MiniMax H3 Image Studio: análise, edição no ComfyUI e referências para vídeo

O MiniMax H3 Image Studio faz mais sentido para quem já produz vídeos com H3 e quer preparar personagens, produtos ou cenários no mesmo ambiente ComfyUI. A extensão usa o mecanismo de geração de vídeo para criar imagens estáticas e fazer edições orientadas por referências.

A principal vantagem é reaproveitar o ambiente existente. Não é um gerador online oficial da MiniMax nem um modelo de imagem pequeno e independente: ainda é preciso carregar o H3 e seu codificador. Detalhes finos, texto exato e identidade dos personagens exigem revisão.

Atualizado em 28 de setembro de 2026 · Extensão da comunidade v23.0.0

O que é e para quem vale a pena

O projeto é mantido por astropuzzo. O fluxo normal gera uma sequência curta, decodifica os quadros e escolhe uma imagem. Não se trata de um novo modelo de imagem treinado pela MiniMax. A versão atual inclui fluxos de rascunho com quatro passos e fluxos de oito passos em aproximadamente 1 MP. As opções de quadro único e outros decodificadores continuam experimentais. Repositório · Histórico de versões.

Um uso coerente é montar um pequeno conjunto de referências aprovadas: retrato, vista de corpo inteiro e fundo. Também serve para experimentar cores de produtos e figurinos antes de gerar o vídeo. Para uma ilustração ocasional, instalar uma estrutura inteira de vídeo pode ser trabalhoso demais.

Trate a saída como candidata. Confira rosto, mãos, costuras, logotipos e quantidade de objetos antes da animação. Um pequeno defeito pode ficar mais evidente em movimento.

Hardware, custos e uso online

Não existe um mínimo universal de VRAM para todos os fluxos. O desenvolvedor testou a v23 com RTX 4090 de 24 GB e 64 GB de RAM. Um relato de 26 de setembro usou RTX 4070 de 12 GB e 48 GB de RAM em edição por referência. Isso comprova uma configuração específica, não que toda GPU de 12 GB execute 4 MP com conforto. Condições dos testes · Relato com RTX 4070.

Quem já tem H3 pode reaproveitar pesos e codificadores compatíveis. Reserve espaço em SSD para modelos e resultados. A falta de VRAM pode aumentar o uso de RAM e armazenamento; conseguir carregar não significa editar com agilidade. Comece com cerca de 1 MP, cinco quadros e uma imagem por lote.

O Comfy Cloud é uma opção online para fluxos H3 compatíveis, mas não uma experiência Image Studio de um clique verificada aqui. Confira suporte a nós personalizados, modelos e licença com o provedor. O API JSON do repositório serve a clientes ComfyUI; não é uma API MiniMax Image Studio vendida separadamente. Compare o custo por referência realmente aproveitada, incluindo tentativas descartadas e configuração.

Download dos modelos e instalação

Atualize para ComfyUI 0.30.0 ou superior e use um fluxo atual, sem misturar receitas antigas. Guia H3 do ComfyUI · Modelos · Adaptadores Turbo. Geração e edição usam variantes diferentes; baixe primeiro a necessária.

Busque MiniMax H3 Image Studio no ComfyUI Manager ou execute os comandos abaixo a partir da pasta que contém o diretório ComfyUI. Ajuste o caminho na versão Portable e reinicie. Instalar os nós não baixa automaticamente todos os modelos.

