Exécuter MiniMax H3 en local : matériel, ComfyUI et configuration vidéo d’IA auto-hébergée

Oui, MiniMax H3 peut fonctionner en local. Les poids ouverts de H3-Base peuvent générer des vidéos et de l’audio stéréo natif sur votre propre matériel, et les environnements d’exécution de la communauté ont déjà permis de faire tourner le modèle sur des GPU de 24 Go, des cartes de 12 à 16 Go et même des configurations expérimentales de 8 Go.

Le point important, c’est que « faire fonctionner H3 en local » ne signifie pas actuellement reproduire hors ligne toutes les fonctionnalités du pipeline hébergé de MiniMax. H3-Base est disponible pour l’inférence locale, tandis que la couche d’orchestration officielle H3-Context-IR et l’étape H3-Regenerate-2K restent hébergées. Pour la plupart des utilisateurs d’IA à domicile, H3 relève donc moins d’un simple téléchargement de modèle que d’un problème d’infrastructure impliquant la mémoire GPU, la RAM, le stockage des modèles, les logiciels de workflow et, de plus en plus, un NAS ou un serveur domestique.

MiniMax H3 peut-il vraiment fonctionner en local ?

Oui. MiniMax a publié H3 en tant que modèle vidéo multimodal à poids ouverts en août 2026 et propose des checkpoints H3-Base pouvant être déployés sur du matériel local.

La publication officielle de MiniMax H3 présente le modèle comme un système multimodal polyvalent capable de comprendre des combinaisons de texte, d’images, de vidéo et d’audio, tout en générant des vidéos accompagnées d’un audio stéréo natif.

Le modèle local H3-Base prend en charge :

• génération de vidéos de 4 à 15 secondes
• sortie à 24 FPS
• audio stéréo à 32 kHz
• génération de vidéo à partir de texte avec audio
• conditionnement par la première et la dernière image
• références multimodales sous forme d’images, de vidéos et d’audio
• plusieurs formats d’image, dont 16:9, 9:16, 1:1, 4:3 et 21:9

La sortie par défaut de H3-Base utilise un petit côté de 768 pixels. Cette distinction est importante, car la capacité « jusqu’à 2K », souvent mise en avant, concerne le système H3 complet et non le seul workflow de base entièrement local.

MiniMax H3 est-il entièrement local ou a-t-il encore besoin du cloud ?

C’est la distinction la plus importante pour quiconque souhaite créer une configuration H3 privée.

Le workflow officiel complet de H3 comprend trois parties principales :

MiniMax indique explicitement dans son dépôt officiel H3 que H3-Context-IR dépend de plusieurs modèles et services hébergés et ne fait pas partie de la version open source actuelle. H3-Regenerate-2K n’est pas non plus encore disponible en open source.

Cela nous donne deux modèles de déploiement très différents.

H3 entièrement local

Prompt ou médias de référence locaux → H3-Base → vidéo locale de classe 768p + audio stéréo.

Vos fichiers sources, le processus de génération et le résultat peuvent rester sur votre propre machine. C’est le même principe général que celui du traitement local de l’IA : plus il y a d’étapes qui restent sur votre propre réseau, plus vous gardez le contrôle sur les données privées et les dépendances aux services.

H3 hybride

Context-IR hébergé → H3-Base déployé localement → Regenerate-2K hébergé.

Cette configuration peut reproduire une plus grande partie du flux de travail complet de MiniMax, mais le processus n’est alors plus entièrement hors ligne ni privé.

Si l’objectif est de faire fonctionner l’IA d’abord en local, H3-Base est donc le composant qui compte le plus.

Quel matériel faut-il pour exécuter MiniMax H3 localement ?

Il n’existe pas de capacité VRAM requise unique pour MiniMax H3, car la réponse varie considérablement selon la précision, la quantification, l’élagage du modèle, le déport de composants, la résolution, le flux de travail et l’environnement d’exécution.

