MiniMax-H3 - sd

//>編集者の方へ
//MiniMax-H3は登場したばかりで一過性の情報が多く、SNS等で情報が交錯しています。
//確信のない情報、カスタムノードを追記する際は、あらかじめ[[ひろば]]で相談をお願いします。
//研究用wikiなので情報を広く集める段階でこれは避けてほしい
//正確性を求めるのはもうちょっと後にして
//↑ひろばで相談しませんか?

#contents

*概要 [#p9e92356]
-中国企業のMiniMaxが開発した動画生成AI
-最大2K解像度で4秒～15秒、24FPS、多彩なアスペクト比の動画が生成可能
-最大15秒の32kHzステレオ音声を同時生成、多彩な言語に対応している
-T2VやI2Vの性能がGemini Omni FlashやSeedance 2.0と同等レベルとされる
-コンテンツフィルタに関しては、公式配布モデルでもとしあき達が期待する叡智なものは問題なく出せる...が、NSFWモデルではない。
--ガチのNSFWを追及する人達にとっては、ちゃんと障害になっているらしい((NSFW LoRAが注目を浴びるほど))
--NSFW LoRAが登場した際、公式が即座に削除要請を行ったことから、公式の態度は敏感。
-ライセンス問題
--MiniMaxは、全世界への配布に関しては比較的寛容な立場を取る一方、ディープフェイク等のAIに厳しい姿勢を取る米国、EU、韓国を懸念しており、それらを含む特定国に対しダウンロードや使用を禁止している。
--日本には影響はない
--将来的にApache 2.0ライセンスへ移行する方針を明らかにした（2026/08/20）

**主なトピックス [#n177bdf7]
//１行程度でざっくりと。
-2026/7/31 公式発表
-2026/8/3 オープンウェイトリリース
-2026/8/3 ComfyUIで正式サポート開始(v0.30.0)
-2026/8/4 NSFWモデル(LoRA)が出回る→公式から削除要請があり即削除[[(参考)>https://www.reddit.com/r/StableDiffusion/comments/1vfwijz/minimax_are_issuing_takedowns_on_decensorexplicit/]]
//なお、削除されたあとも、なんどか再アップロードされたり、その日以降もちゃっかり存命している。
-2026/8/8 ComfyUI v0.31.0で[[int8_convrot VAEサポート>https://github.com/Comfy-Org/ComfyUI/pull/15334]]。検証用のw4a8モデルが話題

*機能 [#u7cc6d30]

**基本機能 [#d4fd5e40]

#shadowheader(3,出力内容)
-[[公式説明>https://huggingface.co/MiniMaxAI/MiniMax-H3#system-overview]]

|カテゴリ|仕様|備考|h
|動画の長さ|4～15sec想定(公式説明)|comfyanonymousは1～30sec（場合によってはそれ以上）&br;の生成が可能と言っており、同様の報告や生成例が多数ある&br;ため柔軟性は高いようである（[[redditの発言>https://www.reddit.com/r/StableDiffusion/comments/1vd9o0r/]]）|
|アスペクト比|任意||
|解像度|任意|実用上は0.4～1.0MPixel程度が一般的|
|フレームレート|24FPS固定||
|音声出力|32kHzステレオ||
|サポート言語|日本語対応、主要な１１言語に対応|日本語対応はボイスや字幕等の指定が目的で、プロンプトは基本的に英語推奨|

#shadowheader(3,できること（各モード共通）)

-動画生成
--テキストのみ・画像（開始/終了フレーム）・参照素材（画像・動画・音声混在）の3方式に対応
-ボイス付与
--日本語ボイス可
ある程度抑揚も含めて制御可能
--プロンプト部位に関しては、ボイス内容だけ日本語許可。それ以外は英語。
-テキスト表示
--字幕、テロップ等、日本語指定可

様々な作例があるので、詳しくは各自調査を推奨。

**FL2VA / Ref2VA という２つのモード [#y9d57057]
・T2V/I2V（開始・終了フレーム）のFL2VAモデル
・動画、音声、最大9枚の画像入力に対応したRef2VAモデル

**FL2VA [#na18d7ff]

-First-and-last-frame mode
-0～2枚の画像入力して音声付き動画生成
--0枚：t2vモード
--1枚：最初か最後のフレームどちらかだけを指定する、i2vモード
--2枚：最初と最後の両方を指定するi2vモード

-まとめ
&#9989;Ref2VAに比べれば手軽、MiniMax-H3入門におすすめ
&#10060;参照画像による拘束力が強く、応用しにくい

**Ref2VA [#mc1ce327]
Omni-reference mode
-multi-modal reference入力
要するに、あらゆる参照が可能なモード。入力要件は下記。
--Images：上限9枚
--Videos：上限3本、2～15secのもの
--Audo：上限3本
--上記組合せ数最大12以下

-プロンプト内で、Subject定義, Summary, retention_analysis
といった、まるで論文形式のような厳密な指定を行うことで出力内容を細かく指定可能