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

Como gerar e editar a primeira imagem

Use UI JSON para trabalhar no canvas. Os arquivos de examples/api são solicitações para clientes de API e não contêm a organização visual dos nós. Abaixo estão os fluxos reais do mantenedor:

• Geração em oito passos — H3_IMAGE_GENERATE.json
• Edição em oito passos — H3_IMAGE_EDIT.json
• Rascunho de imagem em quatro passos — H3_IMAGE_DRAFT.json
• Rascunho de edição em quatro passos — H3_EDIT_DRAFT.json
• Edição básica com duas referências — H3_REFERENCE_EDIT.json

Comece com uma imagem

1. Abra H3_IMAGE_GENERATE.json e selecione FL2VA, codificador Qwen, VAE de vídeo e o adaptador correspondente de oito passos e 768p.
2. Escolha a proporção do vídeo pretendido. Na primeira execução, mantenha aproximadamente 1 MP, cinco quadros e a receita de amostragem fornecida.
3. Descreva assunto, enquadramento, iluminação e fundo de uma imagem estática. Varie a semente para criar algumas opções e confira em tamanho completo.
4. Salve o PNG aprovado, o fluxo e a semente. Preserve o original mesmo se depois aprimorar uma cópia.

Editar sem prender o resultado à imagem original

1. Abra H3_IMAGE_EDIT.json, selecione REF2VA e seu adaptador de oito passos e escolha a fonte em Load Image.
2. Especifique o que muda e o que permanece. Comece com transporte native; semantic-only é experimental.
3. Para duas referências com funções diferentes, abra H3_REFERENCE_EDIT.json e preencha ambos os Load Image. Identifique <Picture 1> e <Picture 2>. Esse fluxo básico tem uma receita diferente da edição Turbo.
4. Comece com source_fidelity próximo de 0.6. O parâmetro modifica instruções de preservação, não a força denoise. Examine mudanças desejadas e involuntárias.

Nas receitas fornecidas de oito passos e 768p, os shifts vídeo/áudio são 6/3 em FL2VA e 12/3 em REF2VA. Use modelo, adaptador e receita correspondentes. Só trocar oito por quatro passos não reproduz o fluxo Draft. A saída estática normal precisa do VAE de vídeo, mas não do VAE de áudio; o fluxo completo de vídeo pode precisar dos dois.

Da imagem de referência ao vídeo com H3

A integração é o reaproveitamento de um PNG, como qualquer outra referência. Não há evidência publicada de que a origem Image Studio garanta identidade melhor que uma boa imagem externa. Nossa análise do MiniMax H3 apresenta o conjunto de ferramentas de vídeo.

1. Defina o papel: Image-to-Video/FL2VA anima a composição inicial; Reference-to-Video/REF2VA usa identidade, roupa ou estilo em uma nova cena.
2. Exporte uma vista limpa. Não use uma ficha com três vistas como primeiro quadro, a menos que queira três figuras no vídeo. Separe as vistas quando necessário.
3. Abra o template nativo H3 adequado, carregue o PNG e explique sua função. Alterar a extensão do arquivo não transforma um fluxo de imagem em vídeo.
4. Teste um clipe curto com uma ação simples e os componentes de vídeo/áudio necessários. O guia nativo usa 1344×768 como ponto de partida para H3 16:9; não transfira diretamente uma configuração experimental de imagem de 4 MP.
5. Confira identidade, movimento, texto acidental e cortes. Depois aumente duração, referências ou movimento de câmera. Registre separadamente sementes e configurações de imagem e vídeo.

Guia dos fluxos nativos de imagem e referência para vídeo.

Prompts para referências e animação

São sugestões adaptáveis, não resultados de testes medidos. Os exemplos em inglês mantêm a sintaxe . Substitua assunto e cenário sem dar funções contraditórias às referências.

Referência de personagem para um plano

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.

Uma vista neutra facilita a inspeção. Gere outras vistas separadamente se precisar de rostos maiores.

Editar um produto

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.

Comece com um objeto sem marca e verifique forma, material, reflexos e proporções além da cor.

Separar as funções de duas referências

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.

Se Picture 2 determina a pose, não peça também para manter a pose de Picture 1.

Animar o primeiro quadro aprovado

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.

Use no template de vídeo, não no Image Studio. Uma ação simples facilita identificar falhas.

