MiniMax H3 RefMods: один и тот же герой в каждом кадре без обучения

Целый персонаж в одном крошечном файле

MiniMax H3 RefMods (сокращение от Reference Latent Adapters) — формат от сообщества, созданный для открытой аудио-видеомодели H3. Представьте его как сохранённый кастинг: вместо того чтобы каждый раз загружать одни и те же референсы и жонглировать тегами позиций <Picture 1>, вы один раз кодируете их через VAE и сохраняете результат в файл .safetensors. Потом он загружается точно так же, как LoRA, и встраивается в поток референсного кондиционирования H3 во время генерации видео. Собственные веса H3 не переобучаются, поэтому создание файла занимает минуты, а не часы.

Формат и его ноды взяты из пакета ComfyUI-MiniMaxH3Mod разработчика @Luisacaotica, выпущенного под лицензией MIT. Это проект сообщества, а не продукт MiniMax, и в README он всё ещё помечен как находящийся в разработке, так что названия нод и входы могут меняться от релиза к релизу. Никого это не остановило: за несколько недель после запуска репозиторий набрал больше 500 звёзд на GitHub.

Где авторы применяют референсные адаптеры

Привлекательность MiniMax H3 RefMods проста: один файл — бесконечное число эпизодов. Авторы, которые раньше обучали LoRA под каждое повторяющееся лицо, теперь собирают небольшую библиотеку персонажей, стилей и движений и комбинируют их для каждого кадра. Вот сценарии, которые чаще всего встречаются в обсуждениях сообщества и общих workflow.

От восьми фото до многоразового персонажа в ComfyUI

Создание MiniMax H3 RefMods в ComfyUI идёт по README пакета нод. Начните с качественного исходника: 5–10 чётких изображений одного человека с разных ракурсов или один короткий клип. Для аудио обычно берут 5–15 секунд чистого звука. Избегайте пёстрого фона: всё, что есть в кадре, может попасть в файл вместе с лицом.

1. 1Установите ComfyUI-MiniMaxH3Mod через ComfyUI Manager или клонировав репозиторий GitHub в custom_nodes, затем перезапустите ComfyUI.
2. 2Загрузите референсные изображения в ноду Extract H3 RefMod и выберите пресет identity_encode с Full Reference для максимальной детализации.
3. 3Сохраните результат в ComfyUI/models/refmods/, чтобы ноды-загрузчики могли его найти.
4. 4Добавьте Load H3 RefMods (до восьми слотов, у каждого своя сила и число копий) и задайте начальную силу.
5. 5Подключите Apply H3 RefMod к кондиционированию вашей ноды MiniMax H3 ImageToVideo или ReferenceToVideo и запускайте сэмплинг как обычно.
6. 6Сначала отрендерите тот же seed без файла в качестве эталона, чтобы точно увидеть, что добавляет референс.

• Нода Step Curve: выберите concept_at_start, concept_at_middle или concept_at_ends, чтобы решить, когда референс действует при денойзинге, — например, сначала сходство, затем свободное движение.
• Load H3 RefMod Folder: укажите папку, чтобы менять целые наборы персонажей за один раз.

Кнопки удобнее нод? Создавайте их в Fizgig v6

Fizgig, инструмент для авторов от shootthesound, получил создание MiniMax H3 RefMods в версии 6 в середине сентября 2026 года. Он оборачивает извлечение в более дружелюбный интерфейс с готовыми рецептами: рецепт сообщества использует 8 изображений по 1 мегапикселю, Fizgig lite — 16 изображений по 0,5 мегапикселя, а вариант Fizgig 1MP находится посередине. Есть также пресеты стилей, референсы движения и аудио, а RefMod Studio рендерит A/B-сравнения бок о бок, чтобы подбирать силу без догадок. В документации Fizgig есть руководство how-do-I с разбором каждого рецепта.

Два персонажа, одна сцена: комбинирование файлов

Именно в групповых кадрах MiniMax H3 RefMods незаметно обходят референс по одному изображению. Дайте каждому персонажу свой файл, загрузите их в отдельные слоты и обращайтесь к ним в промпте как <Subject 1>, <Subject 2> и так далее. Один файл — один человек: файл, смешивающий два лица, обычно сливает их воедино. Если главный герой начинает терять детали, сначала снизьте силу второстепенного персонажа, и оставляйте в промпте описания причёски, одежды и телосложения, чтобы модель понимала, кто есть кто.

