed hands and unobstructed facial features. Soft even studio lighting, realistic proportions, no text, no collage.

Una vista neutra facilita la revisión. Genera otras vistas por separado si necesitas caras más detalladas.

Edición de un producto

Use <Picture 1> as the source product. Change only the ceramic cup colour from white to deep blue. Retain the handle shape, camera angle, wooden tabletop and soft side lighting. Output one product photograph, with no additional objects or lettering.

Empieza con un objeto sin marca y comprueba forma, material, reflejos y proporciones, no solo color.

Dos referencias con funciones distintas

Use <Picture 1> for the adult character identity, hairstyle and clothing. Use <Picture 2> only for the standing body pose. Place the character against a plain gray background. Preserve the face and outfit from <Picture 1>; visibly adopt the pose from <Picture 2>. Output a single image, not a comparison sheet.

Si Picture 2 aporta la pose, evita ordenar a la vez que se conserve la pose de Picture 1.

Animar el fotograma inicial aprobado

Animate this opening image into a short continuous shot. The adult explorer slowly turns toward the window and lifts one hand. The camera stays still. Preserve the face, teal coat and room layout. Gentle fabric movement, natural timing, no cuts and no on-screen text.

Este prompt va en la plantilla de vídeo. Una acción sencilla ayuda a identificar los fallos.

Calidad y experiencias publicadas

En su experiencia del 15 de agosto en TechnoEdge, el fotógrafo Kazuhisa Nishikawa mostró generación, cambios de color de vestuario y edición con dos referencias. Valoró sus posibilidades, pero señaló menos detalle que modelos de imagen dedicados como Krea 2 y Z-Image. Sus ajustes antiguos no son los valores actuales de v23. Artículo de experiencia.

El artículo de Kamimoto del 26 de septiembre muestra fichas de personajes de anime y cambios de escena en una RTX 4070. También reconoce detalles blandos en cuerpos completos y reproducción imperfecta del estilo. Son ejemplos útiles para preproducción, no una garantía de fichas exactas listas para producción. Ejemplos del usuario.

La comparación v23 del desarrollador utiliza prompts y semillas fijos, conservando defectos. Cambia ropa y poses, pero no preserva todo; más fotogramas no siempre ayudan. Un rótulo legible de cuatro letras no demuestra fiabilidad tipográfica general. Revisa tildes, eñes y texto pequeño; añade el texto final en un editor convencional si necesitas exactitud. Informe y comparativas.

Son observaciones individuales con RTX 4090/24 GB, no una media ni una prueba de AirMore. Influyen la carga, la caché, los cambios de modelo y el guardado. El refinador Qwen opcional es otra edición generativa: puede mejorar el detalle aparente y cambiar el rostro o la iluminación. Compara al 100%; no lo trates como restauración sin pérdidas.

Alternativas: Qwen Image Edit y FLUX.2 [klein]

La ficha de Qwen destaca consistencia y edición geométrica bajo Apache 2.0. Como el refinador Qwen de Image Studio añade otra fase, prueba Qwen por separado si la imagen fija es el resultado principal. Ficha oficial.

Black Forest Labs ofrece la variante 4B bajo Apache 2.0 y acceso API/playground alojado. La variante 9B tiene otras condiciones. La comparación es de flujos de trabajo, no una clasificación de calidad con pruebas idénticas. Página oficial.

Problemas habituales, licencia y NSFW

La Unlicense del código no sustituye la licencia H3. La Community License excluye UE, Reino Unido, Corea del Sur y Estados Unidos, y exige autorización adicional para ingresos comerciales anuales superiores a 20 millones de dólares estadounidenses. Para lectores en España, la exclusión de la UE es especialmente relevante; las condiciones dependen de dónde se utilice, no del idioma. Comfy explica una vía comercial separada: Professional parte de 5.000 USD/mes, no es una suscripción Image Studio ni una tarifa local en euros. Confirma la cobertura territorial y del uso previsto. Licencia H3 · Vía comercial.

NSFW: ejecutar localmente no equivale a una función oficial sin censura ni a permiso universal. No se establece aquí un benchmark NSFW fiable. Siguen vigentes las normas H3 y del proveedor, además del consentimiento, los derechos y las restricciones sobre contenido dañino.

Preguntas frecuentes

¿Es Image-01 o MiniMax Design?

No. Es la extensión H3 de astropuzzo para ComfyUI. No traslades precios, parámetros de API o cuotas de otros productos MiniMax.

¿Puedo usarla sin una GPU potente?

Puede servir un entorno GPU alquilado compatible; confirma antes nodos y modelos. El soporte de H3 nativo no garantiza este flujo.

¿Debo elegir siempre cuatro pasos?

Draft es útil para explorar. Compara la referencia final con ocho pasos, porque también cambian adaptador y receta.

¿Sirve para anime y fotografía?

Hay ejemplos de ambos, pero no garantizan estabilidad para todo estilo o pose. Prueba un conjunto pequeño antes de producir.

¿Mantendrá H3 el personaje idéntico?

No automáticamente. Usa referencias claras, separa identidad y pose y revisa un clip corto antes de ampliar el trabajo.

Si ya trabajas con H3, Image Studio amplía de forma útil el mismo entorno. Empieza por una edición y un clip breve; conserva solo referencias que superen una inspección cercana. Si buscas ante todo edición rápida, menos hardware o una licencia distinta, compara primero modelos dedicados.

Alcance: documentación y experiencias públicas atribuidas, revisadas el 28 de septiembre de 2026. Sin benchmark local de GPU ni generación completa en nube de pago realizada para este artículo. La portada es una ilustración editorial, no una muestra H3.