FastH3-Omni-Comfy: 이미지·영상·오디오 참조로 영상과 동시 오디오 생성

MiniMax H3 기반의 ComfyUI 전용 확산 모델이다. 텍스트 프롬프트와 정렬된 이미지, 영상, 오디오 참조 자료를 입력하면 영상과 이에 동기화된 오디오를 함께 생성한다. BF16과 INT8 ConvRot 두 가지 포맷의 확산 모델 파일이 제공되어 하드웨어 사양에 따라 선택할 수 있다.

Qwen3VL 32B 텍스트 인코더와 전용 비디오·오디오 VAE를 함께 사용해야 한다. 프롬프트 내 <Picture 1>, <Video 1>, <Audio 1> 태그를 통해 참조 자료를 지정하며, 8단계 샘플링과 guidance 1.0 설정으로 동작한다. NVFP4 가속은 Blackwell 하드웨어에서만 지원되며, 기타 기기는 BF16 또는 INT8을 사용해야 한다.

Nuva Lab과 공동 개발된 이 모델은 ComfyUI의 네이티브 MiniMax-H3 지원 환경을 전제로 한다. ComfyUI의 고유 런타임 커널을 사용하므로 FastVideo나 UniServe와 출력 결과가 다를 수 있다. DGX Spark나 RTX 5090 등 로컬 환경에서는 FastVideo 포맷의 NVFP4 QAD 모델을 별도로 활용하는 것이 권장된다.

MiniMax-H3 커뮤니티 라이선스 약관에 따라 사용이 규정된다. ComfyUI 워크플로우에서 참조 기반 영상 생성을 수행하려는 개발자에게 적합하다. 월간 다운로드 수 26만 건 이상을 기록하며, 관련 Spaces와 파생 모델들이 활발히 공유되고 있다.