MiniMax H3 · adaptadores de referencia de la comunidad
MiniMax H3 RefMods: la misma estrella en cada plano, sin entrenamiento
Preguntar a la IA ▾
Todo creador de vídeo con IA conoce el problema: la protagonista luce perfecta en el primer plano y, para el tercero, su cara ya ha cambiado. MiniMax H3 RefMods lo solucionan con un truco heredado de la cultura LoRA. Introduces una vez en ComfyUI un puñado de fotos, un clip corto o una muestra de audio, y obtienes un archivo diminuto de entre 1 y 1,6 MB aproximadamente que recuerda quién es tu personaje. Conéctalo a cualquier flujo de vídeo de MiniMax H3 y la misma cara, el mismo vestuario o el mismo estilo artístico vuelven cuando quieras, sin entrenar ningún modelo. A continuación verás qué hacen, dónde los usan los creadores, una configuración paso a paso, plantillas de prompts y una lista honesta de lo que todavía falla.
- Sin entrenamiento
- Archivos de ~1–1,6 MB
- Hasta 8 ranuras
- ComfyUI + Fizgig
Un personaje entero en un archivo diminuto
MiniMax H3 RefMods, abreviatura de Reference Latent Adapters (adaptadores latentes de referencia), son un formato de la comunidad creado para el modelo de audio y vídeo de pesos abiertos H3. Piensa en cada uno como un casting guardado: en lugar de subir las mismas imágenes de referencia y lidiar con las etiquetas de posición <Picture 1> cada vez, las codificas una sola vez con el VAE y guardas el resultado como un archivo .safetensors. Después lo cargas igual que una LoRA, y se inyecta en el flujo de condicionamiento de referencia de H3 mientras se genera el vídeo. No se reentrena nada de los pesos de H3, así que crear uno lleva minutos en lugar de horas.
El formato y sus nodos proceden del paquete ComfyUI-MiniMaxH3Mod del desarrollador @Luisacaotica, publicado bajo licencia MIT. Es un proyecto de la comunidad, no un producto de MiniMax, y su README todavía lo marca como en construcción, por lo que los nombres y las entradas de los nodos pueden cambiar entre versiones. Eso no ha frenado a nadie: el repositorio superó las 500 estrellas en GitHub a las pocas semanas de su lanzamiento.
| Ajuste | Qué hace | Ideal para |
|---|---|---|
| Full Reference (codificar) | Conserva todos los detalles codificados, usa más tokens | Caras y atuendos que quieres totalmente nítidos |
| Compressed Reference | Agrupa la referencia para ahorrar tokens, pierde algo de detalle y movimiento | Clips largos o muchos archivos apilados |
| Preset identity_encode | Captura quién es una persona o personaje | Protagonistas, presentadores y mascotas recurrentes |
| Preset style_experimental | Empaqueta un look en una cuadrícula de 8×8 | Series con un mismo etalonaje o estilo artístico |
| Preset motion_sequence | Guarda el movimiento de un clip corto | Reutilizar un baile, un paso o un gesto |
Dónde ponen a trabajar los creadores los adaptadores de referencia
El atractivo de MiniMax H3 RefMods es sencillo: un archivo, episodios infinitos. Los creadores que antes entrenaban una LoRA para cada cara recurrente ahora montan una pequeña biblioteca de personajes, estilos y movimientos, y los combinan en cada plano. Estos son los usos que más aparecen en los hilos de la comunidad y en los flujos compartidos.
Microdramas y cómics con IA
Reutiliza un mismo protagonista original en decenas de planos. Cambia el lugar, el movimiento de cámara y la acción mientras la cara se mantiene igual de un episodio a otro.
Presentadores virtuales y IP original
Fija una mascota o un presentador virtual en un único archivo y publica clips semanales sin que su aspecto se aleje poco a poco de la marca.
Moda y escaparates de producto
Mantén estable a un mismo modelo adulto mientras el prompt cambia de atuendo. La ropa de la referencia puede colarse, así que describe con claridad el nuevo look.
