MiniMax H3 FL2VA Ref2VA Híbrido sem censura: vídeo nítido que lembra dos seus personagens

FL2VA vs Ref2VA: um modelo de vídeo, duas personalidades

O H3 é o modelo de áudio e vídeo da MiniMax com 33 bilhões de parâmetros: uma única rede cria a imagem e a trilha sonora juntas, então passos, ondas e diálogos já chegam sincronizados. Em vez de um arquivo que faz tudo, a MiniMax publicou dois checkpoints. O FL2VA recebe um prompt de texto mais zero, uma ou duas imagens, o que cobre texto para vídeo puro, animação a partir do primeiro quadro, finais definidos pelo último quadro e transições entre primeiro e último quadro. O Ref2VA recebe um prompt mais um pacote de referências com até nove imagens, três clipes de vídeo e três clipes de áudio, doze arquivos no máximo.

Os dois geram clipes de 4 a 15 segundos a 24 quadros por segundo, com som estéreo de 32 kHz e lado menor de 768 pixels por padrão. O detalhe, segundo os autores da comunidade que testaram os dois lado a lado, é que o FL2VA tem imagem e áudio visivelmente melhores, enquanto o Ref2VA é o que realmente lembra quem é o seu personagem. É exatamente essa troca que o híbrido tenta eliminar.

Por que a comunidade fundiu os dois em um modelo híbrido

A ideia surgiu ao comparar os dois arquivos peso a peso. O autor smhfacct descobriu que eles são quase idênticos, com similaridade de cosseno de pelo menos 0.9997, e que as diferenças reais ficam em uma pequena camada dentro de cada bloco transformer: os pesos de modulação adaln_proj. Ao trocar essas camadas do Ref2VA para o FL2VA, o modelo ganha a habilidade com referências e mantém quase todo o visual e o som do FL2VA.

O híbrido MiniMax H3 FL2VA Ref2VA é só isso: o FL2VA como base, com as camadas de modulação do Ref2VA copiadas para uma faixa escolhida de blocos. Sem retreinamento, sem média de pesos, apenas um transplante cirúrgico. É um experimento da comunidade, não um lançamento da MiniMax, e os dois autores descrevem suas avaliações como subjetivas. Mesmo assim, para quem queria a memória do Ref2VA sem o borrado, é a solução mais direta disponível hoje.

Cenas em que ele brilha: séries, reels de moda e cenários recorrentes

Consistência de personagem é o motivo pelo qual as pessoas procuram a mesclagem MiniMax H3 FL2VA Ref2VA. Criadores de minidramas usam um retrato e uma foto do figurino e depois gravam um confronto num café, uma caminhada na rua com chuva e uma despedida no terraço, todos com o mesmo rosto. Como a base é o FL2VA, esses episódios mantêm a imagem mais nítida e o som nativo que deixam os dramas verticais com cara de produto final.

• Histórias em episódios e dramas com IA: um único retrato de referência leva o protagonista por todas as cenas, ângulos e mudanças de luz.
• Vitrines de looks e styling: passe a roupa como uma referência e a modelo como outra, depois descreva uma virada na passarela ou um giro lento. Um arquivo de referência leve deixa a roupa guiar o resultado sem travar a câmera.
• Locações recorrentes: reaproveite uma foto de um apartamento, bar ou praia e gere novas tomadas de 4 a 15 segundos de posições diferentes.
• Continuidade de voz e música: o Ref2VA aceita clipes de áudio de 2 a 15 segundos, então a voz de um personagem ou o clima de um tema pode se repetir entre clipes. O híbrido mantém essa entrada, embora ninguém tenha medido o quão bem.
• Estilo adulto (18+): personagens adultos fictícios de maiô, lingerie ou biquíni para reels de praia, piscina e boudoir, tudo rodando na sua própria máquina.

De b15 a b49: escolhendo o arquivo híbrido certo

O nome de cada arquivo indica quais blocos receberam as camadas do Ref2VA. Uma faixa mais ampla significa seguir melhor as referências e uma imagem que se aproxima do visual mais suave do Ref2VA; uma faixa mais estreita preserva mais do acabamento do FL2VA. O smhfacct publica quatro arquivos int8 feitos sobre uma base int8 podada, enquanto o diobrando0 publica dois arquivos bf16 sem poda, de cerca de 66.28 GB cada, que alteram só os últimos blocos.

b25-49 vs b30-49 é o debate mais comum. Comece com b25-49; se rostos e figurinos já batem e você quer quadros mais nítidos, desça para b30-49. A regra vale nos dois sentidos: se as referências forem ignoradas, vá para uma faixa mais ampla; se a imagem ficar pastosa ou o áudio perder corpo, vá para uma mais estreita.

