跳至正文
Wener Notes

MiniMax H3

约 1 分钟阅读
标签:AI模型Video Generation

基座与完整系统

  • H3-Base 生成 768p 音视频;完整系统还包含上下文处理 H3-Context-IR 与 H3-Regenerate-2K。
  • FL2VA 接受零、一或两张图,分别用于文本、首帧/尾帧、首尾帧条件生成。
  • Ref2VA 使用图像、视频和音频作为多模态参考,不等于精确锁定首尾帧。
  • 开放的 H3-Base 不等于完整托管流程;H3-Context-IR 未包含在开放发布中。
  • 部署时分别核对基座、编码器、VAE、量化包和运行框架的兼容性及许可;不能仅凭模型名称判断可商用范围。

360° Orbit LoRA

  • 针对 FL2VA:同一张图片同时作为首尾帧,生成围绕静止场景的环绕镜头。
  • 作者使用 FL2VA pruned,推荐 Comfy-Org 的 int8 ConvRot 重打包权重,不是 Ref2VA 适配器。
  • 作者推荐:768 × 768、73 帧、24 fps、28 steps、LoRA strength 1.0,关闭音频。
  • 基座经过 guidance distillation,无 CFG 或 negative prompt。
  • 权重以 ai-toolkit 的 minimax_h3 扩展训练和测试,键名采用 ComfyUI 的 diffusion_model.* 形式。
  • 训练用 adapter 不需要用于推理;作者的 A100 80 GB 训练配置不是最低推理显存要求。
  • 训练数据仅 28 段以人物为中心的方形片段;其他主体、宽高比、时长未经验证,仍可能出现眨眼或轻微运动。
  • 许可证为 MiniMax H3 Community License Agreement;使用前核对模型卡中的当前条款。

关联信息

反向链接、本文链接的其他页面和外部资料。

反向链接

  • Video Generation Awesome
    笔记 · MiniMax H3

    视频生成、视频编辑、图像到视频和视频修复资源索引。 · 查证截至 2026-10-06。重点补充 2026-02 以后的模型,同时保留 1 月关键版本。日期优先采用官方发布记录;上传时间与正式公告日分开记录,不把仓库创建日当成模型发布日。 · T2V:Text-to-Video,文本生成视频。

站内链接

  • Video Generation Awesome
    笔记 · 视频模型索引

    视频生成、视频编辑、图像到视频和视频修复资源索引。 · 查证截至 2026-10-06。重点补充 2026-02 以后的模型,同时保留 1 月关键版本。日期优先采用官方发布记录;上传时间与正式公告日分开记录,不把仓库创建日当成模型发布日。 · T2V:Text-to-Video,文本生成视频。

参考资料

GitHub1 条
HuggingFace2 条
最近更新commit 637021d编辑