【免费下载链接】MiniMax-H3-GGUF项目地址https://ai.gitcode.com/hf_mirrors/molbal/MiniMax-H3-GGUF点击查看免费下载MiniMax-H3-GGUF仓库提供 MiniMax H3 模型的 GGUF 量化版本与 ComfyUI 工作流其中Ref2VA 全量参考模式Omni-reference是本仓库最进阶的玩法你可以同时喂入参考图片、参考视频、参考音频让模型精确锁定角色身份、画面风格、镜头运动乃至角色的声音最终生成最长 15 秒、24 FPS、带 32kHz 立体声的原生音视频成片。本文带你从零跑通 Ref2VA 参考生视频并掌握ref_image_size、参考标签提示词等关键参数。先搞清楚Ref2VA 和 FL2VA 有什么区别MiniMax H3 有两套基础模型仓库里都提供了 GGUF 量化版模型模式适用场景FL2VA首尾帧0 / 1 / 2 张图输入文生视频、首帧生视频、首尾帧过渡Ref2VA全量参考图 视频 音频混合输入锁定角色、风格、运动、声音参考生视频 本文的全量参考模式指的就是Ref2VA它把所有参考素材与提示词一起编码单次前向生成中联合建模画面与声音对白、音效、音乐不是后期叠加的。两者的输入上限差异很大Ref2VA 的官方规格见 README.md图片≤ 9 张视频≤ 3 段每段 2–15 秒总时长 ≤ 15 秒音频≤ 3 段每段 2–15 秒总时长 ≤ 15 秒必须搭配图片或视频输入不能单独使用混合输入所有类型文件总数 ≤ 12 个准备模型文件Q4_0 / Q8_CR / U16G 怎么选Ref2VA 的四个量化版本都在仓库根目录按显存对号入座文件大小建议显存特点minimax-h3-ref2va-Q4_0.gguf11.4 GB12 GB标准 4-bit入门首选minimax-h3-ref2va-Q5_0.gguf约 12–13 GB14–16 GB5-bit质量与体积折中minimax-h3-ref2va-U16G.gguf15.0 GB16 GBINT8Q4_0 混合量化16GB 卡上更快minimax-h3-ref2va-Q8_0.gguf21.4 GB24 GB标准 8-bit高质量minimax-h3-ref2va-Q8_CR.gguf20.2 GB24 GBINT8 ConvRot 权重质量≈Q8_0⚠️Q8_CR 与 U16G 专为 molbal/ComfyUI-GGUF 自定义节点定制在别处可能无法加载追求通用性选 Q4_0 / Q8_0。除了 GGUFRef2VA 工作流还需要 4 个配套模型放入 ComfyUI 对应目录详见工作流内注释 ComfyUI/models/ ├── vae/ │ ├── minimax_h3_video_vae_fp16.safetensors │ └── minimax_h3_audio_vae_fp32.safetensors ├── diffusion_models/ │ └── 本仓库的任意一个 ref2va GGUF └── text_encoders/ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors一键加载 ComfyUI 参考生视频工作流仓库自带三套 ComfyUI 工作流Ref2VA 对应的是workflows/minimax_h3_ref2v-gguf.json ——参考生视频本文主角workflows/minimax_h3_t2v-gguf.json —— 文生视频workflows/minimax_h3_i2v-gguf.json —— 图生视频把 JSON 拖进 ComfyUI 即可加载。工作流由 5 个分区组成Models模型加载→References参考素材→Conditioning条件编码→Sampling采样→Decoding and create video解码合成。️避坑提示模板默认在UnetLoaderGGUFDynamicVRAM节点里选中的是minimax_h3_fl2va_pruned_fp8_Q8_CR.gguf见 minimax_h3_ref2v-gguf.json。跑 Ref2VA 前务必把该节点切换为仓库中对应的ref2vaGGUF 文件否则参考输入不会生效。配置参考输入图片、视频与音频怎么接核心节点是MiniMaxH3ReferenceToVideo见 minimax_h3_ref2v-gguf.json它提供三组可扩输入输入组节点来源数量上限ref_image_0~ref_image_8LoadImage加载图片≤ 9ref_video_0~ref_video_2LoadVideo→GetVideoComponents拆出画面与声音≤ 3ref_audio_0~ref_audio_2LoadAudio加载独立音频片段≤ 3几个实用细节参考视频自带声音GetVideoComponents会把视频拆成画面接ref_video_x和原声接ref_video_audio_x一次接线同时锁定动作与音色想加更多参考复制对应的 Load 节点接到下一个空闲的ref_x端口即可分辨率由ResolutionSelector节点设置width/height模板默认 9:16 竖屏 1344×768时长Float (duration)输入秒数4–15ComfyMathExpression节点自动换算为 24 FPS 下合法的帧数17 帧/块对齐。