Planos de transformación
El cargador Axis se desliza entre dos personajes de A a B, ideal para transformaciones, revelaciones de antes y después y secuencias oníricas.
De ocho fotos a un personaje reutilizable en ComfyUI
Crear MiniMax H3 RefMods en ComfyUI sigue el README del paquete de nodos. Empieza con un buen material: de 5 a 10 imágenes nítidas de una sola persona desde distintos ángulos, o un clip corto. Para audio, lo habitual son de 5 a 15 segundos de sonido limpio. Evita los fondos recargados, porque todo lo que aparece en el encuadre puede acabar en el archivo junto con la cara.
- 1Instala ComfyUI-MiniMaxH3Mod desde ComfyUI Manager o clonando el repositorio de GitHub en custom_nodes, y reinicia ComfyUI.
- 2Carga tus imágenes de referencia en el nodo Extract H3 RefMod y elige el preset identity_encode con Full Reference para obtener el máximo detalle.
- 3Guarda el resultado en ComfyUI/models/refmods/ para que los nodos cargadores puedan encontrarlo.
- 4Añade Load H3 RefMods (hasta ocho ranuras, cada una con su propia intensidad y copias) y define una intensidad inicial.
- 5Conecta Apply H3 RefMod al condicionamiento de tu nodo MiniMax H3 ImageToVideo o ReferenceToVideo y muestrea como siempre.
- 6Renderiza la misma semilla una vez sin el archivo como referencia base, para ver exactamente qué aporta la referencia.
- Nodo Step Curve: elige concept_at_start, concept_at_middle o concept_at_ends para decidir cuándo actúa la referencia durante el denoising, por ejemplo, primero el parecido y después movimiento libre.
- Load H3 RefMod Folder: apunta a un directorio para cambiar conjuntos completos de personajes de una sola vez.
¿Prefieres botones a nodos? Créalos en Fizgig v6
Fizgig, la herramienta para creadores de shootthesound, añadió la creación de MiniMax H3 RefMods en su versión 6 a mediados de septiembre de 2026. Envuelve la extracción en una interfaz más amigable con recetas listas para usar: la receta de la comunidad usa 8 imágenes a 1 megapíxel, Fizgig lite usa 16 imágenes a 0,5 megapíxeles y la opción Fizgig 1MP queda en un punto intermedio. También incluye presets de estilo, referencias de movimiento y audio, y un RefMod Studio que renderiza comparaciones A/B lado a lado para que ajustes la intensidad sin adivinar. La documentación de Fizgig incluye una guía práctica que recorre cada receta.
Dos personajes, una escena: apilar archivos
En los planos de grupo es donde MiniMax H3 RefMods superan discretamente a la referencia con una sola imagen. Da a cada personaje su propio archivo, cárgalos en ranuras separadas y nómbralos en el prompt como <Subject 1>, <Subject 2>, etc. Limita cada archivo a una persona: un archivo que mezcla dos caras tiende a fundirlas. Si el protagonista empieza a perder detalle, baja primero la intensidad del personaje secundario, y mantén en el prompt la descripción del pelo, la ropa y la complexión para que el modelo sepa quién es quién.
Más allá de las caras: referencias de estilo, movimiento y voz
Los personajes son solo la mitad de la historia de MiniMax H3 RefMods. Un archivo de estilo creado con style_experimental comprime un conjunto de fotogramas en un look que puedes aplicar a toda una serie, muy útil para mantener un mismo etalonaje en un canal. Un archivo de movimiento creado con motion_sequence convierte un clip corto en una plantilla de movimiento, de modo que un paso o un baile característico puede reutilizarse con otro personaje.
También existen archivos de audio, a unos 80 tokens por segundo de sonido. Trátalos como experimentales: en las pruebas actuales la identidad del hablante no se transfiere de forma fiable, el audio se codifica por defecto desde el inicio del clip y no hay sincronización labial. Nunca los uses para imitar la voz de una persona real sin su permiso.
