MiniMax H3 RefMods: Derselbe Star in jeder Einstellung, ganz ohne Training

Ein ganzer Charakter in einer winzigen Datei

MiniMax H3 RefMods, kurz für Reference Latent Adapters, sind ein Community-Format für das Open-Weight-Audio-Video-Modell H3. Stell dir eine solche Datei wie ein gespeichertes Casting vor: Statt jedes Mal dieselben Referenzbilder hochzuladen und mit <Picture 1>-Positions-Tags zu jonglieren, kodierst du sie einmal durch den VAE und speicherst das Ergebnis als .safetensors-Datei. Später lädst du sie genau wie eine LoRA, und sie wird während der Videogenerierung in den Referenz-Conditioning-Stream von H3 eingespeist. An den Gewichten von H3 selbst wird nichts neu trainiert, daher dauert die Erstellung Minuten statt Stunden.

Das Format und seine Nodes stammen aus dem Paket ComfyUI-MiniMaxH3Mod des Entwicklers @Luisacaotica, veröffentlicht unter der MIT-Lizenz. Es handelt sich um ein Community-Projekt, nicht um ein Produkt von MiniMax, und die README weist noch darauf hin, dass es sich im Aufbau befindet – Node-Namen und Eingänge können sich also zwischen Releases ändern. Gebremst hat das niemanden: Das Repository knackte wenige Wochen nach dem Start die Marke von 500 GitHub-Sternen.

Wo Creator Referenz-Adapter einsetzen

Der Reiz von MiniMax H3 RefMods ist einfach: eine Datei, endlos viele Episoden. Creator, die früher für jedes wiederkehrende Gesicht eine LoRA trainiert haben, bauen sich jetzt eine kleine Bibliothek aus Charakteren, Stilen und Bewegungen auf und kombinieren sie pro Einstellung. Diese Einsatzzwecke tauchen in Community-Threads und geteilten Workflows am häufigsten auf.

Von acht Fotos zum wiederverwendbaren Charakter in ComfyUI

Die Erstellung von MiniMax H3 RefMods in ComfyUI folgt der README des Node-Pakets. Beginne mit gutem Material: 5 bis 10 scharfe Bilder mit jeweils einer Person aus verschiedenen Winkeln oder ein kurzer Clip. Für Audio sind 5 bis 15 Sekunden sauberer Ton der übliche Bereich. Vermeide unruhige Hintergründe, denn alles im Bild kann zusammen mit dem Gesicht in die Datei wandern.

1. 1Installiere ComfyUI-MiniMaxH3Mod über den ComfyUI Manager oder klone das GitHub-Repository in custom_nodes und starte ComfyUI anschließend neu.
2. 2Lade deine Referenzbilder in den Node Extract H3 RefMod und wähle das Preset identity_encode mit Full Reference für maximale Details.
3. 3Speichere die Ausgabe in ComfyUI/models/refmods/, damit die Loader-Nodes sie finden.
4. 4Füge Load H3 RefMods hinzu (bis zu acht Slots, jeder mit eigener Stärke und Kopienanzahl) und lege eine Anfangsstärke fest.
5. 5Verbinde Apply H3 RefMod mit dem Conditioning deines MiniMax H3 ImageToVideo- oder ReferenceToVideo-Nodes und sample wie gewohnt.
6. 6Rendere denselben Seed einmal ohne die Datei als Vergleichsbasis, damit du genau siehst, was die Referenz beiträgt.

• Step-Curve-Node: Wähle concept_at_start, concept_at_middle oder concept_at_ends, um festzulegen, wann die Referenz beim Denoising wirkt – zum Beispiel erst Ähnlichkeit, später freie Bewegung.
• Load H3 RefMod Folder: Verweise auf ein Verzeichnis, um ganze Charaktersets auf einmal auszutauschen.

Lieber Buttons als Nodes? Erstelle sie in Fizgig v6

Fizgig, das Creator-Tool von shootthesound, hat Mitte September 2026 mit Version 6 die Erstellung von MiniMax H3 RefMods eingeführt. Es verpackt die Extraktion in eine freundlichere Oberfläche mit fertigen Rezepten: Das Community-Rezept nutzt 8 Bilder mit 1 Megapixel, Fizgig lite 16 Bilder mit 0,5 Megapixel, und eine Fizgig-1MP-Option liegt dazwischen. Außerdem gibt es Stil-Presets, Bewegungs- und Audioreferenzen sowie ein RefMod Studio, das A/B-Vergleiche nebeneinander rendert, sodass du Stärkeeinstellungen ohne Raten beurteilen kannst. Fizgigs eigene Dokumentation enthält eine How-do-I-Anleitung, die jedes Rezept durchgeht.

Zwei Charaktere, eine Szene: Dateien stapeln

Bei Gruppenszenen schlagen MiniMax H3 RefMods das Referenzieren mit Einzelbildern ganz unauffällig. Gib jedem Charakter eine eigene Datei, lade sie in separate Slots und sprich sie im Prompt als <Subject 1>, <Subject 2> und so weiter an. Beschränke jede Datei auf eine Person: Eine Datei, die zwei Gesichter mischt, verschmilzt sie tendenziell. Senke zuerst die Stärke der Nebenfigur, wenn die Hauptfigur an Details verliert, und behalte Beschreibungen von Haaren, Kleidung und Statur im Prompt, damit das Modell weiß, wer wer ist.