提示词写法用 Picture 1 标签精准驱动每个参考这是 Ref2VA 最进阶也最关键的一步。官方注释明确提醒Ref2VA 输出对提示词措辞非常敏感最佳实践是标签精确对应 明确说明每个参考负责画面的哪一部分。标签按接口连接顺序编号Picture 1、Video 1、Audio 1……在描述中点名每个参考的驱动目标身份 / 风格 / 动作 / 声音。模板中的示例提示词minimax_h3_ref2v-gguf.jsonA baby in a shopping cart eating an apple with exaggerated nom nom sounds while the title MiniMax H3 Ref2VA and GGUF Q8_CR are displayed.对应接了一张婴儿参考图Picture 1 一段参考视频 一个nom nom音效音频。你可以照此套路写成锁角色Picture 1中的女孩站在赛博朋克街头保持她的面部特征与服装不变……锁风格画面风格与Video 1保持一致的水墨动画质感……锁声音对白音色参考Audio 1背景加入雨声音效……对白稳定支持 11 种语言中、英、日、韩、法、德、意、西、葡、俄、阿拉伯语其他语言也有不同程度支持。ref_image_size 参数match 与 max 的选择建议ref_image_size控制参考图的缩放策略直接影响身份还原度 vs 生成速度取值行为适合场景match参考图缩小到与输出分辨率一致日常生成速度优先max保留最长 2048px 短边强身份锁定人脸、IP 角色速度换精度⏱️ 原理参考 token 会伴随每一个采样步参与计算max模式下 token 更多耗时明显增加。先match试构图定稿再切max锁细节。采样与输出规格速查表采样建议来自模板注释采样器用res_multistep调度器优先beta或normal——官方实测对参考类reference-heavy提示词比simple效果更好模板默认 20 步、CFG 1.0可保持不变先出图。输出规格见 README.md项目规格时长4–15 秒画幅21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 等分辨率短边默认 768px上限 768×13442K 需配合 H3-Regenerate-2K帧率24 FPS音频32kHz 立体声与画面同步解码环节无需手动连线SamplerCustomAdvanced输出的音视频联合 LATENT 会同时进入VAEDecode画面与VAEDecodeAudio声音最后由CreateVideo节点合成为一条带同步声音的 MP4。常见问题与避坑指南Q1生成的角色和参考图不太像优先检查两点ref_image_size是否切到max提示词中是否用Picture n标签明确指定了保持Picture 1角色的面部特征。Q2音频参考报错或没生效独立音频ref_audio_x不能单独作为输入必须同时提供图片或视频参考且每段音频须在 2–15 秒之间。Q3显存不够跑 Q8_016GB 显存选 minimax-h3-ref2va-U16G.gguf比 Q4_0 更大但生成更快12GB 显存选 minimax-h3-ref2va-Q4_0.gguf。Q4为什么换了 ref2va 模型画面还是忽略参考再核对UnetLoaderGGUFDynamicVRAM加载的文件名是否为ref2va系列——FL2VA 与 Ref2VA 是两套独立权重混用会导致参考输入被无视。一句话总结想锁定角色/风格/声音就用Ref2VA 全量参考模式——选对 GGUF 量化档、把参考接进对应ref_x端口、用Picture n / Video n / Audio n标签在提示词里逐个点名驱动再配合max参考缩放就能稳定产出同一个角色、同一种声音的 15 秒音视频大片。赞分享【免费下载链接】MiniMax-H3-GGUF项目地址https://ai.gitcode.com/hf_mirrors/molbal/MiniMax-H3-GGUF点击查看免费下载相关推荐MiniMax H3 全参考模式Ref2VA提示词改写格式指南参考标签、六段结构与保留分析实战MiniMax H3 全参考模式Ref2VA提示词改写格式指南参考标签、六段结构与保留分析实战 本篇指南围绕 MiniMax H3 开源仓库中的全参考模式大模型多模态媒体生成视频音频进阶定制指南如何用bake_pdd_trunk.py为MiniMax-H3-Acc-LoRAs-ComfyUI烘焙你自己的PDD主干进阶定制指南如何用bake_pdd_trunk.py为MiniMax H3 Acc LoRAs ComfyUI烘焙你自己的PDD主干 MiniMax H3 APowerInfer 模型量化指南quantize 工具、GGUF 格式与 BPW 参考表PowerInfer 模型量化指南quantize 工具、GGUF 格式与 BPW 参考表 本文以 examples/quantize/README.md h人工智能大模型推理引擎本地部署创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