-まとめ
&#9989;万能。ユーザーが期待する成果物は、ほぼ全て制作可能
&#10060;プロンプトガイドを理解するまでは、そこそこ良い作品が作れない

#shadowheader(3,FL2VAのようなi2vはできる？)
-参照画像を0秒で指定する等で実施可能だが、そのためのプロンプトの基本知識は必要。
FL2VAほどの拘束力はない。
--参照画像の綺麗さを採用したいユーザーは、Ref2VAよりもFL2VAを選ぶ傾向にある。

*特徴 [#l65f07c5]

**基本スペック[#spec]
-アーキテクチャ基本構造
--オムニモーダル（テキスト・画像・動画・音声）を単一シーケンスに統合し、一括で処理する構造
-拡散モデル
--H3-Omni-Transformerは、単一ストリームの密結合Transformer構造
--パラメータ数33B(330億)
-TextEncoder
--Qwen3-VL-32B
--パラメータ数32B(320億)
-VAE
--H3-VisualVAE、H3-AudioVAE(映像・音声で別VAE)
-ベースモデルのスタイル系タグ適正
--（基本的に参照して使用する用途なので、モデルが得意なスタイルとかはあんまりない？）
-テキスト出力・・・可。日本語可
-コンテンツフィルタ・・・API利用時のみ有り、ローカル実行時は無し
-固有機能・・・ネイティブステレオ音声同時生成、最大2K・最大15秒の動画生成


*ライセンス [#i916fc10]
使用にあたっては、MiniMax-H3独自のライセンスに準拠する必要がある。
-MiniMax-H3モデル規約
--[[MiniMax公式, LICENSE>https://huggingface.co/MiniMaxAI/MiniMax-H3/raw/main/LICENSE]]
--関連文書
---[[Any License Question Ask here! discussions #12>https://huggingface.co/MiniMaxAI/MiniMax-H3/discussions/12]]
---[[MiniMax H3 Open Weights Exclude US, EU, UK, and Korea From Local Deployment>https://www.techtimes.com/articles/322904/20260804/minimax-h3-open-weights-exclude-us-eu-uk-korea-local-deployment.htm]]
---[[MiniMax H3 Commercial Use License: 4 Countries, $20M, and Who Pays>https://www.atlascloud.ai/blog/tips/minimax-h3-commercial-use-license]]

要約すると、
--日本は適用地域から除外されておらず、個人でのローカル利用は可能
--成果物についても、適用地域内での利用・配布は許諾範囲内
--商用利用（成果物の販売含む）は年間収益2,000万ドル未満まで無条件で可能
--安全機構の回避・無効化は明確に禁止
--成果物を用いた競合モデルの学習（蒸留）は禁止

といったところであり、生成して楽しむユーザーにとっては気楽で、モデルの中身を改造して拒否機能を外すとなると問題になる。
拒否機能外し自体の規制は他モデルシリーズでもあるが、実際にMiniMax開発側が積極的にNSFWモデルを排除している実績(別項参照)があるため、遵守するべきだろう。

>ライセンスは不定期で更新されます。
攻めた使い方をする人は、当wikiの説明を鵜呑みにせずに公式をフォローして最新情報をチェックしてください。

*利用方法 [#q945f67d]
**必要スペック [#a7098f13]
-高解像度をネイティブで生成するには高いスペックが必要。
なお、低解像度にしても要求スペックはさほど下がらない。

#shadowheader(3,動作要件)
-各コミュニティの報告から推定された情報から、
ある程度安定したスペックは下記の通り。
|>|分類|スペック|h
|>|RAM|60GB以上が理想&br;32GB以上で安定動作報告有り|
|グラボ|シリーズ等|NVIDIA製RTXシリーズほぼ必須|
|~|VRAM|8GB以上で安定動作報告有り|
|ストレージ|タイプ|SSDは実質必須|
|~|空き容量|100GB以上推奨|

#fold(解説){{
-解説
--RAMは60GB以上が理想。
---ComfyUIのオフロードによりリソース管理されるため、32GB程度でも動作報告有り。
例えば48GBあっても常に上限寸前まで占有される。
---主にモデルファイルサイズに依存する
--グラボ
NVIDIA製グラボほぼ必須
---RTX30xxシリーズ以上での動作報告有り
---特に、CUDA13.0未満だと生成時間が異常に長くなるのがネック。
---VRAM12GBを推奨。8GBでも動作報告有り。
VRAM容量要件は、出力解像度と動画の長さに直結する
解像度低下することで要件緩和可能
--SSDは実質必須。
---HDDでも動作するが、生成開始時に発生するモデルファイル読込時間に、常人は耐えられるレベルではない。
--ストレージ空き容量・・・100GB推奨
---ほぼモデルファイル保存のため。
---出力動画は1.0MB程度なのでほぼ無視できる
--動かすだけなら、モデルファイル厳選込みでRAM 32G/VRAM 8G(RTX)くらいから、実用レベルで生成可能との報告あり((スレからの報告))
}}

