MiniMax H3 · bộ điều hợp tham chiếu cộng đồng
MiniMax H3 RefMods: Giữ nguyên ngôi sao trong mọi cảnh quay, không cần huấn luyện
Người làm video AI nào cũng biết nỗi khổ này: nữ chính trông hoàn hảo ở cảnh một, rồi đến cảnh ba gương mặt đã lệch đi. MiniMax H3 RefMods khắc phục điều đó bằng một mẹo vay mượn từ văn hóa LoRA. Bạn chỉ cần đưa vài bức ảnh, một đoạn clip ngắn hoặc một mẫu âm thanh vào ComfyUI một lần, và nhận về một tệp nhỏ xíu khoảng 1 đến 1,6 MB ghi nhớ nhân vật của bạn là ai. Cắm nó vào bất kỳ quy trình video MiniMax H3 nào, cùng gương mặt, trang phục hay phong cách nghệ thuật sẽ quay lại theo ý muốn, hoàn toàn không cần huấn luyện mô hình. Bên dưới, bạn sẽ thấy chúng làm được gì, người sáng tạo dùng chúng ở đâu, hướng dẫn thiết lập từng bước, các mẫu prompt và danh sách trung thực những điểm vẫn còn lỗi.
- Không cần huấn luyện
- Tệp ~1–1,6 MB
- Tối đa 8 khe
- ComfyUI + Fizgig
Cả một nhân vật gói gọn trong một tệp nhỏ xíu
MiniMax H3 RefMods, viết tắt của Reference Latent Adapters, là một định dạng cộng đồng được xây dựng cho mô hình âm thanh-video trọng số mở H3. Hãy hình dung mỗi tệp như một buổi casting đã được lưu lại: thay vì lần nào cũng tải lên cùng những ảnh tham chiếu và loay hoay với các thẻ vị trí <Picture 1>, bạn mã hóa chúng qua VAE một lần và lưu kết quả thành tệp .safetensors. Sau đó bạn tải nó y như một LoRA, và nó được đưa vào luồng điều kiện tham chiếu của H3 trong lúc tạo video. Không có trọng số nào của H3 bị huấn luyện lại, nên tạo một tệp chỉ mất vài phút thay vì hàng giờ.
Định dạng này và các node của nó đến từ gói ComfyUI-MiniMaxH3Mod của nhà phát triển @Luisacaotica, phát hành theo giấy phép MIT. Đây là một dự án cộng đồng, không phải sản phẩm của MiniMax, và README của nó vẫn ghi chú đang trong quá trình xây dựng, nên tên node và đầu vào có thể thay đổi giữa các phiên bản. Điều đó chẳng làm ai chậm lại: kho mã đã vượt mốc 500 sao trên GitHub chỉ vài tuần sau khi ra mắt.
| Thiết lập | Tác dụng | Phù hợp nhất cho |
|---|---|---|
| Full Reference (mã hóa) | Giữ mọi chi tiết đã mã hóa, tốn nhiều token hơn | Gương mặt và trang phục bạn muốn sắc nét tuyệt đối |
| Compressed Reference | Gộp tham chiếu để tiết kiệm token, mất bớt chi tiết và chuyển động | Clip dài hoặc xếp chồng nhiều tệp |
| Preset identity_encode | Ghi lại danh tính của một người hay nhân vật | Nhân vật chính, người dẫn và linh vật xuất hiện thường xuyên |
| Preset style_experimental | Nén một phong cách vào lưới 8×8 | Loạt video dùng chung một tông màu hay phong cách nghệ thuật |
| Preset motion_sequence | Lưu chuyển động của một clip ngắn | Tái sử dụng điệu nhảy, dáng đi hay cử chỉ |
Người sáng tạo ứng dụng bộ điều hợp tham chiếu ở đâu
Sức hút của MiniMax H3 RefMods rất đơn giản: một tệp, vô số tập phim. Những người từng phải huấn luyện LoRA cho mỗi gương mặt lặp lại giờ xây dựng một thư viện nhỏ gồm nhân vật, phong cách và chuyển động, rồi kết hợp chúng cho từng cảnh. Đây là những cách dùng được nhắc đến nhiều nhất trong các chủ đề cộng đồng và quy trình được chia sẻ.
Phim ngắn và truyện tranh AI
Tái sử dụng một nhân vật chính nguyên bản qua hàng chục cảnh. Thay đổi bối cảnh, chuyển động máy quay và hành động trong khi gương mặt vẫn giữ nguyên từ tập này sang tập khác.
