Pika H3 Flex는 2026년 10월 29일 공개된 MiniMax H3 후학습 모델입니다. 6스텝으로 영상과 소리를 함께 생성하며, 입력 방식에 따라 FL2VA와 Ref2VA 어댑터를 사용합니다. 다만 한국에서 도입하려면 설치보다 라이선스 조건을 먼저 확인해야 합니다.
이 글은 11월 3일 확인한 ComfyUI 공식 문서를 바탕으로 작성했습니다. AniKuku에서 직접 렌더링하거나 소비자용 GPU 성능을 측정한 결과는 아닙니다.
한국은 가중치 라이선스의 제외 지역
가중치에 적용되는 MiniMax H3 Community License는 대한민국, 미국, EU, 영국을 적용 지역에서 제외합니다. 해당 지역에서 모델을 배포하려는 경우 MiniMax에 라이선스를 문의하도록 안내합니다. 다운로드가 가능하다고 사용·배포 권한까지 확보한 것은 아닙니다. 코드의 Apache-2.0 라이선스도 가중치에는 그대로 적용되지 않습니다. 아래 설정 설명은 필요한 권한을 확보한 환경을 전제로 읽어 주세요.
입력에 맞춰 템플릿과 어댑터 선택하기
| 입력 방식 | 공식 템플릿 | 짝을 맞출 H3 베이스 모델·LoRA |
|---|---|---|
| 텍스트만 입력 | Text to Video | FL2VA |
| 첫 프레임, 마지막 프레임 또는 둘 다 | First and Last Frame | FL2VA |
| 캐릭터 이미지, 동작 영상, 소리 참조 | Reference to Video | Ref2VA |
Template Library → Video에서 템플릿을 엽니다. 공식 문서의 최소 버전은 텍스트 투 비디오가 ComfyUI 0.43.2, 참조 영상과 첫·마지막 프레임 방식이 0.30.0입니다. 호환되는 최신 환경에서 템플릿의 모델 링크를 이용하세요. Ref2VA는 시각 자료가 필요하므로 오디오만 연결해서는 사용할 수 없습니다.
파일을 어디에 넣어야 하나요?
아래는 ComfyUI 공식 문서가 사용하는 파일명입니다. 베이스 모델, 텍스트 인코더, 영상·오디오 VAE는 기존 H3와 공유하며, Flex 어댑터 두 개를 추가합니다. 작은 LoRA만 받았다고 전체 모델 설치가 끝나는 것은 아닙니다.
models/diffusion_models/ minimax_h3_fl2va_pruned_int8_convrot.safetensors minimax_h3_ref2va_pruned_int8_convrot.safetensors models/loras/ pika_h3_flex_fl2va_v1_bf16.safetensors pika_h3_flex_ref2va_v1_bf16.safetensors models/text_encoders/ qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors models/vae/ minimax_h3_video_vae_int8_convrot.safetensors minimax_h3_audio_vae_fp32.safetensors
Pika의 별도 Comfy 내보내기 파일은 이름이 _comfy_bf16.safetensors로 끝납니다. 이 BF16 파일은 원래 Pika 추론 패키지의 FP32 어댑터와 구분해야 합니다. 로더에서 실제 받은 파일을 선택하고 작업 유형을 맞추세요. Comfy 파일로 원래 추론 패키지의 어댑터를 덮어쓰면 안 됩니다. 해당 내보내기 문서의 검증 범위는 텐서 변환이며, Comfy에서 완성 영상을 생성하는 전 과정의 검증은 아닙니다.
steps만 6으로 바꾸면 안 되는 이유
| 항목 | 공식 템플릿 설정 |
|---|---|
| LoRA 로더 | LoraLoaderModelOnly, 모델 강도 1.0 |
| 샘플러 | lcm |
| 스케줄 | ManualSigmas의 전체 목록 유지 |
| 가이던스 | BasicGuider, CFG 1.0 |
| 추가 가속 LoRA | Turbo·Lightning 어댑터를 겹쳐 쓰지 않음 |
Flex의 6스텝은 학습된 스케줄에 맞춰 동작합니다. Pika도 일반적인 6스텝 Euler 샘플링과 같지 않다고 명시합니다. 기존 H3 그래프의 steps만 줄이지 말고, 먼저 공식 템플릿을 기준으로 삼은 뒤 노드와 입력을 하나씩 바꾸는 편이 문제를 찾기 쉽습니다.
로컬에서 되는 것과 API가 필요한 것
공식 모델 카드의 로컬 사양은 네이티브 480p·768p, 24 fps, 믹스된 스테레오 오디오입니다. 요청 길이는 5~15초이며 실제 길이는 모델의 프레임 단위를 따릅니다. 1080p·2K·4K 후처리, 개별 오디오 스템, 프롬프트 확장은 Pika 호스팅 API의 확장 기능입니다. LoRA를 내려받는다고 이 기능까지 로컬에 포함되지는 않습니다.
Ref2VA는 이미지 9개, 영상 3개, 별도 오디오 3개가 각 유형의 상한이지만, 전체 합계는 12개 파일까지입니다. 영상과 오디오는 각각 2~15초여야 하며, 유형별 총길이도 15초 이내입니다. 입력 상한을 모두 채운 작업이 GPU 메모리에 들어간다는 뜻은 아닙니다. 실행 경로에 맞는 하드웨어 문서를 확인하세요. 어댑터 용량만으로 VRAM 요구량을 판단하거나, 모델 연산 시간을 전체 대기 시간으로 계산하면 안 됩니다.
웹툰 애니메이션용 짧은 점검 예시
검증하지 않은 교육용 상황을 가정해 보겠습니다. 확정된 캐릭터 이미지로 ‘등불을 들어 올리고, 승강장을 바라본 뒤 멈추는’ 5초 컷을 준비합니다. 첫 화면을 그대로 이어야 한다면 FL2VA, 캐릭터를 새 구도에 배치하려면 Ref2VA를 선택합니다. 얼굴·의상·손과 소품의 접촉·카메라가 멈추는 지점·소리를 함께 확인하며 한 번에 하나만 수정하세요. 한 컷이 잘 나왔다고 전체 에피소드의 일관성까지 입증되는 것은 아닙니다.
Pika 프롬프트 가이드는 장면 설명을 영어로 작성하되 대사와 화면 속 문구는 원래 언어로 유지하도록 안내합니다. 한국어 대사를 영어로 바꾸라는 뜻은 아닙니다. 참조 라벨도 실제 입력 순서와 맞춰야 합니다.
| 증상 | 먼저 확인할 항목 |
|---|---|
| 로더에 모델이 안 보임 | 폴더, 실제 파일명, 템플릿 선택 및 목록 새로고침 |
| 기존 H3 그래프 수정 후 결과가 이상함 | FL2VA·Ref2VA 짝, CFG와 전체 sigma 목록 |
| 작은 LoRA인데 메모리가 부족함 | 베이스 모델, 인코더, VAE, 참조 크기와 오프로딩 |
| 대사·음악 트랙을 따로 받을 수 없음 | 로컬은 믹스 출력이므로 별도 호스팅 스템 서비스 확인 |
배경은 MiniMax H3 가이드에서 확인할 수 있습니다. RTX 5090 스트리밍 실험은 다른 최적화 구성이므로 Flex의 성능 근거로 옮겨 쓸 수 없습니다. fal의 호스팅 요금은 H3 Max Turbo 가격 가이드에서 다룹니다.
표지는 직접 제작한 콘셉트 일러스트이며 Pika H3 Flex의 생성 결과가 아닙니다. 이 글은 AniKuku의 해당 모델 연동을 발표하는 글이 아닙니다.