#shadowheader(3,RAMサイズは小さくても良いが...)
-RAMが小さくても、その分モデルの読込頻度が増えるだけで動作には支障がない(ComfyUIにおける一般的な挙動)。
-RAMに関しては高速なSSD上にモデルを配置しておけば多量のメモリが必須になるわけではない
--※起動オプションを追加しよう --fast-disk --disable-pinned-memory --fast fp16_accumulation
（計算に必要になったぶんをロードするイメージで仮想メモリのようにSSDへ大量に書き込むわけではない）
-どちらにしてもモデルをHDD上に配置することは考慮されてないと言って良いだろう

#shadowheader(3,極小要件)
としあき報告による最小ラインはこのあたり。
-RAM 32G/VRAM 8G(RTX)
ComfyUI標準テンプレートWFの「MiniMax H3: Image to Video」そのまま（DiT:fl2va_pruned_int8_convrot, TE:nvfp4_awq, 0.4MP, 5.0sec）であれば動作する

**対応UI [#l6066c10]
-ComfyUI [[v0.30.0>https://github.com/Comfy-Org/ComfyUI/releases/tag/v0.30.0]]以降



**モデル [#h8c6d879]
***モデルファミリー [#fc1bc5f0]
-モデル構成は、
--[[DiT]], TextEncoder, video VAE, audio VAE 
--[[VAE]]は動画用と音声用の２つが用意されている。
-DiTのバリアントは
FL2VAとRef2VA向けそれぞれ
先述済みなので、説明は省略

//-Turboモでル
//生成step数を短縮するDiTモデルは、2026/8/9時点では存在しない

-軽量化モデル
-bf16, int8_ConvRot, nvfp4
-非公式ではGGUFモデルも配布（ただしGGUFはDynamic VRAMの効果がないため特定環境以外での利用は非推奨）
-選定のアドバイス
どれが使えるかはグラボとUIとノードによる。
ファイル容量が小さいものを選び、動かなければ他のモデルを試せば良い。
→ 参考：[[モデルフォーマットに対するグラボ対応状況]]
//(補足)この説明と同じ内容はKrea2ページなどでも行っているため、重複を避けるためにどのモデルがどうして良いかの説明は省略します。

***モデルファイルの入手 [#u4d3d0ab]
&color(red){2026/8/9時点、不安定な情報です};

-ベースモデル
--Comfy-Orgサイトにて再パッケージ済モデルが配布されている。
https://huggingface.co/Comfy-Org/MiniMax-H3
---よくわからないなら、このあたりを選ぶのが無難
|分類|ファイル名|h
|DiT(FL2VA向け)|minimax_h3_fl2va_pruned_int8_convrot.safetensors|
|DiT(RefVA向け)|minimax_h3_ref2va_pruned_int8_convrot.safetensors|
|Text Encoder|qwen3vl_32b_minimax_h3_int8_convrot.safetensors|
|VAE(音声)|minimax_h3_audio_vae_fp32.safetensors|
|VAE(動画)|minimax_h3_video_vae_fp16.safetensors|

-選定方針としては、
RAM読込負荷削減のためにファイルサイズが小さいものを選ぶことが優先事項。
ただし、非公式8bit以下のモデルは、調整ミスにより品質が低いものがあるので注意。
リリース直後には軽量だが粗悪なモデルが一部流出している((経緯としては当時、Int4などの軽量化知識が広まり、動画としての体をなさないレベルのモデルが出回ったりした。一見、品質が良さそうなモデルに関しても、そもそもコミュニティとして品質を正しく評価する手段が共有されていないため、その優劣を正しく評価できていない))

#fold(古い情報){{
・diffusion_models (DiT)
通常はpruned_int8_convrotタイプで良いだろう
fl2vaとref2vaでそれぞれ21GB
pruned版は単純にモデルの精度を切り捨てたわけではなく、
計算用データをあらかじめ事前計算しておくことで容量を節約してようだ

・text_encoders
余裕があればint8_convrotタイプを選んでおきたいが、
27GBもあるのでnvfp4タイプの15GBでも良いかもしれない

・vae
videoとaudioの２つが必要となる
0.31.0でSupport int8_convrot VAE for MiniMax-H3とあるので、
有志が公開しているものがあるかもしれない
}}

**ワークフロー導入[#kf2f3add]
-ComfyUIのテンプレート検索から利用可能

*高速化 [#h356891a]
MiniMax-H3の生成時間は、一般的に数分から１時間とされている。
なかなかトライ＆エラーが捗らないため、コミュニティでは各種高速化が提案されている。
おおまかに下記のような手段が提案されている。

2026/8/9時点、ノーリスクで万能な結論はまだ出てないので、
品質等への副作用の可能性を考慮しての採用をご検討ください。

>読者の方へ
-リリース直後2026/8/9現在、様々な手段が多方面から十分な検証なく多数流出しています。
-ここに書かれていることを読んで失敗しても''自己責任''です。
-みんな少しでも良くしようと、次々新技術を紹介しているだけなので、問題があったとしてもそれを追及するだけ野暮です。
頑張っているのはWikiではなく、SNSやGitHubを主戦場とする方々です。相談はそちらでお願いします。
-(SNSでもそれぞれの議論の前提が食い違って、ごちゃごちゃしとるのよ...)
//この□内の説明の目的は予防線。今回のケースはかつてのSD1.5登場時のWikiの状況に似ています。かつてのSD1.5登場時の新技術ゆえに注目度が高く、かつ不具合が多く、初心者～上級者入り乱れてのWiki内クレームが発生しました。数少ない編集者vs多数の初心者という構図は、編集する立場にとってしんどいと思いますので、上記の通り立場を明確にしておきます。

