MiniMax H3 Image Studio 評測：ComfyUI 生圖、參考圖編輯與影片工作流

如果你已經用 MiniMax H3 製作影片，能在同一個 ComfyUI 環境先準備角色、商品與場景參考圖，會讓製作流程更方便。MiniMax H3 Image Studio 就是把 H3 的影片生成能力用於靜態圖片，並提供文字生圖和參考圖編輯的社群擴充套件。

它的價值在於重用現有 H3 環境，不是提供一個輕量的新圖片模型。這也不是 MiniMax 官方線上生圖服務：仍須載入 H3 與大型編碼器，細節、精準文字及角色一致性都不能視為保證。

2026 年 9 月 28 日更新 · 社群擴充套件 v23.0.0

它是什麼？適合誰用？

專案由 astropuzzo 維護。一般流程會先生成短影格序列，解碼後再選出靜態圖片，並不是另外訓練了一個 MiniMax 圖片模型。目前版本提供配套的四步草稿流程，以及約 1MP 的八步流程；單影格與其他解碼器仍屬實驗性路線。專案頁面 · 更新紀錄。

較合理的用途是少量準備可供影片使用的素材，例如清楚的角色近照、全身圖、背景圖，或在製作影片前嘗試商品配色與服裝變化。如果只是偶爾需要一張插畫，專門為此安裝整套影片模型的成本可能偏高。

先把輸出當成候選素材，檢查臉、手、衣服接縫、標誌與物件數量，再進入動畫階段。靜態圖片的小瑕疵，動起來後可能更明顯。

硬體、費用與線上使用方式

沒有適用所有工作流的單一最低顯示記憶體數字。開發者 v23 測試採 RTX 4090、24GB VRAM、64GB RAM；9 月 26 日的社群文章則在 RTX 4070、12GB VRAM、48GB RAM 上進行參考圖編輯。後者只證明特定配置可運作，不代表每台 12GB 顯示卡都能順暢跑 4MP。開發者測試條件 · RTX 4070 使用案例。

已有 H3 的使用者可以重用相容權重及編碼器，避免重複下載。請為大型模型與輸出預留 SSD 空間。顯示記憶體不足時，負擔可能轉移到系統記憶體與儲存裝置；載入成功不代表迭代速度理想。建議先用約 1MP、五影格、批次一張。

Comfy Cloud可線上使用支援的 H3 工作流，但不能因此視為已驗證的一鍵 Image Studio 服務。若要使用本套件，應先向服務商確認自訂節點、模型及授權範圍。專案提供的 API JSON 是給 ComfyUI 客戶端使用，不是另外販售的 MiniMax Image Studio API。計算成本時，請把失敗重試和設定時間一起納入每張「可採用參考圖」的成本。

模型下載與安裝

先更新至 ComfyUI 0.30.0 以上，使用專案目前提供的流程，不要混用舊教學設定。ComfyUI H3 指南 · 模型下載 · Turbo 轉接權重。生圖和參考編輯使用不同主模型，先下載第一個流程需要的版本即可。

在 ComfyUI Manager 搜尋 MiniMax H3 Image Studio，或從包含 ComfyUI 資料夾的目錄執行下方指令，再重新啟動。Portable 版請調整為內部 ComfyUI 的路徑。安裝節點並不會自動備齊全部模型權重。

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

生成與編輯第一張圖片

要在畫布操作，請用 UI JSON。examples/api 內的 JSON 是程式化請求格式，當成一般畫布匯入可能空白或失敗。以下直接連到維護者提供的流程：

• 八步生圖 — H3_IMAGE_GENERATE.json
• 八步圖片編輯 — H3_IMAGE_EDIT.json
• 四步生圖草稿 — H3_IMAGE_DRAFT.json
• 四步編輯草稿 — H3_EDIT_DRAFT.json
• 雙參考圖基本編輯 — H3_REFERENCE_EDIT.json

先完成一張圖片

1. 開啟 H3_IMAGE_GENERATE.json，在載入節點指定 FL2VA 主模型、Qwen 編碼器、影片 VAE，以及配套的 768p 八步 FL2VA 轉接權重。
2. 依影片用途選擇長寬比。首次使用保留約 1MP、建議五影格及附帶的採樣設定。
3. 以靜態圖片描述主體、取景、光線與背景。更換種子產生少量候選圖，逐一以原尺寸檢查。
4. 儲存選中的 PNG、工作流與種子。即使之後補細節，也保留未修改原圖。

編輯參考圖，而不是把原圖鎖死

1. 開啟 H3_IMAGE_EDIT.json，改用 REF2VA 主模型及配套八步權重，在 Load Image 選擇來源圖片。
2. 說明要改哪裡、哪些要保留。先維持 native 參考傳遞，semantic-only 屬實驗性選項。
3. 兩張圖分工時使用 H3_REFERENCE_EDIT.json，填入兩個 Load Image，並在提示詞分別標明 <Picture 1> 和 <Picture 2>。此基本流程與 Turbo 編輯流程的設定不同。
4. source_fidelity 先維持預設附近的 0.6。它調整保留特徵的文字指示，不是 denoise 強度。除了目標變更，也要檢查非預期變動。

附帶的 768p 八步配置中，FL2VA 的影片／音訊 shift 為 6/3，REF2VA 為 12/3。主模型、轉接權重和配方必須成套使用；只把步數從八改成四並不等於四步工作流。一般靜態輸出需要影片 VAE，不需要音訊 VAE，但完整影片流程可能兩者都要。

把參考圖交給 MiniMax H3 生成影片

這種聯動的重點是重用素材：完成的 PNG 可以像其他模型產生的圖片一樣交給 H3。目前沒有公開比較證明，只因圖片來自 Image Studio，就能保證更好的角色一致性。影片模型的完整介紹可看MiniMax H3 評測。

