Новости

У ноды появился разбор: 34 минуты, в которых показаны все документированные возможности MiniMax H3 — в том порядке, в котором вы с ними встречаетесь.

• Таймлайн. Дорожки для картинки, камеры и звука; указатель кадра, разрез блока и почему длительность округляется до 5 + 17 кадров.
• Сущности из файла. Человек, одежда, предмет, место, стиль, движение, голос — каждое становится карточкой со своим номером, который вы вставляете в любой блок, и остаётся собой во всех сценах.
• Диалоги. Опишите голос, выберите говорящего, язык и то, в кадре он или за кадром.
• Референсы. Раскадровка, первый и последний кадр, ключевой кадр и то, сколько от файла остаётся, — включая перенос лица с одной фотографии на человека с другой.
• Один полный пример, собранный с нуля и сгенерированный в конце.

Смотреть: MiniMax Director — полный разбор. Другие озвучки: English, 中文.

Она уже на вашей GPU. Запустите набор MiniMax H3 и откройте workflow MiniMaxDirector — набор подтягивает свежий релиз с GitHub. На своей машине поставьте minimax-director из реестра ComfyUI или склонируйте github.com/imbutus/ComfyUI-MiniMaxDirector в custom_nodes/.

На странице LLM появились три модели и исчезли две.

• huihui-ai/Huihui-Ornith-1.5-9B-abliterated — маленькая, дешёвая и заточенная под код. 9B с вводом изображений и контекстом 262k, без цензуры. Это ещё и первая модель с двумя метками сразу: она и бюджетная, и для кода, поэтому найдётся в любой из этих групп.
• huihui-ai/Huihui-Ornith-1.5-35B-A3B-abliterated — старшая Ornith. То же семейство: 35B mixture-of-experts, ввод изображений, контекст 262k, без цензуры. Заменяет Ornith 1.0.
• huihui-ai/Huihui-CyberStrike-OffSec-35B-abliterated — специалист по безопасности, в отдельной категории. 35B, дообученная на пентесте и работе red team, ввод изображений, контекст 262k, без цензуры. Такие модели теперь помечены offsec, а не свалены в общую кучу.
• Две модели сняты. Qwen3.6 35B-A3B и Ornith 1.0 35B больше не предлагаются: Ornith 1.5 закрывает их задачи, а универсальным выбором остаётся Qwen3.8 27B. Ваши прошлые сессии на них никуда не делись и по-прежнему видны в истории.
• Метки теперь суммируются. Модель больше не ограничена одним значком — именно поэтому 9B показана и как бюджетная, и как модель для кода.

Откройте страницу LLM, чтобы запустить любую из них.

С августа в ноду легло 264 коммита, и 0.16.0 их собирает. Идея прежняя — вы раскладываете фильм по таймлайну, а не запихиваете его в одно поле промпта, — но теперь из этого выходит куда больше того, что H3 действительно читает.

• У каждого и у каждой вещи есть карточка. Человек, реквизит, костюм, место, образ: по карточке на каждого, и в ней — картинка, из которой он взят, его описание и его голос. Это единственное место, где описывается файл, поэтому на блоке ничего не дублируется.
• Голоса рождаются в том же проходе, что и картинка. Напишите реплику, выберите лицо — и она соберётся ровно в той форме, на которой H3 учили, включая реплику, которая переходит через склейку или обрывается на конце клипа.
• Лицо можно перенести на другого. Карточка также может взять движение из видео и тембр из записи, и каждое такое указание вписывается внутрь того субъекта, которому принадлежит, а не висит отдельной строкой.
• Все файлы клипа лежат в одном списке. Перетащите файл на дорожку, чтобы поставить его в конкретный момент, или оставьте общим для всего клипа. Пропавший файл сам об этом говорит, и запуск отклоняется, а не выдаёт молча не то.
• Живой линтер проверяет правила, прямо записанные в руководствах: длину клипа, референсные ролики вне 2–15 секунд, маркер, который не может сделать то, о чём его просят.
• Нода ровно такой высоты, как то, что у вас открыто, а вся работа выгружается одним JSON.

Полные заметки: релиз 0.16.0.