**ComfyUI更新 [#t5a0729a]

#shadowheader(3,バージョン更新)
v0.30.0以降もさまざまな改善が行われているので、まずはこれが基本。

comfy-kitchenにcomfy kitchen attentionが追加されるようだ？
環境によってはINT8/FP8なsageattention2より高速かも（特にRTX30以前）

#shadowheader(3,CUDA更新)
python3.13.x pytorch2.13+cu130が推奨されている
--cu130未満の場合、生成時間が長過ぎるといった報告有り。

**高速化ライブラリ導入 [#g0bdbda2]
-SageAttention2.2+triton（まずはこれ）
起動オプションで機能が有効化するが
 --use-sage-attention --enable-triton-backend
全体に影響を及ぼしてしまう（SageAttentionが邪魔になるモデルがある）ので
起動オプションではなく後述のKJNodesを通して使う方法がある
triton-backendに関しては有効化してしまって問題ない（はず）

-[[GitHub - kijai/ComfyUI-KJNodes: Various custom nodes for ComfyUI &#183; GitHub>https://github.com/kijai/ComfyUI-KJNodes]]
-[[GitHub - kijai/ComfyUI-SolAttn_triton &#183; GitHub>https://github.com/kijai/ComfyUI-SolAttn_triton]] （KJnode向け動画attention）
RTX40/50以降のみ？

・ノードの順番
 [モデル]
 　┗[Turbo Lora](後述。必要な場合のみ)
 　　　┗[Patch Sage Attention KJ]
 　　　　　┗[MiniMax H3 Mem Eff Sage Attention Patch]
 　　　　　　　┗[SolAttn]
 　　　　　　　　　┣[ガイダー]
 　　　　　　　　　┗[スケジューラ]
とつないで行くのが良いようだ？（AI談）、sage attnとsol attnは置換かも？

**モデル変更 [#c1045472]
MiniMax-H3はファイル容量が大きいので、サイズが小さくなるだけで読込が高速化する

#shadowheader(3,Turbo Model)
低ステップの4-NFE/8-NFEバリアントの検討をしているとの公式発表があった（2026/08/10）
続報待ち

#shadowheader(3,Turbo LoRA)
推論step数を減らすためのLoRAモデル

-非公式LoRA
--[[GitHub - ModelTC/Minimax-H3-Turbo>https://github.com/ModelTC/Minimax-H3-Turbo]]
4step v1.0と8stepが追加された（2026/08/12）
--[[Kijai/MiniMax-H3_comfy>https://huggingface.co/Kijai/MiniMax-H3_comfy]]
--FL2VAだけの対応、Ref2VAは（まだ）ない

#shadowheader(3,非公式軽量化モデル)
Kijai氏が実験的に提供したモデル、としあきの勝手に推奨。
--[[Kijai/MiniMax-H3-experimental at main>https://huggingface.co/Kijai/MiniMax-H3-experimental/tree/main]]
--[[テストでは良い結果が出た通称VSA>https://huggingface.co/Kijai/MiniMax-H3-experimental/resolve/main/minimax_h3_fastvideo_vsa_datafree_1300step_4step_int8_convrot.safetensors?download=true]]
--23GBで生成が早い、品質劣化をほぼ感じない、fl2・ref2もこれ一つで良い、悪いところが見当たらない。
--他軽量w4a8タイプモデル（INT4をINT8相当で計算することで劣化を抑える？低スペチャレンジで利用）
//↓いいたいことは理解できるのですが、一応Wikiなので、評価が安定するまではコメントアウト状態で編集をお願いします。
//int8_convrotタイプVAE
//https://huggingface.co/Kijai/MiniMax-H3-experimental/tree/main
//※いずれもComfyUI 0.31.0以降が必要
//キャッシュ系の拡張は高速化loraがあると相性が悪いようだ？

**ワークフロー合理化 [#nf41c205]
モデルのキャッシュ管理を最適化するなどの方法で、効率が改善するようです。
ワークフローの提案は、日々SNSで多数報告されていますので、各自調査のこと。
//（補足）具体的にどのような手段が提案されているかは理解しているものの、到底初心者おすすめとまではいかないので具体例を出すには及ばない。よほど正解の手段がない限り、このWikiでは説明を割愛