Не только лица: референсы стиля, движения и голоса

Персонажи — лишь половина возможностей MiniMax H3 RefMods. Файл стиля, созданный через style_experimental, сжимает набор кадров в визуальный образ, который можно применить ко всей серии, — удобно, чтобы держать единую цветокоррекцию на канале. Файл движения, созданный через motion_sequence, превращает короткий клип в шаблон движения, так что фирменную походку или танец можно повторить с другим персонажем.

Существуют и аудиофайлы — примерно 80 токенов на секунду звука. Считайте их экспериментальными: в текущих тестах голос диктора передаётся ненадёжно, по умолчанию аудио кодируется с начала клипа, а синхронизации губ нет. Никогда не используйте их для имитации голоса реального человека без разрешения.

Шаблоны промптов, которые удерживают лицо

При работе с MiniMax H3 RefMods помните: референсный файл — не триггер-слово, и его имя в промпте ничего не делает. Работает другое: описывайте персонажа так, будто файла нет, а референс подтянет детали. Эти шаблоны написаны для оригинальных взрослых персонажей — подставьте свои детали.

• Всегда закрепляйте внешность и действие словами: возраст, волосы, глаза, одежда, затем движение и камера.
• Один персонаж на файл, один тег <Subject N> на персонажа.
• Начинайте примерно со средней силы, повышайте её, только если лицо «плывёт», и понижайте, если фон начинает копировать референсные фото.
• При смене наряда прямо называйте новую одежду и добавляйте same face, чтобы одежда из референса не взяла верх.

RefMod, LoRA или просто референсное изображение

У каждого метода своё место. Автор Fizgig отмечает, что обученная LoRA по-прежнему лучше обобщает и даёт более высокое сходство, но для кадров, близких к референсам, разница невелика. Обычные референсные изображения не требуют подготовки, но кодируются заново при каждом запуске, а теги позиций становятся неудобными, когда картинок несколько.

Что пока не работает: честно об ограничениях

MiniMax H3 RefMods ещё молоды, и README пакета нод откровенно говорит о шероховатостях. Зная их заранее, вы сэкономите часы перегенераций, а у большинства есть простые обходные пути — более чистые референсы или меньшая сила.

• Быстрое движение может размазывать лицо; при медленных движениях камеры идентичность держится лучше.
• Compressed Reference теряет детали лица, поэтому для крупных планов используйте Full Reference.
• Идентичность, одежда, фон и композиция могут переноситься вместе; выборочный перенос не гарантирован.
• Клонирование голоса из аудиофайлов сейчас ненадёжно, а аудио не даёт синхронизации губ.
• Некоторые workflow проверены не на всех GPU, и официальных бенчмарков нет.

Готовые файлы: где ими делится сообщество

Не обязательно создавать все MiniMax H3 RefMods с нуля. Автор malcolmrey публикует на Hugging Face под лицензией Apache-2.0 большую библиотеку из сотен готовых файлов, а также датасеты с руководствами, примерами и демонстрационными workflow. Скачайте файл, положите его в ComfyUI/models/refmods/ — и он появится в загрузчике. Есть и небольшие личные загрузки, но у многих мало активности, а некоторые содержат образы реальных или защищённых авторским правом персонажей, поэтому проверяйте содержимое перед использованием и работайте только с оригинальными или правильно лицензированными персонажами.

Использование без цензуры: что референсные файлы могут и не могут изменить

Те, кто ищет MiniMax H3 RefMods без цензуры, обычно надеются найти версию без фильтров. Её нет: референсный файл лишь сообщает модели, кого или что показать, и не меняет того, что модель готова генерировать. Поскольку H3 — модель с открытыми весами, локальные пользователи и так сами настраивают свою систему, а авторы контента для взрослых обычно сочетают файл оригинального персонажа 18+ с LoRA сообщества для H3 для серий с пляжной одеждой, бельём или в стиле будуар. Если не хотите возиться с локальной установкой, Spicy AI предлагает онлайн-генерацию видео из изображения на H3 со смягчёнными фильтрами для взрослых, вымышленных персонажей или персонажей, давших согласие.