Le modèle natif est volumineux. H3 utilise un transformeur H3-Omni dense de 33 milliards de paramètres, tandis que son encodeur utilise les poids préentraînés de Qwen3-VL-32B. MiniMax indique qu’environ 13 milliards de paramètres du transformeur appartiennent aux branches liées à AdaLN, dont les sorties peuvent être précalculées et mises en cache pour l’inférence, mais cela dépasse toujours largement l’empreinte mémoire d’un modèle grand public typique non quantifié.

L’écosystème local s’est donc fortement concentré sur l’élagage et la quantification.

L’index des intégrations H3 maintenu par MiniMax répertorie actuellement des solutions locales allant d’une configuration DiffSynth NF4 de 8 Go à des versions quantifiées de 12 à 16 Go et à des configurations ComfyUI de 24 Go.

Cela ne signifie pas qu’un GPU de 8 Go soit adapté à H3.

Dans le bas de gamme, le manque de VRAM doit être compensé en déplaçant les composants du modèle entre la mémoire GPU et la mémoire système. Le problème devient alors : « Le modèle peut-il se charger ? » puis « Combien de temps êtes-vous prêt à attendre pour chaque génération ? »

La VRAM minimale et la VRAM réellement exploitable sont deux questions différentes. C’est pourquoi il est utile de distinguer les goulots d’étranglement liés au calcul, à la mémoire et au stockage avant de supposer qu’un SSD ou un NAS plus rapide peut compenser un manque de mémoire GPU.

MiniMax H3 peut-il fonctionner sur des GPU de 24 Go comme la RTX 4090 ?

Oui, et 24 Go constituent actuellement l’une des capacités les plus intéressantes pour une configuration H3 sérieuse à domicile.

Les versions de la communauté et conçues pour ComfyUI ont suffisamment réduit le modèle de diffusion pour qu’un transformeur H3 INT8 élagué puisse tenir dans environ 20 Go, avec l’encodeur de texte quantifié séparément et les composants du modèle déportés si nécessaire.

Le détail important, c’est que H3 n’est pas constitué d’un seul fichier de poids.

Un flux de génération complet peut nécessiter :

• transformeur de diffusion H3
• encodeur texte/vision basé sur Qwen3-VL
• VAE vidéo
• VAE audio
• LoRA facultatives ou modèles d’accélération
• médias de référence
• mémoire temporaire des latents et du décodage

Ainsi, un « modèle de 19 Go » ne tient pas automatiquement sans problème dans un GPU de 24 Go avec 5 Go disponibles.

La gestion de la mémoire à l’exécution compte presque autant que la taille du checkpoint.

MiniMax H3 peut-il fonctionner avec 16 Go ou 12 Go de VRAM ?

Oui, mais on entre davantage dans le domaine des quantifications réalisées par la communauté.

L’écosystème actuel comprend des modèles de diffusion GGUF élagués et NVFP4, associés à des encodeurs Qwen3-VL fortement quantifiés. Cela peut faire passer H3 dans la catégorie des 12 à 16 Go, mais la mémoire système et le transfert de données prennent alors de plus en plus d’importance.

Il vaut mieux voir cette solution comme un moyen de rendre H3 accessible que comme la configuration idéale pour une production fréquente.

Si vous ne générez que de temps en temps de courts clips, ce compromis peut être tout à fait acceptable. Si H3 fait partie d’un flux de travail automatisé qui génère des dizaines de clips, le débit sera bien plus important que le simple fait de faire tenir le modèle dans la VRAM.

MiniMax H3 peut-il vraiment fonctionner avec seulement 8 Go de VRAM ?

Il existe désormais une solution pour 8 Go, mais ce chiffre doit être remis en contexte.

DiffSynth-Studio propose une configuration d’inférence NF4 dont le seuil minimal annoncé est de 8 Go de VRAM. À ce niveau, toutefois, le déchargement intensif fait qu’une grande partie de la charge de travail ne reste plus en mémoire sur le GPU.

Pour une configuration de 8 Go, la question pertinente n’est donc pas :

« H3 se lance-t-il ? »

C’est :

« Le temps de génération obtenu est-il acceptable pour ce que je veux faire ? »

Pour tester H3, découvrir les flux de travail ou générer un clip de temps en temps, une configuration de 8 Go peut être intéressante. Pour générer régulièrement des vidéos en local, davantage de VRAM reste un gain de confort considérable.

