共计 3824 个字符，预计需要花费 10 分钟才能阅读完成。
MiniMax 近期有两件紧密相关的事：一是开源了通用全模态生成系统 H3——用文本、图像、视频、音频做输入，能生成带原生立体声音轨的 2K 视频；二是推出了桌面创作应用 MiniMax Design（官方品牌名「导演椅 DIRECTOR'S CHAIR」），用多 Agent 编排整条创作流水线。本文把两者整理在一起：导演工作台到底是什么、H3 的架构与能力，以及低显存硬件上怎么跑起来。
一、「导演工作台」是什么
所谓「导演工作台」指的就是 MiniMax Design——MiniMax（上海稀宇科技）官方推出的桌面端 AI 创作工作室。它的口号是：" 执起你的导演椅。一个桌面指挥中心。一支随叫随到的 AI 剧组。"
官方定位：新一代 AI 原生创作平台、本地化多模态 AI 创作工作室——以 Agent 全流程协助创作，串联文本、图像与音视频模型，让每个创作者随时拥有一支全能团队。核心理念是 从操作像素到操作语义和表达意图：你不再逐个操作工具，而是像导演一样指挥一支 AI 剧组。
官网：hub.minimaxi.com（国内版）/ hub.minimax.io（国际版）；在线体验版为海螺 AI（hailuoai.video）。免费开始创作，模型调用走云端 API 计费。
二、五步创作链路
从灵感梳理、Agent 执行到审核交付，五个关键步骤在同一条连续创作链路中协同推进：
三、多智能体并行与 Skill 生态
内部工作流分四步：理解创意目标 → 智能任务拆解 → 多智能体并行处理 → 合并、编辑与导出。四个专属智能体同时启动：文案智能体撰写文本，图像智能体生成视觉素材，视频智能体组装时间线，音频智能体制作配音——全部并行运行。
Skill 生态覆盖创作全链路（短剧漫剧、动画分镜、商业广告、电商内容、音频音乐、平台工具）。官方页面列出的 Skill 包括：
四、MiniMax H3：全模态生成系统
H3 是一个通用全模态（omni-modal）生成系统，支持对文本、图像、视频、音频组成的多模态上下文做统一理解，并能生成 带原生立体声音轨 的视频，分辨率最高 2K、时长最长 15 秒。
三模块架构
架构要点（与显存直接相关）
- H3-Omni-Transformer 是 33B 参数的稠密单流 Transformer，其中约 13B 参数位于 AdaLN 调制分支——这些输出可以 预计算并缓存，纯推理部署时不需要加载。也就是说实际推理显存占用明显低于 "33B" 字面给人的感觉，这是官方架构层面的省显存设计
- 文本编码器 H3-Encoder 复用 Qwen3-VL-32B 的完整预训练权重（取第 50 层隐状态）
- 视觉 VAE：空间压缩 16×、时间压缩 4×、24 个 latent 通道；再经 1×2×2 patchify 后，进入 Transformer 的视觉 token 有效空间下采样达 32×
- 音频 VAE：把 32 kHz 立体声压缩为 40 Hz 的 latent token 序列，左右声道独立处理
- 使用三维 MM-RoPE 表示 (t, h, w) 时空位置关系；原生稀疏注意力（sparse attention）将在后续版本发布，可进一步降低长多模态序列的计算开销
五、低显存部署工作流
官方 README 没有明确标注最低显存要求，但架构本身带有省显存设计（AdaLN 预计算缓存 + CFG-distilled 权重）。以下是官方推荐的四种部署方式与两条验证工作流。
部署方式对比
模型下载与启动（SGLang 示例）
# 原始 checkpoint，两个任务族（SGLang / vLLM 用）hf download MiniMaxAI/MiniMax-H3 --include "model_index.json" "FL2VA/*" "Ref2VA/*" --local-dir MiniMax-H3
# FL2VA 服务启动示例（官方为 4 卡配置，单卡可参考 cookbook 调整）sglang serve \
--model-path MiniMaxAI/MiniMax-H3 \
--num-gpus 4 \
--ulysses-degree 4 \
--performance-mode speed \
--host 0.0.0.0 \
--port 30010 \
--model-variant fl2va两条官方验证工作流
- 纯本地（Local Deployment of H3-Base）：只部署开源的 H3-Base checkpoint，验证 768p 输出。适合离线场景和低显存显卡——这是低显存路线的核心
- Full 2K Workflow（本地 + 云端混合）：本地 SGLang 跑 H3-Base 生成 768p，再依次调用官方 API /video-generation-v2-h3-context-ir（上下文理解）与 /video-generation-v2-regeneration（2K 再生成），复现纯 API 的 2K 质量。重活可以拆给云端
低显存实操建议
- 优先只跑 H3-Base + 768p，不追本地 2K——2K 交给云端 API，本地卡只做基础生成
- 官方示例是 4 卡配置；社区有 RTX 4090 / 5090 单卡或双卡 offload 跑通的反馈（第三方来源，未经官方确认，仅供参考）
- ComfyUI 路线：独立版 ≥0.30.0 + 官方 R2V/T2V 模板，适合已有 ComfyUI 工作流的用户
- 完全不想占本地显存：直接用 MiniMax Design（导演工作台），模型全部跑在云端，本机只需 CPU 和存储
六、参考链接
- H3 官方仓库（GitHub）
- SGLang cookbook：MiniMax-H3 部署指南
- vLLM recipes
- diffusers 文档（minimax_h3 pipeline）
- ComfyUI 官方教程 + R2V / T2V 工作流模板
- MiniMax Design 官网（国内版）/ hub.minimax.io（国际版）
- 海螺 AI 在线体验 H3
说明：本文基于 MiniMax H3 官方 GitHub README 与 MiniMax Design 官网整理，检索时间 2026-09-14。最低显存数字官方未公布，文中社区经验值仅供参考；H3-Context-IR 与 H3-Regenerate-2K 两个模块暂未开源，需通过官方 API 使用。
