MiniMax H3-Image：ComfyUI配置与生图编辑实测

作者：@AIwood爱屋研究室



MiniMax H3-Image 在 ComfyUI 中怎样配置，文生图和图片编辑又各有什么特点？本期先讲模型与工作流准备，再用风光、人像、文字、游戏画面和多参考图编辑，对比 MOSS 与 Qwen Image 2.1 的实际样例。

一、先更新 ComfyUI，再准备配套模型

1. 更新 ComfyUI。作者录制时，ComfyUI 已加入 H3-Image 相关节点支持，但还没有在官方模板中找到对应工作流，因此演示使用的是另外取得的工作流。复现可从文末下载作者分享的版本。

2. 更换主模型。H3-Image 主模型需要另行准备。作者提到了不同精度版本，但本视频简介明确说明：分享网盘只放置 BF16 模型，不能把该网盘理解为包含全部版本。

3. 区分文本编码器与提示词强化模型。作者说明，文本编码器可沿用此前 MiniMax 视频模型使用的那套；演示工作流还使用了单独的提示词强化模型，对输入描述进行强化。具体文件应按所下载工作流的模型选择项核对。

4. 更换图像 VAE。这次使用的是独立的图片 VAE，不能只换主模型而忽略这一项。工作流中需要对应加载主模型、文本编码器及 VAE。

二、同一套流程怎样切换文生图与编辑

导入工作流后，先输入提示词，并按工作流连接提示词强化部分。

• 文生图：使用分辨率选择器设置输出尺寸。
• 图片编辑：可先缩放原图，再把图像尺寸接入，作为编辑输出的尺寸参考。
• conditioning 节点：既参与文生图，也可承担参考图和编辑条件；接入对应图片后即可走编辑流程。

作者介绍了约1600万像素的出图能力，但分辨率提高不等于所有细节都会更自然。视频后面的放大检查，正是用来观察人物、小字、边缘和材质是否经得起细看。

三、文生图对比：画面风格与肢体表现各有取舍

本片文生图以 MOSS 为对照。作者明确说明，两边尽量保持相同画面比例，但 H3-Image 使用了更高分辨率。因此下面属于这些样例的观察，不能当作统一分辨率下的严格性能排名。

• 风光与写实摄影：作者觉得 H3-Image 的边缘和整体观感更锐利，但部分区域放大后有涂抹感；MOSS 的摄影质感较柔和。复古照片中，锐利边缘与胶片氛围是否协调，也会影响观感。
• 中文与远景人物：部分文字样例两边都较好，但 H3-Image 在一张人文画面中的中文小字出现问题。车站远景里，两边的小脸都出现了不同程度的变形，不能仅凭整体画面判断细节可靠性。
• 动态姿态：踢腿和一组时尚人物样例中，H3-Image 的肢体更完整，MOSS 出现了腿部或身体结构问题。
• 游戏与二次元：作者认为 H3-Image 较锐利的风格适合该组 RPG 游戏画面；二次元样例则更偏好 MOSS 的构图。这部分包含个人审美判断。

四、图片编辑对比：多图遵从与人物保持要分别看

编辑部分以 Qwen Image 2.1 为对照，测试了姿势迁移、多图组合、文字修改、发色服饰调整和指定换装。

1. 姿势迁移：H3-Image 较好地还原了参考动作，但脸部清晰度和人物相似度受影响；Qwen 的人物保持较好，却混入了动作参考图的服装等元素。

2. 八张参考图组合：任务同时指定人物、各自手持的道具及场景。H3-Image 较完整地执行了这些组合要求，但部分人物的五官相似度下降；Qwen 的结果漏掉了两个人物。这组测试说明，元素是否齐全与人物是否像原图，是两个需要分别验收的问题。

3. 单角色换场景：H3-Image 的人物保持比多角色样例更好。Qwen 更贴近原参考图的角度与光影，面部相似度较高，但作者仍觉得人物与场景间存在一定拼贴感。

4. 改文字、发色与服饰：在这些样例里，H3-Image 的整体色调和未要求修改的区域也发生变化；Qwen 对原图色彩、非改动区域的保持较好，像素偏移较小。

5. 指定盔甲换装：H3-Image 较好保留了盔甲特征，但人物相似度下降；Qwen 的结果则出现身体比例不协调。两边都需要检查局部细节。

五、如何理解这次实测

作者更看好 H3-Image 在游戏场景、角色卡、多人物和多参考元素融合中的用途。若任务要求严格保持真人五官、原图颜色或非编辑区域，则应重点检查一致性和整体偏移。

这些结论来自本片的具体提示词、参考图和工作流设置，其中部分对比采用不同分辨率。选择模型时，可下载原始对比素材，结合自己的任务检查大图，而不是把单组胜负推广为所有场景的结论。

模型、工作流与对比素材

【模型、工作流与对比素材：https://pan.quark.cn/s/626d2c17e173】

注意：作者说明，网盘中仅放置 BF16 模型。

MiniMax H3-Image 模型页面

本文根据作者视频的官方可见字幕及演示画面整理；完整节点连接、放大对比和编辑前后变化，请结合原视频查看。