FL2VA ou Ref2VA : quel modèle MiniMax H3 choisir ?

H3-Base est proposé en deux variantes conçues pour des tâches spécifiques. Choisir la bonne peut réduire à la fois l’espace de stockage nécessaire et la complexité du flux de travail.

H3-Base-FL2VA

FL2VA se concentre sur la génération à partir de texte et d’images clés.

Si votre objectif est la génération classique de texte vers vidéo ou d’image vers vidéo, FL2VA est généralement le meilleur point de départ.

H3-Base-Ref2VA

Ref2VA est conçu pour un conditionnement par références multimodales plus riche.

Selon la fiche officielle du modèle H3, Ref2VA peut accepter jusqu’à :

• 9 images
• 3 clips vidéo
• 3 clips audio
• 12 fichiers de référence au total

Cela ouvre la voie à des flux de travail locaux bien plus intéressants : référence de personnage, transfert de mouvement, référence de style, référence vocale, montage de vidéos sources ou combinaisons de plusieurs types de médias.

Mais si vous n’avez pas besoin de ces références, télécharger et gérer un second checkpoint volumineux consomme de l’espace de stockage sans nécessairement améliorer un flux de travail simple de texte vers vidéo.

Quel est le moyen le plus simple d’exécuter MiniMax H3 en local ?

Pour la plupart des particuliers, ComfyUI est actuellement le point d'entrée le plus facile.

MiniMax cite ComfyUI parmi les solutions de déploiement prises en charge, aux côtés de Diffusers, SGLang et vLLM. ComfyUI a également proposé une prise en charge de H3 dès le premier jour et a fourni des versions moins gourmandes en mémoire destinées aux GPU grand public.

La publication de H3 pour ComfyUI explique que l'élagage des poids de modulation de H3, la quantification INT8, les noyaux personnalisés et le déchargement dynamique de la VRAM réduisent considérablement l'empreinte mémoire par rapport à un déploiement en pleine précision.

Voici à quoi ressemble une configuration locale pratique :

1. Installez ou mettez à jour ComfyUI.
2. Choisissez un flux de travail MiniMax H3 de génération vidéo à partir de texte, d'image ou de références.
3. Téléchargez le modèle de diffusion correspondant.
4. Téléchargez l'encodeur de texte compatible avec H3.
5. Ajoutez les VAE vidéo et audio.
6. Commencez par une génération courte de classe 768p.
7. Surveillez l'utilisation de la mémoire du GPU et de la RAM système.
8. N'augmentez la durée, la résolution ou la complexité du flux de travail qu'ensuite.

Cet ordre est important. Déboguer H3 tout en utilisant simultanément un long clip, le nombre maximal de références, une haute résolution et des extensions exigeantes rend difficile de déterminer si un problème vient du modèle, de la mémoire, des nœuds ou du flux de travail lui-même.

ComfyUI vs Diffusers vs SGLang vs vLLM-Omni pour H3

Le choix du meilleur environnement d'exécution dépend moins des résultats de benchmark que de l'utilisation prévue de H3.

Cette distinction devient importante dès que H3 dépasse le stade de l'expérimentation.

Un créateur qui produit manuellement une vidéo à la fois a besoin d'une architecture très différente de celle d'un foyer ou d'un studio où plusieurs appareils envoient des tâches de génération à une seule machine GPU centrale. Cette séparation existe déjà dans les guides pratiques sur le calcul et le stockage séparés : le NAS n'a pas besoin d'effectuer les inférences les plus lourdes simplement parce qu'il héberge les données.

MiniMax H3 peut-il fonctionner comme API locale de génération vidéo ?

Oui.

C'est l'une des raisons pour lesquelles H3 est intéressant au-delà des expérimentations sur ordinateur de bureau. SGLang et vLLM-Omni peuvent transformer H3 en service, sans obliger les utilisateurs à interagir directement avec le processus du modèle.

Par exemple, la recette vLLM-Omni pour H3 expose la génération via une interface /v1/videos de type OpenAI.