Qualidade e experiências publicadas

No artigo de 15 de agosto da TechnoEdge, o fotógrafo Kazuhisa Nishikawa demonstrou geração, mudanças de cor do figurino e edição com duas referências. Considerou a flexibilidade útil, mas apontou menos detalhe que modelos dedicados como Krea 2 e Z-Image. As configurações antigas não são o padrão atual da v23. Experiência publicada.

O relato de Kamimoto de 26 de setembro mostra fichas de personagens de anime e novas cenas em RTX 4070. Também observa pouca nitidez em corpos inteiros e reprodução incompleta do estilo. É evidência de possibilidades para pré-produção, não garantia de fichas exatas prontas para uso. Exemplos do usuário.

A comparação v23 mantém prompts, sementes e defeitos visíveis. Há alterações de roupas e poses, mas preservação imperfeita; aumentar quadros nem sempre melhora. Uma placa legível de quatro letras não comprova tipografia geral. Confira acentos, cedilhas e letras pequenas; deixe a tipografia final para um editor convencional quando a precisão for essencial. Relatório e comparações.

São observações individuais em RTX 4090/24 GB, não médias nem testes próprios da AirMore. Carga, cache, troca de modelos e salvamento influenciam. O refinador Qwen opcional faz outra edição generativa e pode alterar identidade e iluminação. Compare a 100%, sem tratá-lo como restauração sem perdas.

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

O modelo Qwen destaca consistência e edição geométrica sob Apache 2.0. Como seu refinador no Image Studio é uma fase extra, compare o Qwen independente se a imagem fixa for o produto principal. Ficha oficial.

A Black Forest Labs oferece 4B sob Apache 2.0 e API/playground hospedados. A variante 9B tem outras condições. Esta comparação orienta a escolha do fluxo, não estabelece um ranking de qualidade controlado. Página oficial.

Problemas comuns, licença e NSFW

A Unlicense da extensão não substitui a licença H3. A Community License exclui UE, Reino Unido, Coreia do Sul e EUA e exige autorização adicional acima de US$ 20 milhões de receita comercial anual. Isso é especialmente relevante para quem usa em Portugal, dentro da UE; para uso no Brasil também é preciso cumprir as demais condições. A FAQ da Comfy explica a via comercial separada: Professional a partir de US$ 5.000/mês, não uma assinatura Image Studio em reais ou euros. Confirme a cobertura do seu uso e território. Licença H3 · Licenciamento comercial.

NSFW: execução local não é uma função oficial sem censura nem autorização irrestrita. Não há aqui um benchmark NSFW confiável. Os termos H3, as regras da hospedagem, o consentimento, os direitos e os limites sobre conteúdo prejudicial continuam aplicáveis.

Perguntas frequentes

É o Image-01 ou MiniMax Design?

Não. Trata-se da extensão H3 de astropuzzo para ComfyUI. Não transfira preços, parâmetros ou cotas de outros produtos.

Posso usar sem GPU potente?

Um ambiente GPU alugado compatível pode funcionar. Confirme nós e pesos antes: suporte ao H3 nativo não garante este fluxo.

Quatro passos são sempre melhores?

Draft ajuda a explorar. Compare o material escolhido com oito passos, pois adaptador e receita também mudam.

Serve para anime e imagens realistas?

Há exemplos dos dois, mas sem garantia para toda estética ou pose. Teste um conjunto pequeno antes da produção.

O personagem será idêntico no vídeo?

Não automaticamente. Separe identidade e pose, use referências claras e revise um clipe curto antes de expandir.

Para quem já trabalha com H3, Image Studio amplia o mesmo ambiente. Comece com uma edição e um vídeo curto; aprove apenas referências que resistam à inspeção detalhada. Para priorizar rapidez em imagens, hardware mais simples ou outra licença, compare modelos dedicados antes de investir no conjunto H3.

Escopo: documentação e relatos públicos atribuídos, consultados em 28 de setembro de 2026. Não fizemos benchmark local de GPU nem geração completa em nuvem paga para este artigo. A capa é uma ilustração editorial, não uma amostra H3.