*カスタムノード [#ma8ca746]
・[[GitHub - LeonQ8/ComfyUI-ALLinONE-MinimaxH3>https://github.com/LeonQ8/ComfyUI-ALLinONE-MinimaxH3]]
ComfyUIが苦手な人向き、オススメ。見た目を重視した機能集約型MiniMaxH3版WEBUIと言って差し支えない
この記事のここまでの起動オプションや基本モデルを導入しているなら、カスタムノードインストール後
ComfyUI画面でノードの追加→One Nods→ALL in ONE MinimaxH3で展開、プロンプト入力からGENERATE

・[[GitHub - NikoDemon80/ComfyUI-H3-Motion-Context>https://github.com/NikoDemon80/ComfyUI-H3-Motion-Context]]
数珠つなぎの要領で、連続した続きの動画を生成するためのカスタムノード
直前の被写体の動く方向や速度、音声の波形をそのまま次へと継続させることができる

・[[GitHub - ethanfel/ComfyUI-MiniMaxH3-Contex-Loop>https://github.com/ethanfel/ComfyUI-MiniMaxH3-Contex-Loop]]
上記のフォーク版
構成からプレビュー、リテイク、音声同期などの統合機能？

・[[GitHub - nkxx188/ComfyUI-MiniMaxH3-Easy>https://github.com/nkxx188/ComfyUI-MiniMaxH3-Easy]]
画像音声動画などをマルチ入力で簡素化したりするやつ

・[[GitHub - matlowai/ComfyUI-MAINodes>https://github.com/matlowai/ComfyUI-MAINodes]]
崩れやすい激しい動きを改善するやつ？

*プロンプト [#x819183b]
**基本方針 [#de4411b1]
-適当な英文でもある程度は生成できる。
-可能な限り制御したいならば、''プロンプトガイドのチェックを強く推奨''
--[[基本プロンプトガイド>https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md]]
--[[Ref2VAプロンプトガイド>https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md]]
--とても具体的かつ長文なので&color(red){当Wikiでは解説しません};

毎回この入力は非常に大変なので、一般的には下記の手段で運用する。
-作成した動画別のテンプレートを作成
-LLMにプロンプト作成アシストを依頼
プロンプトガイドのmdファイルを参照させて、プロンプトを生成させるなど
**h3-prompt-writingをインストールする方法（※かなりマニアックなので注意） [#e4a164f1]
-VScodeのAIエージェントのClineやContinueに追加する方法です。
-h3-prompt-writingはLLM用のプロンプト生成Skillで、入力文に従って構文通りのH3用プロンプトを生成させる事が出来る。
// #fold(信憑性は不明だがLLMさんはドヤ顔である){{
// --Skillで文法や構造解析が出来るらしく、既存プロンプトの解析/変更/修復が可能らしい？
// #ref(LLM.png,nowrap,32x32)
// --バグったプロンプトの修正も相談できるっぽい？（今回は治った）
// #ref(LLM2.png,nowrap,32x32)
// }}
-ComfyUIを同時起動する場合は&color(,#e0e0e0){--disable-pinned-memory};を使うとメインメモリ消費を抑える事が出来る。&br;（生成速度はかなり落ちるがガクガクにはなったり吹っ飛ぶ事はない）
-ComfyUI-MiniMaxH3-Prompt-WriterのOpenAIプロトコルが噛み合わない人用orz
-LLMの導入方法などは割愛。
#fold(長いので折りたたみ){{
''基本的にCline推奨。''
>※　因みにContinueはAIエージェントを名乗っているが、実はエージェント機能はなく唯のAIクライアント（質問投げるだけ）。AIエージェントはLLMと相談しながら、内部的にPlanに基づいた計画書mdファイルを生成して、それをテンプレとして実行するので、入力文の趣旨を命令文に要約/分解する事が出来る。Continueはそれがないので、tokens量が1/3～1/4位に激減する。反面mdファイルを自前で用意する必要がある。h3-prompt-writingのようにskill.mdファイルがある場合は、使える筈ではある

''vercel-labs/skillsのインストール''
-VScode＞&color(,#e0e0e0){Ctrl＋＠キー};＞コンソールを出す
--&color(,#e0e0e0){npx skills add vercel-labs/agent-skills -g}; と入力&br;&ensp;npxコマンドが実行できない場合、node.jsのインストールが必要です。
--&color(,#e0e0e0){Select skills to install};  と出たら&br;&ensp;&color(,#e0e0e0){↑↓キー};  で選んで  &color(,#e0e0e0){Spaceキー};  （チェックを付ける）&br;&ensp;&color(,#e0e0e0){エンター};
--&color(,#e0e0e0){Additional agents};  と出たら&br;&ensp;Continueの場合はContinueを選ぶ（&color(,#e0e0e0){C:\Users\ユーザー名\.continue\skills};にsymlinkが出来る）&br;&ensp;Clineは  &color(,#e0e0e0){C:\Users\ユーザー名\.agents\skills};  （-gオプションでデフォルトインストールされる）を自動認識するので選択しなくても勝手に入るっぽい
--&color(,#e0e0e0){Done}; で終了