Cela permet une architecture d'IA domestique différente :

Ordinateur portable / téléphone / automatisation ↓ API H3 locale ↓ Serveur GPU ↓ Vidéo + audio générés ↓ Stockage local 

Une fois que H3 est exposé de cette façon, la station de travail GPU n'a plus besoin d'être la machine sur laquelle l'utilisateur modifie les prompts, gère les projets ou stocke les médias finalisés.

Le calcul et le stockage peuvent devenir des services distincts.

De combien d’espace de stockage MiniMax H3 a-t-il besoin ?

Le stockage est l’un des besoins de H3 les plus faciles à sous-estimer.

Le dépôt officiel MiniMax H3 contient les deux familles de tâches, les poids des transformeurs, l’encodeur basé sur Qwen, les VAE, les configurations Diffusers et des fichiers complémentaires. Le dépôt complet peut occuper des centaines de gigaoctets si tout est téléchargé.

L’index d’intégration MiniMax H3 indique que le dépôt original complet occupe actuellement environ 464 Gio. Les poids du transformeur FL2VA et Ref2VA originaux occupent chacun environ 62 Gio avant même le passage à des variantes de précision réduite ou élaguées.

Il n’est pas nécessaire de tout télécharger pour exécuter H3.

Une configuration domestique bien pensée devrait plutôt séparer :

• checkpoint actif
• quantifications alternatives
• variantes FL2VA et Ref2VA
• encodeurs de texte
• VAE
• LoRA
• images et vidéos de référence
• contenu généré
• projets archivés

C’est là que la vidéo par IA en local ressemble davantage à une charge de travail liée au stockage qu’à une application d’IA classique sur ordinateur de bureau. Une architecture plus complète d’IA locale et de stockage de fichiers devient utile dès qu’il faut un emplacement permanent pour les modèles, les médias source, les rendus et les sauvegardes.

Faut-il stocker les modèles MiniMax H3 sur un NAS ?

Oui pour certains fichiers, mais pas nécessairement pour tous les éléments utilisés pendant l’inférence.

Une architecture utile consiste à séparer le stockage des données fréquemment utilisées du stockage de grande capacité.

À conserver sur le SSD local de la machine équipée du GPU

• checkpoint H3 actuellement utilisé
• encodeur de texte actif
• fichiers temporaires de génération
• cache
• fichiers chargés régulièrement pendant l’inférence

À conserver sur le NAS ou le serveur domestique

• quantifications H3 alternatives
• anciennes versions de modèles
• archives FL2VA et Ref2VA
• bibliothèque de médias de référence
• vidéos terminées
• sauvegardes des workflows ComfyUI
• ressources du projet
• données d’entraînement ou jeux de données LoRA

Cette répartition évite de faire du stockage réseau un goulot d’étranglement inutile à chaque chargement de modèle, tout en empêchant des centaines de gigaoctets de ressources IA de remplir la station de travail.

Dans un labo domestique de type ZimaSpace, mieux vaut voir H3 ainsi : le nœud équipé du GPU génère, tandis que le serveur domestique organise l’espace de travail IA et en conserve les fichiers.

MiniMax H3 a-t-il besoin d’un réseau 10 GbE ?

Pas pour la génération elle-même. Une fois le modèle actif et les entrées chargés sur la machine équipée du GPU, l’inférence H3 sollicite presque exclusivement les ressources locales de calcul et de mémoire.

La vitesse du réseau devient importante lorsque vous transférez régulièrement de très gros checkpoints ou des médias à haut débit entre un NAS et le nœud équipé d’un GPU.

Par exemple, transférer un modèle de 20 à 60 Go n’a rien à voir avec le chargement d’un document de 5 Mo dans un workflow de LLM local.

Cela signifie que la vidéo par IA change l’intérêt d’un réseau domestique plus rapide :

• Le 1 GbE reste suffisant pour stocker les projets terminés et transférer occasionnellement des copies de modèles.
• Le 2,5 GbE réduit considérablement les frictions lors du transfert de fichiers de modèles volumineux.
• Le 10 GbE devient plus intéressant lorsque le NAS sert de bibliothèque centrale de modèles pour plusieurs stations de travail dédiées à l’IA, ou lorsque des fichiers vidéo bruts sont transférés en permanence.