【免费下载链接】MiniMax-H3-GGUF项目地址https://ai.gitcode.com/hf_mirrors/molbal/MiniMax-H3-GGUF点击查看免费下载MiniMax-H3-GGUF仓库提供 MiniMax H3 模型的 GGUF 量化版本与 ComfyUI 工作流其中Ref2VA 全量参考模式Omni-reference是本仓库最进阶的玩法你可以同时喂入参考图片、参考视频、参考音频让模型精确锁定角色身份、画面风格、镜头运动乃至角色的声音最终生成最长 15 秒、24 FPS、带 32kHz 立体声的原生音视频成片。本文带你从零跑通 Ref2VA 参考生视频并掌握ref_image_size、参考标签提示词等关键参数。先搞清楚Ref2VA 和 FL2VA 有什么区别MiniMax H3 有两套基础模型仓库里都提供了 GGUF 量化版模型模式适用场景FL2VA首尾帧0 / 1 / 2 张图输入文生视频、首帧生视频、首尾帧过渡Ref2VA全量参考图 视频 音频混合输入锁定角色、风格、运动、声音参考生视频 本文的全量参考模式指的就是Ref2VA它把所有参考素材与提示词一起编码单次前向生成中联合建模画面与声音对白、音效、音乐不是后期叠加的。两者的输入上限差异很大Ref2VA 的官方规格见 README.md图片≤ 9 张视频≤ 3 段每段 2–15 秒总时长 ≤ 15 秒音频≤ 3 段每段 2–15 秒总时长 ≤ 15 秒必须搭配图片或视频输入不能单独使用混合输入所有类型文件总数 ≤ 12 个准备模型文件Q4_0 / Q8_CR / U16G 怎么选Ref2VA 的四个量化版本都在仓库根目录按显存对号入座文件大小建议显存特点minimax-h3-ref2va-Q4_0.gguf11.4 GB12 GB标准 4-bit入门首选minimax-h3-ref2va-Q5_0.gguf约 12–13 GB14–16 GB5-bit质量与体积折中minimax-h3-ref2va-U16G.gguf15.0 GB16 GBINT8Q4_0 混合量化16GB 卡上更快minimax-h3-ref2va-Q8_0.gguf21.4 GB24 GB标准 8-bit高质量minimax-h3-ref2va-Q8_CR.gguf20.2 GB24 GBINT8 ConvRot 权重质量≈Q8_0⚠️Q8_CR 与 U16G 专为 molbal/ComfyUI-GGUF 自定义节点定制在别处可能无法加载追求通用性选 Q4_0 / Q8_0。除了 GGUFRef2VA 工作流还需要 4 个配套模型放入 ComfyUI 对应目录详见工作流内注释 ComfyUI/models/ ├── vae/ │ ├── minimax_h3_video_vae_fp16.safetensors │ └── minimax_h3_audio_vae_fp32.safetensors ├── diffusion_models/ │ └── 本仓库的任意一个 ref2va GGUF └── text_encoders/ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors一键加载 ComfyUI 参考生视频工作流仓库自带三套 ComfyUI 工作流Ref2VA 对应的是workflows/minimax_h3_ref2v-gguf.json ——参考生视频本文主角workflows/minimax_h3_t2v-gguf.json —— 文生视频workflows/minimax_h3_i2v-gguf.json —— 图生视频把 JSON 拖进 ComfyUI 即可加载。工作流由 5 个分区组成Models模型加载→References参考素材→Conditioning条件编码→Sampling采样→Decoding and create video解码合成。️避坑提示模板默认在UnetLoaderGGUFDynamicVRAM节点里选中的是minimax_h3_fl2va_pruned_fp8_Q8_CR.gguf见 minimax_h3_ref2v-gguf.json。跑 Ref2VA 前务必把该节点切换为仓库中对应的ref2vaGGUF 文件否则参考输入不会生效。配置参考输入图片、视频与音频怎么接核心节点是MiniMaxH3ReferenceToVideo见 minimax_h3_ref2v-gguf.json它提供三组可扩输入输入组节点来源数量上限ref_image_0~ref_image_8LoadImage加载图片≤ 9ref_video_0~ref_video_2LoadVideo→GetVideoComponents拆出画面与声音≤ 3ref_audio_0~ref_audio_2LoadAudio加载独立音频片段≤ 3几个实用细节参考视频自带声音GetVideoComponents会把视频拆成画面接ref_video_x和原声接ref_video_audio_x一次接线同时锁定动作与音色想加更多参考复制对应的 Load 节点接到下一个空闲的ref_x端口即可分辨率由ResolutionSelector节点设置width/height模板默认 9:16 竖屏 1344×768时长Float (duration)输入秒数4–15ComfyMathExpression节点自动换算为 24 FPS 下合法的帧数17 帧/块对齐。