这是 Wuli-art 用 Gemma4-12B-IT 微调的提示词增强模型,专为 MiniMax-H3 音视频生成训练:FL2VA 格式覆盖纯文字、首帧、尾帧和首尾帧生成,Ref2VA 覆盖参考图生成,两者共用一套权重。仓库提供 BF16 标准版和 FP8 / Int8 量化版,以及两套独立的 ComfyUI 工作流;作者另做了一个对比页,把不扩写、Gemma4 原版、H3 官方扩写、lightx2v 改写和本模型放在 9 个案例、45 段视频里并排播放。
为什么重要 把一句需求整理成场景、动作、运镜和声音描述,首尾帧和参考图两类任务共用一套权重,在 ComfyUI 里可直接串到 H3 前面。
抱脸点赞 5 · 抱脸上升分 5 · 抱脸下载 0
许可证:可商用 · ComfyUI:模型卡提到 · 显存:≈29 GB 估算
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
- Apache-2.0 许可,魔搭同步提供下载
- 对比页可以同步播放并展开原始和扩写后的提示词
用法
- 下载模型文件放进 ComfyUI,把 minimax_h3_gemma4_pe_fl2va.json 或 minimax_h3_gemma4_pe_ref2va.json 拖到画布,在 PE 加载节点选标准版或量化版,运行后把扩写结果接到 H3 生成流程
风险
- 12B 模型的 BF16 版按参数量估算约需 29 GB 显存,显存小选 FP8 / Int8 版;工作流还要装模型卡提到的自定义节点
- 扩写结果要配合 MiniMax-H3 使用,H3 许可不适用于欧盟、英国、韩国和美国