Le GPU ne devient pas plus rapide parce que votre NAS dispose d’une connexion 10 GbE. C’est le workflow autour qui s’améliore. Si le réseau lui-même devient le goulot d’étranglement, la comparaison la plus utile est celle entre les NAS 2,5 GbE et 10 GbE, en fonction de la taille réelle des fichiers, du débit du stockage, des clients, des commutateurs et de la fréquence des transferts.

MiniMax H3 peut-il fonctionner entièrement hors ligne ?

H3-Base peut être utilisé dans un workflow hors ligne une fois que tous les poids, dépendances et fichiers de référence nécessaires sont déjà disponibles en local.

Cela comprend la génération locale de texte vers vidéo, la génération conditionnée par des images clés et les workflows H3-Base pris en charge, pilotés par des références.

Cependant, les services officiels Context-IR et Regenerate-2K sont actuellement hébergés. Un workflow qui dépend de ces composants n’est pas entièrement hors ligne.

Cette distinction est particulièrement importante pour les références sensibles. Si les images, vidéos, voix ou ressources commerciales non publiées ne doivent jamais quitter le réseau local, construisez le workflow autour de H3-Base et du prétraitement local, plutôt que de supposer que toute la pile officielle H3 est ouverte.

La même règle s’applique à tout workflow d’IA entièrement hors ligne : exécuter le modèle principal en local ne suffit pas si l’authentification, le prétraitement, le stockage, les API ou d’autres étapes nécessaires dépendent toujours d’Internet.

MiniMax H3 peut-il générer des vidéos 2K en local ?

Pas avec le pipeline officiel complet en 2K à l’heure actuelle.

H3-Base produit le résultat de base avec un petit côté de 768 pixels. Le résultat officiel 2K de MiniMax utilise H3-Regenerate-2K, qui prend la vidéo de base avec le contexte d’origine et régénère le résultat au lieu de simplement effectuer une super-résolution classique.

MiniMax indique que Regenerate-2K ne fait pas encore partie de la version open source.

Cela n’empêche pas les utilisateurs d’appliquer une mise à l’échelle locale ou des workflows communautaires à un résultat H3. Cela signifie simplement qu’il ne faut pas confondre ces méthodes avec le pipeline officiel MiniMax H3-Regenerate-2K.

Pour des recherches telles que « MiniMax H3 local 2K », cette distinction est plus utile qu’une simple réponse par oui ou par non :

La génération locale de H3 est disponible ; l’étape officielle complète de régénération en 2K n’est pas encore entièrement locale.

MiniMax H3 peut-il fonctionner sur Apple Silicon ?

L’écosystème local s’étend au-delà des GPU NVIDIA.

Un projet communautaire notable est h3.c, une implémentation d’inférence H3 native Metal conçue pour Apple Silicon. L’écosystème actuel suit la prise en charge du texte vers vidéo/audio, des workflows avec première et dernière images, ainsi que des entrées de référence ordonnées.

Les Mac à mémoire unifiée constituent donc une plateforme H3 intéressante, car les systèmes Apple Silicon suffisamment puissants peuvent remplacer les contraintes traditionnelles de la VRAM dédiée par un plus grand pool de mémoire partagée.

Cependant, la prise en charge d’Apple Silicon doit toujours être considérée séparément du déploiement de référence principal de MiniMax. La maturité des noyaux, les performances, la pression sur la mémoire et la parité des fonctionnalités peuvent évoluer rapidement avec les environnements d’exécution communautaires.

MiniMax H3 local ou dans le cloud : quelle configuration est la plus adaptée ?

La réponse dépend de l’importance que vous accordez à la maîtrise de l’infrastructure ou à la simplicité d’utilisation.

Pour générer des vidéos IA occasionnellement, l’inférence dans le cloud peut être bien plus économique que l’achat d’un GPU puissant.

Le déploiement local devient plus intéressant lorsque la machine existe déjà, que le volume de génération est élevé, que les médias sources sont sensibles, que les flux de travail nécessitent une personnalisation poussée ou que H3 n’est qu’un des nombreux services d’IA locaux partageant le même matériel.