''本命の&color(,#e0e0e0){h3-prompt-writing};を入れる''
-コンソールに &color(,#e0e0e0){npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill h3-prompt-writing}; と入力&br;または &color(,#e0e0e0){npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill '*'}; （全部）
--&color(,#e0e0e0){Additional agents};と出たら&br;&ensp;Continueの場合はContinueを選ぶ&br;&ensp;Clineは勝手に入る
--&color(,#e0e0e0){Installation scope}; と出たら&br;&ensp;Globalを選ぶ
--&color(,#e0e0e0){Installation method};と出たら&br;&ensp;Symlinkを選ぶ
--&color(,#e0e0e0){Enter};連打
--&color(,#e0e0e0){Done};で終了

''h3-prompt-writingの使い方''

''Clineの場合''

-画像が読めるマルチモーダル系のLLMをモデルに指定する。&br;非検閲ではない普通のGemma4-12B-QAT+mmprojで、エロ系の画像解析でお断りされるかと思いきや、ツール使用時だと、まんま官能小説のような18禁の説明で、普通にプロンプトが生成出来てしまうらしい？
-Clineの画像参照はファイル指定以外に、VScodeに画像をDnDして表示＞画像上で右クリック＞コピー＞プロンプトウインドウにペーストでも出来る。
-一応、脱獄プロンプト　[[gemma_4_jailbreak_system_prompt:https://www.reddit.com/r/LocalLLaMA/comments/1sm3swd/gemma_4_jailbreak_system_prompt/?tl=ja]]　をruleに指定すると検閲が回避できる。
-非検閲の　[[gemma-4-E4B-it-heretic-ara-i1-GGUF:https://huggingface.co/mradermacher/gemma-4-E4B-it-heretic-ara-i1-GGUF]]　（Q6～Q4）と　[[hf.tst.eu/model#gemma-4-E4B-it-heretic-ara-i1-GGUF:https://hf.tst.eu/model#gemma-4-E4B-it-heretic-ara-i1-GGUF]]　にあるmmproj-Q8_0（JavaScriptらしく直リンク出来ない）のセットや、非検閲の　[[gemma-4-E2B-it-heretic-ara-i1-GGUF:https://huggingface.co/mradermacher/gemma-4-E2B-it-heretic-ara-i1-GGUF]]　（Q8～Q4）と　[[mmproj-F16.gguf:https://huggingface.co/unsloth/gemma-4-E2B-it-GGUF/blob/main/mmproj-F16.gguf]]　のセットなども使えます。
- llama.cppの設定は
  llama-server --port 8080 -m models/gemma-4-E4B-it-heretic-ara.i1_Q6_K.gguf --mmproj models/gemma-4-E4B-it-heretic-ara.mmproj-Q8_0.gguf -c 65536-ngl 99 -fa on --temp 1.0 --top-p 0.95 --top-k 64 -ctk q4_0 -ctv q4_0
のようにします。（私個人はllama.cpp×llama-swapで運用中）
- チャットウインドウに
  /h3-prompt-writing 画像を参照。モードはRef2VA。
  左の女性は着物を両手で押し下げ、おっぱいを見せつけるように、両腕を狭め胸を強調しながら体をくねらせて誘惑する。
  右の女性は開いた襟を掴み、おっぱいが丸出しになるまで押し下げる。やや恥ずかしそうに、小ぶりなおっぱい見せる。
  彼女たちの髪や飾りや衣服やおっぱいは物理法則に従って揺れる。
  5秒経過後におもむろに右の女性が右手を使って、左の女性の近い方の乳首をキュッと摘む。左の女性はビクッと反応して思わず喘ぎ声を漏らしてしまう。
  最初のフレームは<picture 1>を参照する。
  <Subject 1>や2を加えて被写体を分ける
  これらをminimaxH3のpromptを書いて
などと入力してLLMに投げればpromptが出来ます。（但し低パラメーターだとガチャ。12Bくらいあればかなり精度を保てる）

''Continueの場合''

-相違点のみ。
-実は謎が多くてよく分からない。正式にskill対応してるらしいけど、/コマンドを打ってもツリーがない。自前で追加しないと勝手にコマンドになる訳じゃないらしい。
-&color(,#e0e0e0){@.continue\skills\h3-prompt-writing\SKILL.md　に記述されている指示やルールに従って、以下の内容について回答してください。};と最初に書くと、唯のテンプレとしてSKILL.mdなどを読むようになる。
  @.continue\skills\h3-prompt-writing\SKILL.md　に記述されている指示やルールに従って、以下の内容について回答してください。
  画像を参照。モードはRef2VA。
  左の女性は着物を両手で押し下げ、おっぱいを見せつけるように、両腕を狭め胸を強調しながら体をくねらせて誘惑する。
  右の女性は開いた襟を掴み、おっぱいが丸出しになるまで押し下げる。やや恥ずかしそうに、小ぶりなおっぱい見せる。
  彼女たちの髪や飾りや衣服やおっぱいは物理法則に従って揺れる。
  5秒経過後におもむろに右の女性が右手を使って、左の女性の近い方の乳首をキュッと摘む。左の女性はビクッと反応して思わず喘ぎ声を漏らしてしまう。
  最初のフレームは<picture 1>を参照する。
  <Subject 1>や2を加えて被写体を分ける
  これらをminimaxH3のpromptを書いて
-一応、脱獄プロンプト　[[gemma_4_jailbreak_system_prompt:https://www.reddit.com/r/LocalLLaMA/comments/1sm3swd/gemma_4_jailbreak_system_prompt/?tl=ja]]　をruleに指定すると検閲が回避できる。