提示词写法用 Picture 1 标签精准驱动每个参考这是 Ref2VA 最进阶也最关键的一步。官方注释明确提醒Ref2VA 输出对提示词措辞非常敏感最佳实践是标签精确对应 明确说明每个参考负责画面的哪一部分。标签按接口连接顺序编号Picture 1、Video 1、Audio 1……在描述中点名每个参考的驱动目标身份 / 风格 / 动作 / 声音。模板中的示例提示词minimax_h3_ref2v-gguf.jsonA baby in a shopping cart eating an apple with exaggerated nom nom sounds while the title MiniMax H3 Ref2VA and GGUF Q8_CR are displayed.对应接了一张婴儿参考图Picture 1 一段参考视频 一个nom nom音效音频。你可以照此套路写成锁角色Picture 1中的女孩站在赛博朋克街头保持她的面部特征与服装不变……锁风格画面风格与Video 1保持一致的水墨动画质感……锁声音对白音色参考Audio 1背景加入雨声音效……对白稳定支持 11 种语言中、英、日、韩、法、德、意、西、葡、俄、阿拉伯语其他语言也有不同程度支持。ref_image_size 参数match 与 max 的选择建议ref_image_size控制参考图的缩放策略直接影响身份还原度 vs 生成速度取值行为适合场景match参考图缩小到与输出分辨率一致日常生成速度优先max保留最长 2048px 短边强身份锁定人脸、IP 角色速度换精度⏱️ 原理参考 token 会伴随每一个采样步参与计算max模式下 token 更多耗时明显增加。先match试构图定稿再切max锁细节。采样与输出规格速查表采样建议来自模板注释采样器用res_multistep调度器优先beta或normal——官方实测对参考类reference-heavy提示词比simple效果更好模板默认 20 步、CFG 1.0可保持不变先出图。输出规格见 README.md项目规格时长4–15 秒画幅21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 等分辨率短边默认 768px上限 768×13442K 需配合 H3-Regenerate-2K帧率24 FPS音频32kHz 立体声与画面同步解码环节无需手动连线SamplerCustomAdvanced输出的音视频联合 LATENT 会同时进入VAEDecode画面与VAEDecodeAudio声音最后由CreateVideo节点合成为一条带同步声音的 MP4。常见问题与避坑指南Q1生成的角色和参考图不太像优先检查两点ref_image_size是否切到max提示词中是否用Picture n标签明确指定了保持Picture 1角色的面部特征。Q2音频参考报错或没生效独立音频ref_audio_x不能单独作为输入必须同时提供图片或视频参考且每段音频须在 2–15 秒之间。Q3显存不够跑 Q8_016GB 显存选 minimax-h3-ref2va-U16G.gguf比 Q4_0 更大但生成更快12GB 显存选 minimax-h3-ref2va-Q4_0.gguf。Q4为什么换了 ref2va 模型画面还是忽略参考再核对UnetLoaderGGUFDynamicVRAM加载的文件名是否为ref2va系列——FL2VA 与 Ref2VA 是两套独立权重混用会导致参考输入被无视。一句话总结想锁定角色/风格/声音就用Ref2VA 全量参考模式——选对 GGUF 量化档、把参考接进对应ref_x端口、用Picture n / Video n / Audio n标签在提示词里逐个点名驱动再配合max参考缩放就能稳定产出同一个角色、同一种声音的 15 秒音视频大片。赞分享【免费下载链接】MiniMax-H3-GGUF项目地址https://ai.gitcode.com/hf_mirrors/molbal/MiniMax-H3-GGUF点击查看免费下载相关推荐MiniMax H3 全参考模式Ref2VA提示词改写格式指南参考标签、六段结构与保留分析实战MiniMax H3 全参考模式Ref2VA提示词改写格式指南参考标签、六段结构与保留分析实战 本篇指南围绕 MiniMax H3 开源仓库中的全参考模式大模型多模态媒体生成视频音频进阶定制指南如何用bake_pdd_trunk.py为MiniMax-H3-Acc-LoRAs-ComfyUI烘焙你自己的PDD主干进阶定制指南如何用bake_pdd_trunk.py为MiniMax H3 Acc LoRAs ComfyUI烘焙你自己的PDD主干 MiniMax H3 APowerInfer 模型量化指南quantize 工具、GGUF 格式与 BPW 参考表PowerInfer 模型量化指南quantize 工具、GGUF 格式与 BPW 参考表 本文以 examples/quantize/README.md h人工智能大模型推理引擎本地部署创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