C’est aussi pourquoi il faut évaluer les coûts de l’IA locale par rapport à l’IA cloud en fonction de la fréquence d’utilisation et du matériel déjà possédé, plutôt que de simplement comparer le prix d’une API au prix d’achat d’un GPU.

Pourquoi la vidéo IA locale devient un enjeu de serveur domestique

L’exécution de modèles de langage locaux a appris aux utilisateurs à penser avant tout à la RAM et à la VRAM.

Les modèles vidéo changent la donne.

Une installation vidéo locale sérieuse accumule :

• des dizaines ou des centaines de gigaoctets de poids de modèles
• plusieurs quantifications du même modèle
• bibliothèques d’images de référence
• audio de référence
• séquences vidéo originales
• LoRA
• fichiers de flux de travail
• rendus temporaires
• plusieurs versions de la vidéo finale

Par conséquent, la question à long terme n’est plus seulement :

Mon GPU peut-il faire tourner ce modèle ?

La question devient de plus en plus :

Mon infrastructure locale peut-elle stocker, héberger, organiser, sauvegarder et réutiliser à plusieurs reprises l’ensemble de ce flux de production de médias IA ?

C’est à ce stade qu’une station de travail IA locale et un serveur domestique commencent à se compléter.

Navigateur / PC de montage │ ▼ ComfyUI ou API locale │ ▼ Nœud de calcul GPU │ ├── Modèle H3 actif sur NVMe local │ ▼ NAS / Serveur domestique ├── Archives de modèles ├── Médias de référence ├── Flux de travail ComfyUI ├── Vidéos générées └── Sauvegardes 

Le GPU reste le moteur de calcul coûteux. Le serveur devient l’espace de travail IA persistant.

C’est aussi une façon utile de comprendre une architecture de NAS IA : le stockage n’a pas besoin de remplacer la station de travail équipée d’un GPU. Il apporte plutôt une couche stable de données, de modèles, de médias, d’indexation et de sauvegarde autour des charges de travail d’IA gourmandes en calcul.

MiniMax H3 est-il open source ?

MiniMax présente H3 comme une version open source et publie les poids du modèle H3-Base ainsi que son implémentation. Toutefois, le modèle est distribué sous la MiniMax H3 Community License Agreement, et non sous une licence logicielle permissive classique comme Apache-2.0 ou MIT.

Il convient de vérifier cette distinction avant tout déploiement commercial, toute redistribution ou toute intégration de H3 dans un produit. Les conditions applicables sont disponibles avec la publication officielle du modèle.

Il est également important de ne pas confondre le checkpoint ouvert H3-Base avec l’ensemble de la pile de services H3 : H3-Context-IR et H3-Regenerate-2K ne font toujours pas partie de la publication ouverte actuelle.

Utiliser MiniMax H3 en local : est-ce que ça vaut le coup ?

H3 est particulièrement intéressant pour l’IA locale, car il ne s’agit pas simplement d’un autre checkpoint de génération texte-vidéo. Il combine des références multimodales, la génération vidéo et l’audio stéréo natif au sein d’un même système, tandis que les poids ouverts de H3-Base offrent à la communauté locale un accès suffisant pour créer de nouveaux environnements d’exécution, des versions quantifiées, des flux de travail ComfyUI, des API et des optimisations spécifiques au matériel.

Mais H3 montre aussi dans quelle direction évolue l’IA générative locale.

Le défi ne consiste plus simplement à télécharger un modèle sur un seul PC. Un environnement H3 utile peut nécessiter un serveur équipé d’un GPU, des SSD locaux rapides, des centaines de gigaoctets de stockage pour les modèles, une bibliothèque de médias, l’orchestration des flux de travail, un accès à distance et un stockage réseau persistant.

Pour un essai ponctuel, ComfyUI et un checkpoint H3 quantifié peuvent suffire.

Pour une pile de génération vidéo par IA auto-hébergée sur le long terme, l’architecture la plus utile consiste à séparer la puissance de calcul, le stockage actif des modèles, le stockage des médias en grande quantité et l’accès aux flux de travail. Cette structure restera utile même lorsque le prochain modèle vidéo ouvert remplacera H3 en tête du classement.

