MiniMax H3 FL2VA Ref2VA Hybride sans censure : une vidéo nette qui se souvient de vos personnages

FL2VA vs Ref2VA : un modèle vidéo, deux personnalités

H3 est le modèle audio-vidéo de MiniMax à 33 milliards de paramètres : un seul réseau génère l'image et la bande-son ensemble, si bien que pas, vagues et dialogues arrivent déjà synchronisés. Plutôt qu'un fichier à tout faire, MiniMax a publié deux checkpoints. FL2VA prend un prompt texte plus zéro, une ou deux images, ce qui couvre le texte vers vidéo pur, l'animation depuis la première image, les fins imposées par la dernière image et les transitions entre première et dernière image. Ref2VA prend un prompt plus un lot de références comptant jusqu'à neuf images, trois clips vidéo et trois clips audio, douze fichiers au maximum.

Les deux produisent des clips de 4 à 15 secondes à 24 images par seconde, avec un son stéréo 32 kHz et un petit côté de 768 pixels par défaut. Le hic, selon les auteurs de la communauté qui les ont testés côte à côte : FL2VA offre une image et un son nettement meilleurs, tandis que Ref2VA est celui qui se souvient vraiment de qui est votre personnage. C'est précisément ce compromis que l'hybride cherche à supprimer.

Pourquoi la communauté les a fusionnés en un modèle hybride

L'idée est venue en comparant les deux fichiers poids par poids. L'auteur smhfacct a constaté qu'ils sont presque identiques, avec une similarité cosinus d'au moins 0.9997, et que les vraies différences se trouvent dans une petite couche de chaque bloc transformer : les poids de modulation adaln_proj. En transférant ces couches de Ref2VA vers FL2VA, le modèle emprunte le savoir-faire avec les références tout en gardant l'essentiel du rendu et du son de FL2VA.

L'hybride MiniMax H3 FL2VA Ref2VA, ce n'est que cela : FL2VA comme base, avec les couches de modulation de Ref2VA copiées sur une plage de blocs choisie. Pas de réentraînement, pas de moyenne de poids, juste une greffe ciblée. C'est une expérience communautaire, pas une sortie officielle de MiniMax, et les deux auteurs qualifient leurs jugements de subjectifs. Malgré tout, pour qui voulait la mémoire de Ref2VA sans son flou, c'est la solution la plus directe disponible aujourd'hui.

Les scènes où il excelle : séries, reels mode et décors récurrents

La cohérence des personnages, voilà pourquoi on cherche la fusion MiniMax H3 FL2VA Ref2VA. Les créateurs de mini-dramas fournissent un portrait et une photo du costume, puis tournent une confrontation dans un café, une marche sous la pluie et des adieux sur un toit, toujours avec le même visage. Comme la base est FL2VA, ces épisodes conservent l'image plus nette et le son natif qui donnent aux dramas verticaux un rendu abouti.

• Histoires à épisodes et dramas IA : un seul portrait de référence accompagne le personnage principal à travers chaque scène, angle et changement de lumière.
• Présentations de tenues et stylisme : donnez la tenue comme une référence et le mannequin comme une autre, puis décrivez un demi-tour sur le podium ou une rotation lente. Un fichier à référence légère laisse les vêtements guider le résultat sans figer la caméra.
• Décors récurrents : réutilisez une photo d'un appartement, d'un bar ou d'une plage et générez de nouveaux plans de 4 à 15 secondes sous différents angles.
• Continuité de la voix et de la musique : Ref2VA accepte des clips audio de 2 à 15 secondes, donc la voix d'un personnage ou l'ambiance d'un thème peut revenir d'un clip à l'autre. L'hybride conserve cette entrée, même si personne n'a mesuré son efficacité.
• Style adulte (18+) : personnages adultes fictifs en maillot, lingerie ou bikini pour des reels plage, piscine et boudoir, le tout sur votre propre machine.

De b15 à b49 : choisir le bon fichier hybride

Le nom de chaque fichier indique quels blocs ont reçu les couches de Ref2VA. Une plage plus large signifie un meilleur suivi des références et une image qui se rapproche du rendu plus doux de Ref2VA ; une plage plus étroite garde davantage la finition de FL2VA. smhfacct publie quatre fichiers int8 construits sur une base int8 élaguée, tandis que diobrando0 publie deux fichiers bf16 non élagués d'environ 66.28 GB chacun, qui ne modifient que les derniers blocs.

b25-49 vs b30-49 est le débat le plus fréquent. Commencez par b25-49 ; si visages et costumes correspondent déjà et que vous voulez des images plus nettes, descendez à b30-49. La règle marche dans les deux sens : si les références sont ignorées, passez à une plage plus large, et si l'image devient pâteuse ou le son s'appauvrit, passez à une plage plus étroite.

Côté matériel, aucun des auteurs ne donne de chiffre. Ils indiquent que la mémoire requise est celle du fichier FL2VA équivalent : les fichiers int8 MiniMax H3 FL2VA Ref2VA sont donc dans la même catégorie que FL2VA int8, et les fichiers bf16 de 66 GB relèvent en pratique de la station de travail plutôt que d'une seule carte graphique grand public.