Quanto ao hardware, nenhum dos autores dá um número. Eles dizem que a memória necessária é a mesma do arquivo FL2VA correspondente, então os arquivos int8 MiniMax H3 FL2VA Ref2VA ficam na mesma categoria do FL2VA int8, e os arquivos bf16 de 66 GB são, na prática, coisa de workstation, não de uma única placa de vídeo doméstica.

Faça sua própria mistura com o script de mesclagem AdaLN

O diobrando0 disponibiliza o h3_adaln_merge.py junto com os arquivos bf16. Ele copia os pesos adaln_proj do Ref2VA para um arquivo FL2VA byte a byte, na faixa de blocos definida com --lo e --hi, sem interpolação. O script altera o arquivo no próprio lugar, na CPU, em poucos minutos, pode guardar um --backup, desfazer com --restore e confere o resultado com hashes BLAKE2b.

Isso é útil se o b40-49 parecer leve demais e o b25-49 pesado demais: teste um b35-49, avalie alguns clipes e restaure se não gostar. Mantenha os arquivos bf16 originais do FL2VA e do Ref2VA da Comfy-Org por perto, já que o script precisa dos dois como fonte.

Modelos de prompt que fazem as referências pegarem

Prompts com referências funcionam melhor numa ordem fixa: diga qual referência é qual, depois a ação, depois a câmera, depois o som. Quanto mais referências você empilha, mais vale a pena um arquivo de faixa ampla como b20-49 ou b25-49. Estes modelos foram escritos para o híbrido MiniMax H3 FL2VA Ref2VA e mantêm todos os personagens adultos.

• Chame as referências pelo número, na ordem em que você as anexou.
• Descreva uma ação principal por clipe; 4 a 15 segundos passam rápido.
• Escreva o som que você quer, incluindo falas entre aspas.
• Se uma referência continuar sendo ignorada, troque o arquivo antes de reescrever o prompt.

O veredito da comunidade e os limites reais

Entre os uploads MiniMax H3 FL2VA Ref2VA, o conjunto int8 do smhfacct é o mais comentado: cerca de 384 curtidas, 14 tópicos de discussão e quatro Spaces do Hugging Face construídos sobre ele na época da pesquisa. O par bf16 do diobrando0 é mais novo e discreto, com 7 curtidas, datado de 1º de setembro de 2026. Os dois autores ressaltam que suas comparações são a olho, sem benchmarks formais, então use a tabela de versões como um mapa inicial, não como lei.

Os limites são claros. O híbrido não supera o FL2VA em prompts sem referências, os limites entre blocos foram escolhidos por experimentação, a memória necessária não diminui, e a etapa de refinamento 2K da MiniMax não é open source, então a saída local fica na resolução base.

Híbrido H3 sem censura: o que muda e o que não muda

Nada na mesclagem remove ou adiciona treinamento de segurança; só camadas de modulação passam de um checkpoint oficial para outro. O que muda a experiência é onde ele roda. A API hospedada da MiniMax filtra conteúdo sexual, ilegal e que infrinja direitos, enquanto pesos abertos na sua própria máquina não adicionam essa camada de filtro, e é por isso que criadores adultos preferem o H3 local. Sem uma GPU potente, a ferramenta de imagem para vídeo daqui oferece um movimento sem filtros parecido a partir de uma única foto, para cenas adultas (18+).

Gere online: a alternativa sem instalação na Spicy AI

Nem todo mundo tem uma estação de trabalho de 66 GB ou paciência para alternar checkpoints. A Spicy AI oferece um gerador alternativo online para o mesmo tipo de clipe: envie uma foto do personagem, descreva o movimento, a câmera e o som, e receba um vídeo curto no navegador, sem downloads, sem drivers e sem filtros de conteúdo para cenas adultas (18+).

Serve para testes rápidos antes de um render local longo, para criadores que usam só o celular e para quem simplesmente quer o resultado. Comece com uma foto nítida do seu personagem adulto, mantenha uma ação principal por clipe e reutilize a mesma foto em cada episódio para que o rosto e o figurino continuem reconhecíveis.

Fontes

• Ficha do modelo MiniMax H3 (Hugging Face)
• Modelos híbridos int8 FL2VA × Ref2VA do smhfacct
• Híbridos bf16 e script de mesclagem do diobrando0
• Arquivos ComfyUI do MiniMax H3 da Comfy-Org

Mais modelos de vídeo com IA sem censura

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

MiniMax e H3 são marcas registradas de seus respectivos proprietários. Os arquivos híbridos são trabalho da comunidade. Todo o conteúdo deve retratar adultos (18+).