Mise à jour de novembre 2026 : HyperFlow H3 Flash pour des tâches vidéo locales plus courtes

Video Rebirth a publié HyperFlow H3 Flash, une version dérivée de MiniMax H3 qui compresse le transformeur d’environ 31B à environ 14B paramètres et prend en charge la vidéo et l’audio stéréo simultanément. Il propose 4, 6 ou 8 étapes d’échantillonnage, avec six étapes par défaut. La publication comprend le code, des guides d’installation et des flux de travail ComfyUI.

Pour un exemple texte-vidéo et audio de 5,2 secondes, l’éditeur indique 83 secondes sur une RTX 5090 et 152 secondes sur une RTX 4090 avec sa configuration ComfyUI INT8. Il s’agit de mesures réalisées par le fournisseur pour le flux de travail et les paramètres indiqués, sans compter l’export dans les durées ComfyUI citées. Un clip de 15 secondes, un mode de référence différent ou un autre moteur peut prendre beaucoup plus de temps. La durée de la vidéo, la résolution, l’audio, l’encodeur de texte et l’export doivent tous être pris en compte pour une comparaison équitable.

Choix	Quand l’évaluer	Éléments à mesurer
SafeTensors INT8 pour ComfyUI	L’éditeur fournit une méthode prise en charge et des mesures sur des GPU RTX de 24 Go et de 32 Go.	Mémoire maximale du GPU, espace disque temporaire, durée du flux de travail et qualité du résultat.
Q4KM GGUF	La fiche de modèle indique un fichier de transformeur quantifié de 9,1 Go et documente des configurations GGUF.	Mémoire nécessaire à l’ensemble du pipeline, y compris l’encodeur, le VAE et les tenseurs intermédiaires.
Clips plus longs ou plusieurs entrées de référence	Utilisez la tâche et le flux de travail documentés pour l’entrée prévue.	Durée de génération, mémoire maximale, synchronisation audio et cohérence des images.

Le fait qu’un fichier de modèle puisse être stocké sur le disque ne prouve pas qu’un GPU de 16 Go puisse exécuter l’ensemble du pipeline. La publication de Video Rebirth ne fait état d’aucun test sur des GPU de 16 Go. Commencez par le plus court clip documenté, conservez le même flux de travail complet et ne modifiez qu’un seul paramètre à la fois.

Le développeur présente HyperFlow comme un modèle dérivé, et sa fiche de modèle renvoie à l’accord de licence communautaire MiniMax H3. Celui-ci énonce des restrictions territoriales et d’usage. Lisez la licence et vérifiez que votre lieu de résidence et l’usage prévu sont autorisés avant de télécharger ou d’utiliser les poids.

Questions fréquentes sur l’exécution locale de MiniMax H3

Puis-je faire tourner MiniMax H3 en local gratuitement ?

Vous pouvez faire tourner les poids ouverts de H3-Base sur votre propre matériel compatible, sans frais d’API par génération. L’inférence locale entraîne tout de même des coûts de matériel, de stockage, d’électricité et de maintenance. Vérifiez également la licence communautaire MiniMax H3 selon l’usage que vous prévoyez.

De quelle quantité de VRAM MiniMax H3 a-t-il besoin ?

Il n’existe pas d’exigence unique. Les configurations de la communauté vont actuellement d’une solution NF4 avec déport sur un GPU de 8 Go aux versions quantifiées de 12 à 16 Go, en passant par des configurations plus pratiques sur des GPU grand public de 24 Go. Un déploiement natif ou moins fortement quantifié nécessite beaucoup plus de mémoire.

24 Go de VRAM suffisent-ils pour MiniMax H3 ?

Oui. Les configurations H3 élaguées et quantifiées disponibles actuellement peuvent fonctionner sur des GPU de 24 Go, ce qui en fait l’une des catégories de matériel les plus réalistes pour faire tourner H3 en local. Le moteur d’exécution doit tout de même gérer l’encodeur de texte, les VAE, les tenseurs temporaires et le déport vers la mémoire système.

Une RTX 4090 peut-elle faire tourner MiniMax H3 ?