//#fold(''/h3-prompt-writingを使った謎のプロンプト修正（非公式）''){{
//-エージェントがスキルを使って、Cline loaded the skill: h3-prompt-writing　と表示されていれば修正してくれるっぽい。
//
//   /h3-prompt-writing "プロンプト"になっているので〇〇を××に直して。
//
//   "プロンプト"　/h3-prompt-writingスキルを使用して上記プロンプトを修正して。今AなのでBに直して欲しい。
//&ensp;&ensp;のように指示すると、どこら辺が問題か分かるらしい？
//&ensp;&ensp;※個人の感想です。公式なやり方分かる人がいれば書いておいてくれると助かります。
//}}
//直ったり直らなかったりするのでコメントアウト。
}}
**PolyStrataで遊ぼう（※かなりマニアックなので注意） [#za2684b9]
#fold([[PolyStrata>https://github.com/VecSzn/PolyStrata]]は[[Strata>https://github.com/Niko1221/Strata]]のフォークで30B級のラインナップが多いのが特徴。){{
[[PolyStrata>https://github.com/VecSzn/PolyStrata]]は[[Strata>https://github.com/Niko1221/Strata]]のフォークで30B級のラインナップが多いのが特徴。
- 100B級は厳しいがワンランク上の30B級を実用的な速度で使ってみたいVRAM12-16GB民にオススメ。
- Qwen36-35B（21GB）/Gemma4-26B（15.7GB）は10/5に追加された。&br;（Strataは10/12にQwen36-35B追加）
- Qwen36-35B使用時、VRAM16GBメモリ64GBのPCでメモリ使用量は35GB前後。&br;（-c 128k＋MTP＋mmprojあり）
- Qwen36-35B / Gemma4-26B使用時、RTX4060Ti@16GBで80t/s前後。（非検閲モデルは50t/s）
- h3-prompt-writingでハルシネーション/記憶喪失が起きにくい。
- ComfyUIの同時起動はお勧めできない。

1. SETUP.BATで追加できる30B級モデル
- Qwen36-UD-Q4_K_M（unsloth/Qwen3.6-35B-A3B-MTP-GGUF）　（デフォQwen36）
- Gemma4-UD-Q4_K_M（unsloth/gemma-4-26B-A4B-it-GGUF）　（デフォGemma4）
- mudler/Ornith-1.5-35B-A3B-APEX-MTP-GGU　（ソースより）
- peculiar-ragdoll/Tiel-Coder-35B-A3B-GGUF-MTP　（ソースより）

2. 手動追加可能なモデル
- llmfan46/Qwen3.6-35B-A3B-uncensored-heretic-Native-MTP-Preserved-GGUF （※可）
- HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive （※可）
- HauhauCS/Gemma4-26B-A4B-QAT-Uncensored-HauhauCS-Balanced-MTP （※可）
- HauhauCS/Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced （※要tools/iq_pack.py改造）

3. 手動での追加の仕方
- ターミナルなどで
  .venv/Scripts/python.exe tools/iq_pack.py `
    --gguf "D:\Models\luffythefox-qwen3.6-35b-IQ4_NL-ud-imtrx-00001-of-00002.gguf" `
    --out "custom-packs\qwen36_iq4_uncensored（等の適当な名前）" `
    --compat-bf16
と実行すると、expert-profile.txt以外（tokenizerやdense.bin）がoutに出来る。
- expert-profile.txtは空のファイルでよい。
- run-qwen36-ud-q4_k_m.batやstrata-qwen36-ud-q4_k_m.jsonなどを複製してパスを指定する。

4. tools/iq_pack.pyの改造（オマケ）
- Qwen36-35Bくらい知能が高いと
 toools/iq_pack.pyを実行すると
 layer 0: missing blk.0.ffn_gate_exps.weight, blk.0.ffn_up_exps.weight
 というエラーが出てファイルが出来なかったんだけど
と言えば勝手に調べて直してくれる（多分）
差分のdiffファイルはこちら　&ref(file_changes.zip);
}}
*ロースペックチャレンジャー用導入 [#x819183b]
**VRAM12GB　RAM16GB想定 [#de4411b1]
#fold(・Stability Matrixをインストール済みとして進行します。){{
1．ComfyUIのインストール
Stability Matrixの左メニューのパッケージ→画面下のパッケージの追加を押す→ComfyUIを選びインストール。
#ref(MMH1.png,nowrap,200x200)
#ref(MMH2.png,nowrap,200x200)
#ref(MMH3.png,nowrap,200x200)
パッケージタブ内の ComfyUI の右上の &#65049; を押してアップデートの確認が更新が出来るなら最新にする。
同じく &#65049; メニュー内の下から2番目のPackage Commandsの右に出る install triton and Sage Attention と install Nunchaku をそれぞれ押す。
パッケージタブ内の ComfyUI の中央にある &#9881; を押し Launch Option の一番下の Extra Launch Arguments の欄に
 　　　--auto-launch --use-sage-attention --disable-pinned-memory
を入れて下の保存を押す。一旦Stability Matrixを終了。
#ref(MMH4.png,nowrap,200x200)
２．必要なファイルのダウンロード(約45GB)