Mehr als Gesichter: Stil-, Bewegungs- und Stimmreferenzen

Charaktere sind bei MiniMax H3 RefMods nur die halbe Geschichte. Eine mit style_experimental erstellte Stildatei komprimiert eine Reihe von Frames zu einem Look, den du auf eine ganze Serie anwenden kannst – praktisch, um ein einheitliches Color Grading über einen Kanal hinweg zu halten. Eine mit motion_sequence erstellte Bewegungsdatei macht aus einem kurzen Clip eine Bewegungsvorlage, sodass sich ein charakteristischer Gang oder Tanz mit einem anderen Charakter wiederverwenden lässt.

Auch Audiodateien gibt es, mit etwa 80 Tokens pro Sekunde Ton. Betrachte sie als experimentell: In aktuellen Tests wird die Sprecheridentität nicht zuverlässig übertragen, das Audio wird standardmäßig ab dem Anfang des Clips kodiert, und es gibt keine Lippensynchronisation. Verwende sie niemals, um ohne Erlaubnis die Stimme einer realen Person nachzuahmen.

Prompt-Vorlagen, die das Gesicht stabil halten

Beim Prompten mit MiniMax H3 RefMods gilt: Eine Referenzdatei ist kein Trigger-Wort, und ihr Dateiname bewirkt im Prompt nichts. Was funktioniert, ist den Charakter so zu beschreiben, als gäbe es die Datei nicht, und die Referenz dann die Details angleichen zu lassen. Diese Vorlagen sind für originale erwachsene Charaktere geschrieben; setze deine eigenen Details ein.

• Verankere Aussehen und Handlung immer in Worten: Alter, Haare, Augen, Kleidung, dann Bewegung und Kamera.
• Ein Charakter pro Datei, ein <Subject N>-Tag pro Charakter.
• Beginne bei mittlerer Stärke, erhöhe sie nur, wenn das Gesicht abdriftet, und senke sie, wenn der Hintergrund die Referenzfotos zu kopieren beginnt.
• Benenne bei Outfitwechseln das neue Kleidungsstück ausdrücklich und füge same face hinzu, damit sich die Kleidung aus der Referenz nicht durchsetzt.

RefMod vs. LoRA vs. direktes Referenzbild

Jede Methode hat ihren Platz. Der Autor von Fizgig merkt an, dass eine trainierte LoRA immer noch besser generalisiert und eine höhere Ähnlichkeit erreicht, während der Unterschied bei Einstellungen nahe am Referenzmaterial gering ist. Einfache Referenzbilder brauchen keine Vorbereitung, werden aber bei jedem Durchlauf neu kodiert, und Positions-Tags werden bei mehreren Bildern schnell umständlich.

Was noch nicht klappt: ehrliche Grenzen

MiniMax H3 RefMods sind noch jung, und die README des Node-Pakets spricht die Schwachstellen offen an. Wer sie vorab kennt, spart sich stundenlanges Neugenerieren, und für die meisten gibt es einfache Lösungen wie sauberere Referenzen oder eine geringere Stärke.

• Schnelle Bewegungen können das Gesicht verschmieren; langsamere Kamerafahrten halten die Identität besser.
• Compressed Reference verliert Gesichtsdetails, verwende für Nahaufnahmen daher Full Reference.
• Identität, Kleidung, Hintergrund und Bildaufbau können gemeinsam übertragen werden; eine selektive Übertragung ist nicht garantiert.
• Stimmklonen aus Audiodateien ist derzeit unzuverlässig, und Audio liefert keine Lippensynchronisation.
• Einige Workflows wurden noch nicht auf jeder GPU vollständig validiert, und es gibt keine offiziellen Benchmarks.

Fertige Dateien: Wo die Community sie teilt

Du musst nicht alle deine MiniMax H3 RefMods von Grund auf selbst bauen. Der Creator malcolmrey veröffentlicht auf Hugging Face unter Apache-2.0 eine große Bibliothek mit Hunderten fertiger Dateien, dazu Datensätze mit Anleitungen, Beispielen und Beispiel-Workflows. Lade eine Datei herunter, lege sie in ComfyUI/models/refmods/ ab, und sie erscheint im Loader. Es gibt auch kleinere private Uploads, doch viele davon sind wenig aktiv und manche enthalten Abbilder realer oder urheberrechtlich geschützter Figuren – prüfe also vor der Nutzung, was darin steckt, und bleib bei originalen oder ordnungsgemäß lizenzierten Charakteren.

Unzensierte Nutzung: Was Referenzdateien ändern können und was nicht

Wer nach unzensierten MiniMax H3 RefMods sucht, hofft meist auf eine ungefilterte Version. Die gibt es nicht: Eine Referenzdatei sagt dem Modell nur, wen oder was es zeigen soll, sie ändert nicht, was das Modell zu erzeugen bereit ist. Da H3 ein Open-Weight-Modell ist, bestimmen lokale Nutzer ihr Setup ohnehin selbst, und Creator von Inhalten für Erwachsene kombinieren typischerweise eine Datei eines originalen Charakters ab 18 mit H3-LoRAs aus der Community für Bademode-, Dessous- oder Boudoir-Serien. Wenn du dir die lokale Installation lieber sparst, bietet Spicy AI online H3-Bild-zu-Video mit gelockerten Filtern für erwachsene, fiktive oder einwilligende Charaktere.