Plantillas de prompts que mantienen la cara estable
Al escribir prompts con MiniMax H3 RefMods, recuerda que un archivo de referencia no es una palabra clave de activación, y su nombre no hace nada en el prompt. Lo que funciona es describir al personaje como si el archivo no existiera y dejar que la referencia ajuste los detalles. Estas plantillas están pensadas para personajes adultos originales; cambia los detalles por los tuyos.
- Fija siempre el aspecto y la acción con palabras: edad, pelo, ojos, ropa y, después, movimiento y cámara.
- Un personaje por archivo y una etiqueta <Subject N> por personaje.
- Empieza con una intensidad media, súbela solo si la cara se desvía y bájala si el fondo empieza a copiar las fotos de referencia.
- Para cambiar de atuendo, nombra la prenda nueva de forma explícita y añade same face para que la ropa de la referencia no se imponga.
Un personaje
<Subject 1>, a woman in her late 20s with shoulder-length auburn hair and green eyes, wearing a white linen shirt, walks along a rainy neon street at night, handheld tracking shot, cinematic lighting.
Dos personajes
<Subject 1> (tall man, short black hair, grey suit) hands a letter to <Subject 2> (young woman, red coat, braided hair) in a train station, medium shot, soft morning light.
Cambio de atuendo (personaje original +18)
<Subject 1>, adult woman, same face, now wearing a navy one-piece swimsuit, standing by a sunlit pool, slow dolly-in.
RefMod vs LoRA vs usar directamente una imagen de referencia
Cada método tiene su lugar. El autor de Fizgig señala que una LoRA entrenada sigue generalizando mejor y logra más parecido, aunque la diferencia es pequeña en planos cercanos al material de referencia. Las imágenes de referencia sin más no requieren preparación, pero se vuelven a codificar en cada ejecución y las etiquetas de posición se complican cuando hay varias imágenes.
| RefMod | LoRA | Imagen de referencia directa | |
|---|---|---|---|
| Entrenamiento | Ninguno, una sola extracción | Sí, dataset y entrenamiento | Ninguno |
| Tiempo hasta el primer uso | Minutos | Horas | Instantáneo |
| Tamaño del archivo | Alrededor de 1–1,6 MB | Normalmente mucho mayor | Sin archivo |
| Parecido en ángulos nuevos | Bueno cerca de la referencia | El más fuerte | Varía en cada ejecución |
| Apilar personajes | Hasta 8 ranuras | Posible, pueden chocar | Etiquetas de posición por imagen |
Lo que aún falla: limitaciones sin rodeos
MiniMax H3 RefMods son jóvenes y el README del paquete de nodos es sincero sobre sus asperezas. Conocerlas de antemano ahorra horas de repeticiones, y la mayoría tiene soluciones sencillas, como referencias más limpias o una intensidad menor.
- El movimiento rápido puede emborronar la cara; los movimientos de cámara lentos conservan mejor la identidad.
- Compressed Reference pierde detalle facial, así que usa Full Reference para los primeros planos.
- La identidad, la ropa, el fondo y la composición pueden transferirse juntos; la transferencia selectiva no está garantizada.
- La clonación de voz a partir de archivos de audio no es fiable hoy en día, y el audio no incluye sincronización labial.
- Algunos flujos no se han validado por completo en todas las GPU y no existen benchmarks oficiales.
Archivos listos para usar: dónde los comparte la comunidad
No tienes que crear todos tus MiniMax H3 RefMods desde cero. El creador malcolmrey publica en Hugging Face, bajo Apache-2.0, una gran biblioteca con cientos de archivos listos para usar, junto con datasets de guías, muestras y flujos de ejemplo. Descarga un archivo, colócalo en ComfyUI/models/refmods/ y aparecerá en el cargador. También hay subidas personales más pequeñas, pero muchas tienen poca actividad y algunas contienen el parecido de personas reales o personajes con copyright, así que revisa su contenido antes de usarlas y limítate a personajes originales o con la licencia adecuada.