|モデル分類|名称|モデル入手リンク|配置先|h
|DiT(FL2VA向け)|minimax_h3_fl2va_pruned_w4a8_mixed.safetensors|[[■>https://huggingface.co/Kijai/MiniMax-H3-experimental/resolve/main/minimax_h3_fl2va_pruned_w4a8_mixed.safetensors?download=true]]|Stability Matrixのインストール先の \Data\Packages\ComfyUI\models\diffusion_models|
|DiT(RefVA向け)|minimax_h3_ref2va_pruned_w4a8_mixed.safetensors|[[■>https://huggingface.co/Kijai/MiniMax-H3-experimental/resolve/main/minimax_h3_ref2va_pruned_w4a8_mixed.safetensors?download=true]]|Stability Matrixのインストール先の \Data\Packages\ComfyUI\models\diffusion_models|
|TextEncoder|qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors|[[■>https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors?download=true]]|Stability Matrixのインストール先の \Data\Packages\ComfyUI\models\text_encoders|
|　　　(INT4)| qwen3vl_32b_minimax_h3-w4a8_convrot.safetensors|[[■>https://huggingface.co/Winnougan/MiniMax-H3-INT4_Convrot_ComfyUI/resolve/main/qwen3vl_32b_minimax_h3-w4a8_convrot.safetensors?download=true]]|同上、非fp4・fp8ならこちら|
|VAE(音声)|minimax_h3_audio_vae_fp32.safetensors|[[■>https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/vae/minimax_h3_audio_vae_fp32.safetensors?download=true]]|Stability Matrixのインストール先の \Data\Packages\ComfyUI\models\vae|
|VAE(動画)|minimax_h3_video_vae_int8_convrot.safetensors|[[■>https://huggingface.co/Kijai/MiniMax-H3-experimental/resolve/main/minimax_h3_video_vae_int8_convrot.safetensors?download=true]]|Stability Matrixのインストール先の \Data\Packages\ComfyUI\models\vae|

次にUIにあたるカスタムノードであるComfyUI-ALLinONEのインストール
Stability Matrixのインストール先の\Data\Packages\ComfyUI\custom_nodesのフォルダをエクスプローラーで開きその中で右クリック→ターミナルで開く
コマンド欄に ↓ をコピーして欄内でCtrl+Vキーで入力してENTERキー。ファイルのコピーが終わったらコマンド欄を閉じます。
 　　　git clone https://github.com/LeonQ8/ComfyUI-ALLinONE-MinimaxH3.git

#ref(MMH5.png,nowrap,200x200)
3．UI準備
Stability Matrixを起動→パッケージタブのComfyUIのLaunchを押す。
#ref(MMH6.png,nowrap,200x200)
ブラウザでComfyUI画面が開き左上の C∨ のメニューから新規を押す。
ワークフロー画面上で右クリック→ノードの追加→One Node→ALL in ONE MiniMaxH3を押すとUIが表示される。
#ref(MMH7.png,nowrap,200x200)

４．テスト生成
UI右上の &#9881; settingsからモデルの配置を確認。(VAE、INT4版TextEncoderが違う場合がある)
UI画面のT2Vタブのプロンプト欄にサンプル　↓　をコピペしてGENERATEボタンでスタート。
 　　　Description: It begins with a medium close-up of a beautiful young woman with long black hair. A high-quality, sensitive anime style from the 2020s.
 　　　By the riverbed. The wind moves her hair
 　　　White sailor uniform with black sailor collar and red neckerchief. Warm-edged lights, hand-painted cel shading, and clean linework.
 　　　Timeline:
 　　　[0s-2s] The camera showing her upper body, including her face, was quickly moved to her skirt
 　　　[2s-3s] Her skirt sways violently in the wind, exposing her polka dot panties and screaming
 　　　[3s-5s] Panicked, he clasps his hands between his legs, holds back his skirt, and glares shyly at me.
 　　　non_diegetic_music: N/A
 　　　Not for: Photoreal, 3 D.<d>[Japanese]"...ん? ...きゃっ！...やだもぅ</d>
#ref(MMH8.png,nowrap,200x200)
問題がなければ動画が生成され始め完了音と共に再生されます。(注意：音がでます気にする人はミュート)
I2V、R2V、音声、画像、連結動画その他機能も搭載されていて解像度設定の下のボタンと右のQualityが高速化Optionに対応しています。
最低限の動作設定なので解像度やステップ数を調整したりスペックに余裕があれば標準モデルに置き換えましょう。
}}
*コメント [#hfd1e024]
#pcomment