1. 先決定參考用途：想讓原構圖成為開場畫面，用 Image-to-Video／FL2VA；想把角色、服裝或風格帶到另一場景，用 Reference-to-Video／REF2VA。
2. 輸出清楚的單一視角。不要直接把三視圖當作開場影格，除非你真的要三個人物同時入鏡；必要時拆成獨立參考圖。
3. 開啟對應的 H3 原生影片範本，載入 PNG，明確寫出參考的用途。只改靜態圖片的副檔名並不會變成影片流程。
4. 先跑短片與一個簡單動作，補齊影片範本要求的影片／音訊元件。Comfy 指南的原生 16:9 H3 影片起始尺寸為 1344×768，不要直接套用實驗性的 4MP 靜態設定。
5. 檢查臉部、動作、多餘文字與裁切，再增加長度、參考數或鏡頭運動。圖片與影片的種子、設定應分開記錄。

H3 原生圖片轉影片與參考轉影片指南。

參考圖與動畫提示詞範例

以下是可改寫的起始範例，不是實測結果。英文範例保留 的參考語法，請替換主體與場景，避免同時要求互相衝突的身分或姿勢。

影片前期的角色參考

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.

單一中性視角較容易檢查；需要更多臉部細節時，可分別生成其他視角。

單張商品圖編輯

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.

先用無品牌物品練習，除了顏色，也檢查形狀、材質、反光與比例。

兩張參考圖分工

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.

如果 Picture 2 負責姿勢，就不要又要求完全保留 Picture 1 的姿勢。

讓核准的開場圖片動起來

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.

此例放入影片範本，不是 Image Studio。簡單動作比較容易判斷問題來源。

畫質與媒體、使用者的實際體驗

TechnoEdge 8 月 15 日的實作文章中，攝影師西川和久展示了文生圖、服裝換色與雙參考編輯。他肯定用途的多樣性，但也指出細節弱於 Krea 2、Z-Image 等圖片專用模型。舊文章的設定不能直接視為 v23 預設。閱讀媒體體驗。

9 月 26 日，かみもと的文章展示以 RTX 4070、兩張參考圖製作動漫角色設定圖及場景變化，也提到全身細節偏糊、畫風並非完全重現。這適合拿來理解前期探索的可能性，不代表角色設定能精確到直接量產。查看使用者範例。

開發者 v23 使用固定提示詞、種子並保留瑕疵做比較。服裝和姿勢可以改，但臉、光線等不一定完全保留；增加影格也不保證改善。一個四字母招牌可讀，不等於繁體中文字或包裝小字可靠。請逐字檢查，正式文字可留到一般編輯軟體再加。測試與比較圖。

這些是 RTX 4090／24GB 上的個別觀測，不是本站測試或平均速度。載入、條件快取、模型切換與儲存皆會影響時間。可選的 Qwen 細節修整也是生成式編輯，可能連臉和光線一起改變；請用 100% 大小比較，而非視為無損修復。

與 Qwen Image Edit、FLUX.2 [klein] 比較

Qwen 模型卡介紹一致性及幾何編輯的改善，授權為 Apache 2.0。Image Studio 的 Qwen 細節流程是追加步驟，若成果主要是靜態圖片，也可直接比較單用 Qwen。官方模型卡。

Black Forest Labs 提供 Apache 2.0 的 4B 版本與託管 API、試用介面。不要把 4B 授權套到所有 [klein]，9B 另有條款。此處比較的是用途，並非同條件畫質排名。官方頁面。

常見問題排除、授權與 NSFW

節點的 Unlicense 不取代 H3 模型授權。H3 Community License 排除歐盟、英國、韓國與美國；商用產品／服務年營收逾 2,000 萬美元等情況須另取授權。因此不能宣稱完全自由開源或全球免費商用。Comfy FAQ 說明社群條件及付費途徑，Professional 從每月 5,000 美元起，這不是台幣計價的 Image Studio 訂閱。台灣讀者也應依使用地區、業務與條款確認適用範圍。H3 授權 · 商用授權。

NSFW：本機執行不等於官方「無審查」功能，也不等於任何內容都獲許可。本評測沒有可靠的 NSFW 能力基準。H3 可接受使用政策及託管規範仍適用；同意、權利和有害內容限制與技術上能否生成是不同問題。

常見問答

它就是 Image-01 或 MiniMax Design 嗎？

不是。這裡評測的是 astropuzzo 的 H3 ComfyUI 擴充，其他 MiniMax 產品的價格、API 參數與帳戶限制不能直接套用。

沒有強大 GPU 能用嗎？

可考慮相容的租用 GPU，但先確認節點與模型支援。雲端原生 H3 可用，不代表本工作流一定可用。

四步一定比較好嗎？

配套 Draft 適合快速探索；選中素材後可與八步比較。轉接權重與設定改變，畫質也可能改變。

動漫和真人都適合嗎？

公開例子包含兩者，但不能推論每種畫風、姿勢、角色都一樣穩定。正式製作前先試少量素材。

影片中角色會完全相同嗎？

不會自動保證。整理身分、姿勢和風格參考，使用清楚圖片並先測短片，比在意圖片來自哪個模型更重要。

對已用 H3 的創作者，Image Studio 能延伸既有環境。先完成一張參考編輯與短片測試，只採用經得起放大檢查的素材。如果最重視獨立圖片編輯速度、輕量硬體或不同授權，先比較專用圖片模型再投資 H3 配置更合理。

評測範圍：截至 2026 年 9 月 28 日的專案資料及具出處的公開體驗，未進行本站本機 GPU 測速或付費雲端全流程生成。封面為概念插畫，不是 H3 生成樣本。