Uso sin censura: qué pueden y qué no pueden cambiar los archivos de referencia
Quienes buscan MiniMax H3 RefMods sin censura suelen esperar una edición sin filtros. No existe: un archivo de referencia solo le dice al modelo a quién o qué mostrar, no cambia lo que el modelo está dispuesto a generar. Como H3 es un modelo de pesos abiertos, los usuarios locales ya deciden su propia configuración, y los creadores de contenido adulto suelen combinar un archivo de un personaje original +18 con LoRAs de H3 de la comunidad para series de ropa de playa, lencería o boudoir. Si prefieres evitar la instalación local, Spicy AI ofrece imagen a vídeo con H3 online y filtros flexibles para personajes adultos, ficticios o que han dado su consentimiento.
Sube una imagen fija de tu personaje adulto original y anímala sin GPU.
Abrir imagen a vídeoPrueba online un prompt de personaje coherente
Parte de una imagen fija de tu personaje, pega un prompt y deja que el modelo de vídeo haga el resto. Estos prompts de inicio se escribieron para personajes adultos originales y funcionan tal cual.
- <Subject 1>, a woman in her late 20s with shoulder-length auburn hair and green eyes, white linen shirt, walks along a rainy neon street at night, handheld tracking shot, cinematic lighting
- <Subject 1> (tall man, short black hair, grey suit) hands a letter to <Subject 2> (young woman, red coat, braided hair) in a train station, medium shot, soft morning light
- <Subject 1>, adult woman, same face, now wearing a navy one-piece swimsuit, stands by a sunlit pool and turns toward the camera, slow dolly-in
- <Subject 1>, adult man with a trimmed beard, open white shirt, laughs on a yacht deck at golden hour, wind in his hair, camera orbits slowly
H3 autoalojado con archivos de referencia vs generar online en Spicy AI
ComfyUI en local te da todo el kit de nodos; la vía online cambia ese control por cero configuración.
| Despliegue local (pesos oficiales) | Spicy AI online | |
|---|---|---|
| Filtros de contenido | Tú configuras tu propio entorno | Filtros flexibles para contenido adulto (+18) |
| Pesos abiertos | Sí | No hacen falta: funciona en el navegador |
| Coherencia del personaje | Archivos RefMod, LoRAs y controles de nodos | Parte de una imagen fija de tu personaje |
| Coste para empezar | Tu propia GPU | Plan gratuito disponible |
Preguntas frecuentes
¿MiniMax H3 RefMods están hechos por MiniMax?
No. Son un formato de la comunidad creado con el paquete de nodos ComfyUI-MiniMaxH3Mod de @Luisacaotica bajo licencia MIT. MiniMax no ha publicado ninguna postura al respecto.
¿Tengo que entrenar algo?
No. Tus referencias pasan una vez por el VAE y se guardan como un archivo de entre 1 y 1,6 MB aproximadamente. Los pesos de H3 nunca se reentrenan.
¿Cuántas imágenes debo usar?
El README recomienda de 5 a 10 imágenes nítidas de una sola persona o un clip corto. Las recetas de Fizgig usan 8 imágenes a 1 megapíxel o 16 a 0,5 megapíxeles.
¿Es un RefMod mejor que una LoRA?
Es más rápido y más ligero. Una LoRA entrenada sigue ganando en parecido y en ángulos poco habituales, pero en planos cercanos a tus referencias la diferencia es pequeña.
¿Cuántos puedo cargar a la vez?
El nodo Load H3 RefMods tiene hasta ocho ranuras, cada una con su propia intensidad. Para escenas de grupo, usa un archivo por personaje.
¿Dónde van los archivos?
Colócalos en ComfyUI/models/refmods/ y selecciónalos en el nodo cargador, o apunta el cargador de carpetas a un subdirectorio.
¿Pueden clonar una voz?
Todavía no de forma fiable. La transferencia de la identidad del hablante es irregular en las pruebas actuales, y nunca debes usar la voz de alguien sin su consentimiento.