На вашей GPU это уже есть. Запустите бандл MiniMax H3 и откройте Docs → Media → MiniMax H3 → воркфлоу MiniMaxDirector. Бандл подтягивает с GitHub свежий релиз, так что обновлять ничего не нужно.

На своей машине склонируйте github.com/imbutus/ComfyUI-MiniMaxDirector в custom_nodes/ либо поставьте minimax-director из реестра ComfyUI, когда 0.16.0 пройдёт там проверку. Нужен ComfyUI 0.31.0 или новее. Лицензия MIT.

На странице LLM появилось новейшее поколение Qwen: huihui-ai/Huihui-Qwen3.8-27B-abliterated — плотная 27B в полной точности, без цензуры.

• Отвечает дольше — и ответы от этого умнее. Рассуждение по умолчанию идёт с максимальным усилием, поэтому первые токены приходят заметно медленнее, чем у моделей поменьше. В этом ожидании весь смысл: она прорабатывает задачу, а не отвечает быстро. Если нужен быстрый диалог туда-обратно, лучше взять модель поменьше.
• Понимает изображения. Прикрепите картинку и спросите о ней в том же диалоге, что и всё остальное.
• Контекст 262k. Хватит на целую кодовую базу или стопку документов за одну сессию.
• Полная точность, ничего не отброшено. Это те самые веса, которые опубликовали авторы, поэтому нужна большая карта и около 10 минут до первого сообщения.

$2.40/час. Откройте LLM и запустите её.

Я написал ноду для ComfyUI под MiniMax H3 и выложил её в открытый доступ: MiniMaxDirector. Вместо того чтобы запихивать целый фильм в одно поле промпта, вы раскладываете его по таймлайну — что происходит в кадре, как движется камера, что слышно — а нода собирает из этого тот самый структурированный промпт, который читает H3.

Что это даёт:

• Три дорожки. Кадры, камера и звук, у каждого сегмента свой текст и свой отрезок.
• Моменты склеек считаются сами, и модель получает точное время начала каждого кадра.
• Только допустимые длительности. Клип подгоняется под длину, которую H3 принимает, — генерация не сорвётся из-за арифметики.
• Прикрепите файл к сегменту, и он автоматически станет пронумерованным референсом в промпте: ничего не нужно вписывать руками.

На вашей GPU это уже установлено. Запустите бандл MiniMax H3 и откройте Docs → Media → MiniMax H3 → воркфлоу MiniMaxDirector; граф готов к запуску, ставить ничего не нужно.

На своей машине — нода лежит в реестре ComfyUI под именем minimax-director: ищется в ComfyUI Manager либо ставится командой comfy node install minimax-director. Исходники и баг-трекер: github.com/imbutus/ComfyUI-MiniMaxDirector. Лицензия MIT.

Для бандла MiniMax H3 на странице Docs появился разбор — на английском, русском и китайском, с субтитрами.

Видео проходит первый клип от начала до конца:

• Где лежат воркфлоу и какой открыть первым.
• Как писать звук в промпте — что описывать и что модель с этим делает.
• Допустимые длительности — почему произвольная длина подгоняется и какие числа дают ровные секунды.
• Как прикреплять референсы, чтобы персонаж не менялся от кадра к кадру.

Смотрите на YouTube или откройте Docs → Media → MiniMax H3.

На странице Media появился новый видеобандл: MiniMax H3 — омнимодальная модель, которая генерирует изображение и звук за один проход. Звук не накладывается потом, он рождается в той же генерации, что и видео.

Что стоит знать до первого клипа:

• Звук — часть модели. Описывайте то, что слышно, так же, как то, что видно, и это будет сгенерировано вместе с кадром. Стерео, без отдельного этапа озвучки.
• Референсы: изображения, аудио и видео. Прикрепите их и сошлитесь из промпта; модель использует их, чтобы удержать персонажа или общий вид от кадра к кадру.
• Длительность не произвольная. H3 принимает длины по фиксированной решётке при 24 fps, поэтому воркфлоу подгоняет запрошенное к ближайшему допустимому значению. Ровными секундами получаются 8, 25 и 42.
• Один промпт — несколько кадров. Модель читает список сцен с моментами склеек, так что одна генерация может содержать несколько кадров, а не один непрерывный дубль.

