NineCrowns 发布的这套 LoRA 用于 MiniMax-H3 音视频联合生成模型的 3–4 步采样,分首尾帧 / 图生 / 文生视频通用版和多参考图口型同步版,各有约 340 MiB 的压缩版和 rank 64 完整版。作者称蒸馏时混入了 GGUF Q4_K_M、INT8 和 BF16 三种底模精度,所以一个 LoRA 通用,配 Q4_K_M 底模可在 9 GiB 以下显存运行,最长生成 15 秒带立体声音频的视频。仓库附 480P 和 768P 的 ComfyUI 工作流,推荐 CFG 1、euler 采样 3–4 步、LoRA 强度 1.0。
为什么重要 少步数能明显缩短本地出片时间,仓库附 6 个 ComfyUI 工作流;效果和显存数字都是作者自述。
抱脸点赞 3 · 抱脸上升分 3 · 抱脸下载 393
许可证:有条件商用(底模限制) · ComfyUI:推测可用 · 显存:显存未标
地区许可:MiniMax H3 开放权重许可不含欧盟、英国、韩国、美国(LICENSE 的 Excluded Territories),这四地要另找 MiniMax 授权。
理由
- 给出了完整的 ComfyUI 推荐设置和可直接运行的工作流,附多种精度的对比视频
用法
- ComfyUI 中加载对应分支的 MiniMax-H3 底模(显存不足 9 GB 时用 Q4_K_M GGUF),叠加 FL2VA 或 Ref2VA 版 LoRA,强度 1.0,按模型卡设置 BetaSamplingScheduler 和 MiniMaxH3SigmaShift
风险
- 锐度提升、显存占用、训练规模等说法都来自作者,没有独立验证
- 仓库标 Apache-2.0,但底模 MiniMax-H3 是有条件商用许可,且不含欧盟、英国、韩国、美国,这四地使用要另找 MiniMax 授权