Oui. L’écosystème H3 local comprend des configurations avec une seule RTX 4090, qui utilisent la quantification et des techniques d’économie de mémoire. Il faut considérer une 4090 comme une plateforme H3 quantifiée, et non comme une carte capable de charger simultanément dans sa VRAM l’intégralité de la pile BF16 d’origine.

MiniMax H3 peut-il fonctionner avec 8 Go de VRAM ?

DiffSynth-Studio propose un workflow NF4 avec un minimum annoncé de 8 Go de VRAM. Il repose fortement sur le déport de mémoire ; il vaut donc mieux le considérer comme une configuration d’accès minimale plutôt que comme une solution de production rapide.

MiniMax H3 fonctionne-t-il dans ComfyUI ?

Oui. ComfyUI prend en charge les workflows H3 pour la génération de texte en vidéo, d’image/image clé en vidéo et la génération guidée par des références, avec des options de modèles quantifiés locaux conçues pour réduire les besoins en mémoire.

MiniMax H3 génère-t-il de l’audio localement ?

Oui. H3-Base génère conjointement la vidéo et un audio stéréo natif. Le workflow local utilise un VAE audio H3 distinct pour décoder le latent audio généré.

MiniMax H3 peut-il utiliser des vidéos et de l’audio de référence ?

Oui. Le modèle Ref2VA prend en charge les combinaisons de références d’images, de vidéos et d’audio. Les spécifications officielles du modèle autorisent jusqu’à neuf images, trois clips vidéo, trois clips audio et douze fichiers de référence au total, sous réserve des limites de durée.

MiniMax H3 peut-il générer des vidéos en 2K entièrement hors ligne ?

Pas avec le pipeline officiel complet 2K de MiniMax pour l’instant. H3-Base peut fonctionner localement, mais l’étape officielle H3-Regenerate-2K est actuellement hébergée. La mise à l’échelle locale par des tiers ne doit pas être confondue avec H3-Regenerate-2K.

Combien d’espace disque dois-je réserver pour MiniMax H3 ?

Un workflow optimisé unique peut ne nécessiter qu’une fraction du dépôt complet, mais les utilisateurs qui expérimentent avec FL2VA et Ref2VA, plusieurs quantifications, des encodeurs, des VAE, des LoRA et des médias de référence peuvent rapidement consommer des centaines de gigaoctets. Stockez les points de contrôle actifs sur un stockage local rapide et archivez les ressources moins fréquemment utilisées sur un stockage de plus grande capacité.

Puis-je stocker les modèles MiniMax H3 sur un NAS ?

Oui. Un NAS est utile pour stocker les archives de modèles, les médias de référence, les workflows, les résultats et les sauvegardes. Les points de contrôle chargés fréquemment sont généralement mieux conservés sur un disque NVMe local connecté à la machine GPU, puis synchronisés avec le NAS ou restaurés à partir de celui-ci au besoin.

MiniMax H3 a-t-il besoin d’une connexion Internet après son installation ?

H3-Base peut fonctionner localement une fois ses fichiers de modèle et ses dépendances logicielles téléchargés. Les workflows utilisant Context-IR hébergé par MiniMax ou le service officiel Regenerate-2K nécessitent toujours une connexion réseau.

Lequel est le mieux adapté à H3, FL2VA ou Ref2VA ?

Utilisez FL2VA pour la génération de texte en vidéo et les workflows à première/dernière image. Utilisez Ref2VA lorsque la génération nécessite des références plus riches en images, vidéos ou audio. Il y a peu de raisons de conserver la configuration plus volumineuse à plusieurs points de contrôle si votre workflow nécessite uniquement un conditionnement de base par texte ou images clés.

Puis-je mettre MiniMax H3 à la disposition de plusieurs appareils sur mon réseau domestique ?

Oui. Les frameworks de service comme SGLang et vLLM-Omni peuvent exposer H3 via une API réseau, permettant aux ordinateurs portables, aux stations de travail ou aux applications automatisées d’envoyer des tâches à un serveur GPU central. La concurrence et le débit réels dépendent de la mémoire GPU et de la configuration du service.