Откройте Media → Video → MiniMax H3, чтобы запустить.

У четырёх голосовых бандлов теперь по одной понятной задаче, общий набор имён воркфлоу и более быстрый старт.

• Fish Audio S2 — выбор для дубляжа. Синтез речи и клонирование голоса на 80+ языках, а голос-в-SRT и SRT-в-голос сохраняют исходный тайминг.
• CosyVoice 3 — выбор для смены голоса. Нативное преобразование сохраняет исходные слова, паузы и подачу и меняет только тембр, без промежуточной транскрипции.
• Qwen3-TTS — полностью Qwen-бандл. Клонирование голоса по трёхсекундному образцу и дизайн голоса, и это единственный бандл с Qwen3-ASR в качестве второго движка распознавания.
• WhisperX теперь используется для распознавания везде. На практике он точнее, а отказ от второго движка в остальных трёх бандлах убрал около 3,7 ГБ из каждого пода — голосовые поды готовы быстрее.
• Два воркфлоу, которых раньше не было. common-align-script-to-srt теперь есть в каждом голосовом бандле: вставьте сценарий с пустой строкой между блоками, и он выровняет их по вашей озвучке в SRT. У CosyVoice 3 появился полноценный cosyvoice3-voice-clone.

Часть имён в папке _examples изменилась — ищите новые: *-tts-clone стал *-voice-clone, *-audio-to-srt стал common-audio-to-srt, а qwen3tts-change-voice стал qwen3tts-redub-voice: он расшифровывает и переозвучивает слова, а не преобразует голос, поэтому для сохранения подачи используйте CosyVoice 3.

На странице Docs теперь перечислены все бандлы с их моделями и все воркфлоу, которые они содержат, — с теми же пояснениями, что вы видите на холсте ComfyUI.

Для бандла Sulphur-2 на странице Docs появился полный разбор — чуть меньше восьми минут, на английском, русском и китайском, с субтитрами.

Видео целиком проходит по воркфлоу LTX Director:

• Изображение → видео — заставить человека на фото произнести нужный вам текст.
• Изображение + аудио → видео — подать готовую озвучку, сделанную в Fish Audio S2, и человек на картинке произнесёт именно эту запись.
• Продление клипа — поставить готовое видео в начало или конец таймлайна и дать модели сгенерировать недостающий кусок. Частоту кадров нужно выставить как у исходника, иначе результат поплывёт.
• fp8 против bf16 — это разные модели, а не пресеты качества. fp8 — сжатая: легче по ресурсам, результат хуже.

Ещё в видео: почему стоит протестировать на коротком отрезке, прежде чем запускать полный рендер, почему разбивка промптов на короткие интервалы даёт более точную генерацию и как неверная длительность заставляет модель галлюцинировать. Сам голос можно заменить потом через CosyVoice3.

Откройте Docs → Media → Video tutorial, чтобы посмотреть.

SCAIL-2 прошёл полный круг тестирования и вышел из беты. Обе его задачи работают от начала до конца, а метка Beta с карточки бандла убрана.

• Анимация персонажа — оживите своего персонажа движением из любого ролика. Фон генерируется заново, сцена исходного видео не сохраняется.
• Замена персонажа — замените одного человека в готовом видео, сохранив исходную сцену, фон и всех остальных.
• Два персонажа сразу — одно референсное фото с обоими, оживлённое роликом с двумя движущимися людьми.

Каждый воркфлоу теперь открывается пошаговой инструкцией прямо в ComfyUI: какие поля заполнить, как навести трекер на одного человека, если в кадре несколько, что проверить в превью масок до долгого рендера и как выйти за пределы стандартных пяти секунд.

Два момента перед стартом. Результат без звука — SCAIL-2 генерирует только изображение, поэтому звук добавляйте потом в видеоредакторе. И референс должен быть настоящей фотографией: для двух персонажей это один снимок, где они вместе, а не две склеенные картинки.

Видеоурок будет позже.