ComfyUIは、MiniMaxのオープンウェイト画像生成・参照画像編集モデル「MiniMax H3 Image」へのネイティブ対応を発表しました。サンプリングは6ステップ固定で、1:1では4096×4096をアップスケールなしで直接生成し、Partner Nodes経由のAPI実行にも対応します。
MiniMaxは、文章、音声、画像、動画、音楽を扱うマルチモーダルモデルを開発するAI企業です。ComfyUIはComfy Orgが公開する、ノードをつないで生成ワークフローを組み立てるツールです。
何が新しいか
MiniMax H3 Imageは、同一チェックポイント・同一グラフでテキスト・画像生成と参照画像編集を扱います。画像を接続すると参照画像編集、接続しないとテキスト・画像生成として動作します。
モデルはCFG蒸留済みで、PDD sampling・guidance 1の6ステップで生成します。ステップ数はチェックポイントの6つの蒸留済み出力ヘッドに対応しており、これらの値はチェックポイントで固定されているため調整は不要で、負のプロンプトも使いません。テキストプロンプトは最大4096 tokensまで受け付け、原文は長く完全な記述が最も良く機能するとし、プロンプト生成用にMiniMaxの「H3 Image Prompt Enhancer」モデルを挙げています。
ネイティブ出力サイズ
| アスペクト比 | 出力サイズ |
|---|---|
| 1:1 | 4096×4096 |
| 4:3 | 4736×3552 |
| 3:2 | 5024×3360 |
| 16:9 | 5472×3072 |
| 21:9 | 6272×2688 |
4:3、3:2、16:9は縦向きでも生成できます。いずれもアップスケールではなく、そのサイズで生成されます。
試し方・要件
実行方法は2通りです。
- オープンウェイト: 重みをダウンロードし、自分のGPUでグラフを実行します。全入力をキャンバス上で扱えるフルモデルです。
- Partner Nodes: 重みをダウンロードせず、同じキャンバスからAPI経由で実行します。
手順は以下のとおりです。
- ComfyUIを最新版へ更新するか、Comfy Cloudを開きます。
- Hugging Faceから拡散モデル、VAE、Qwen3-VLテキストエンコーダをダウンロードします。テキストエンコーダは動画モデルMiniMax H3と共通で、MiniMax H3を実行済みなら同じファイルを使えます。
- TemplatesパネルからMiniMax H3 Imageテンプレートを読み込むか、リポジトリからテキスト・画像生成用/画像編集用ワークフローを入手します。
- プロンプトを入力します。編集時は
image_1以降に画像を接続し、ノードにVAEを接続します。
MiniMax H3 Image Conditioningノードの挙動
- 幅・高さは既定で0(自動)です。テキスト・画像生成では2048×2048、画像接続時は
image_1のサイズに従います。両方を設定すると指定サイズになります。 image_1が編集対象画像で、他のスロットは参照画像です。プロンプト内では入力順にimage_1、image_2…と番号で指定します。- 編集時にVAEを接続すると、参照画像はテキストエンコーダで読まれるのに加えてlatentとしても固定されます。未接続ではテキストエンコーダへの条件付けのみになります。
まだコメントはありません。