Composez votre propre mélange avec le script de fusion AdaLN

diobrando0 fournit h3_adaln_merge.py avec les fichiers bf16. Il copie les poids adaln_proj de Ref2VA dans un fichier FL2VA octet par octet, sur la plage de blocs définie avec --lo et --hi, sans interpolation. Il modifie le fichier sur place, sur le CPU, en quelques minutes, peut conserver un --backup, annuler avec --restore et vérifie le résultat avec des empreintes BLAKE2b.

C'est pratique si b40-49 vous semble trop léger et b25-49 trop lourd : essayez un b35-49, jugez quelques clips et restaurez si le résultat ne vous plaît pas. Gardez sous la main les fichiers bf16 FL2VA et Ref2VA d'origine de Comfy-Org, car le script a besoin des deux comme sources.

Modèles de prompts pour que les références tiennent

Les prompts avec références fonctionnent mieux dans un ordre fixe : indiquez quelle référence correspond à quoi, puis l'action, puis la caméra, puis le son. Plus vous empilez de références, plus un fichier à plage large comme b20-49 ou b25-49 devient rentable. Ces modèles sont écrits pour l'hybride MiniMax H3 FL2VA Ref2VA et tous les personnages y sont adultes.

• Désignez les références par leur numéro, dans l'ordre où vous les avez jointes.
• Décrivez une seule action principale par clip ; 4 à 15 secondes passent vite.
• Écrivez le son voulu, avec les répliques entre guillemets.
• Si une référence reste ignorée, changez de fichier avant de réécrire le prompt.

Le verdict de la communauté et les vraies limites

Parmi les mises en ligne MiniMax H3 FL2VA Ref2VA, le lot int8 de smhfacct est celui dont on parle : environ 384 likes, 14 fils de discussion et quatre Spaces Hugging Face construits dessus au moment de nos recherches. La paire bf16 de diobrando0 est plus récente et plus discrète, avec 7 likes, datée du 1er septembre 2026. Les deux auteurs soulignent que leurs comparaisons se font à l'œil, sans benchmark formel : prenez le tableau des versions comme une carte de départ, pas comme une règle absolue.

Les limites sont claires. L'hybride ne bat pas FL2VA sur des prompts sans références, les frontières entre blocs ont été choisies par expérimentation, les besoins en mémoire ne baissent pas, et l'étape d'affinage 2K de MiniMax n'est pas open source, si bien que la sortie locale reste à la résolution de base.

Hybride H3 sans censure : ce qui change et ce qui ne change pas

La fusion n'ajoute ni ne retire aucun entraînement de sécurité ; seules des couches de modulation passent d'un checkpoint officiel à l'autre. Ce qui change l'expérience, c'est l'endroit où il tourne. L'API hébergée de MiniMax filtre les contenus sexuels, illégaux ou contrefaisants, alors que des poids ouverts sur votre propre machine n'ajoutent pas cette couche de filtrage, d'où la préférence des créateurs adultes pour H3 en local. Sans gros GPU, l'outil image vers vidéo de ce site vous offre un mouvement sans filtre comparable à partir d'une seule photo, pour des scènes adultes (18+).

Générer en ligne : l'alternative sans installation sur Spicy AI

Tout le monde n'a pas une station de travail de 66 Go ni l'envie de jongler avec les checkpoints. Spicy AI propose un générateur alternatif en ligne pour le même genre de clip : importez une photo du personnage, décrivez le mouvement, la caméra et le son, et recevez une courte vidéo dans le navigateur, sans téléchargement, sans pilote et sans filtre de contenu pour les scènes adultes (18+).

C'est pratique pour des tests rapides avant un long rendu local, pour les créateurs qui travaillent sur mobile et pour ceux qui veulent simplement le résultat. Partez d'une photo nette de votre personnage adulte, gardez une action principale par clip et réutilisez la même photo à chaque épisode pour que le visage et la tenue restent reconnaissables.

Sources

• Fiche du modèle MiniMax H3 (Hugging Face)
• Modèles hybrides int8 FL2VA × Ref2VA de smhfacct
• Hybrides bf16 et script de fusion de diobrando0
• Fichiers ComfyUI MiniMax H3 de Comfy-Org

Plus de modèles vidéo IA sans censure

• MiniMax H3 sans censure
• MiniMax H3 Max sans censure
• Kling sans censure
• Kling 2.6 sans censure
• Kling O1 sans censure
• Sora sans censure
• Veo sans censure
• Hailuo AI sans censure
• Wan sans censure
• Wan 3.0 sans censure
• Seedance sans censure
• Seedance 2.5 sans censure
• Seedance 2.0 sans censure
• Seedance 2.0 Mini sans censure
• HunyuanVideo sans censure
• LTX Video sans censure
• Runway sans censure
• Pika sans censure
• Luma Dream Machine sans censure
• Vidu sans censure
• PixVerse sans censure
• EdenLive sans censure
• Grok Imagine sans censure
• AI Avatars sans censure
• HappyHorse 1.0 sans censure
• Kling 4.0 sans censure
• Kling 3.0 sans censure
• MiniMax H3 RefMods sans censure
• Kandinsky 6.0 sans censure

MiniMax et H3 sont des marques de leurs propriétaires respectifs. Les fichiers hybrides sont un travail communautaire. Tout contenu doit représenter des adultes (18+).