Người dẫn ảo và IP nguyên bản
Khóa một linh vật hoặc người dẫn ảo vào một tệp duy nhất và đăng clip hằng tuần mà ngoại hình không dần trôi xa khỏi thương hiệu.
Trình diễn thời trang và sản phẩm
Giữ ổn định một người mẫu trưởng thành trong khi prompt thay đổi trang phục. Quần áo từ ảnh tham chiếu có thể lọt vào, nên hãy mô tả rõ diện mạo mới.
Cảnh biến hình
Bộ tải Axis trượt giữa hai nhân vật từ A sang B, lý tưởng cho hiệu ứng biến hình, màn so sánh trước và sau và các cảnh mộng mơ.
Từ tám bức ảnh thành nhân vật dùng lại được trong ComfyUI
Tạo MiniMax H3 RefMods trong ComfyUI theo đúng README của gói node. Hãy bắt đầu với đầu vào tốt: 5 đến 10 ảnh sắc nét, mỗi ảnh một người, chụp từ nhiều góc khác nhau, hoặc một clip ngắn. Với âm thanh, khoảng thông thường là 5 đến 15 giây âm thanh sạch. Tránh phông nền rối mắt, vì bất cứ thứ gì trong khung hình cũng có thể đi vào tệp cùng với gương mặt.
- 1Cài đặt ComfyUI-MiniMaxH3Mod qua ComfyUI Manager hoặc clone kho mã GitHub vào custom_nodes, sau đó khởi động lại ComfyUI.
- 2Nạp ảnh tham chiếu vào node Extract H3 RefMod và chọn preset identity_encode cùng Full Reference để có chi tiết tối đa.
- 3Lưu đầu ra vào ComfyUI/models/refmods/ để các node tải có thể tìm thấy.
- 4Thêm Load H3 RefMods (tối đa tám khe, mỗi khe có cường độ và số bản sao riêng) và đặt cường độ khởi đầu.
- 5Nối Apply H3 RefMod vào phần điều kiện của node MiniMax H3 ImageToVideo hoặc ReferenceToVideo, rồi lấy mẫu như bình thường.
- 6Render cùng seed một lần không dùng tệp để làm mốc so sánh, nhờ đó bạn thấy chính xác tham chiếu bổ sung những gì.
- Node Step Curve: chọn concept_at_start, concept_at_middle hoặc concept_at_ends để quyết định thời điểm tham chiếu tác động trong quá trình khử nhiễu, ví dụ giống ngoại hình trước, chuyển động tự do sau.
- Load H3 RefMod Folder: trỏ tới một thư mục để hoán đổi cả bộ nhân vật chỉ trong một lần.
Thích nút bấm hơn node? Hãy tạo chúng trong Fizgig v6
Fizgig, công cụ sáng tạo của shootthesound, đã thêm tính năng tạo MiniMax H3 RefMods ở phiên bản 6 vào giữa tháng 9 năm 2026. Nó bọc quá trình trích xuất trong một giao diện thân thiện hơn với các công thức dựng sẵn: công thức cộng đồng dùng 8 ảnh ở 1 megapixel, Fizgig lite dùng 16 ảnh ở 0,5 megapixel, và tùy chọn Fizgig 1MP nằm ở giữa. Ngoài ra còn có preset phong cách, tham chiếu chuyển động và âm thanh, cùng RefMod Studio hiển thị so sánh A/B song song để bạn đánh giá thiết lập cường độ mà không phải đoán mò. Tài liệu của Fizgig có hướng dẫn hỏi-đáp từng bước cho mỗi công thức.
Hai nhân vật, một cảnh: xếp chồng các tệp
Cảnh quay nhóm chính là nơi MiniMax H3 RefMods lặng lẽ vượt mặt cách tham chiếu bằng một ảnh đơn. Cho mỗi nhân vật một tệp riêng, nạp chúng vào các khe khác nhau và gọi chúng trong prompt bằng <Subject 1>, <Subject 2> và cứ thế tiếp tục. Mỗi tệp chỉ nên chứa một người: một tệp trộn hai gương mặt thường sẽ hòa lẫn chúng. Nếu nhân vật chính bắt đầu mất chi tiết, hãy giảm cường độ của nhân vật phụ trước, và giữ mô tả tóc, trang phục và vóc dáng trong prompt để mô hình biết ai là ai.
Không chỉ gương mặt: tham chiếu phong cách, chuyển động và giọng nói
Nhân vật mới chỉ là một nửa câu chuyện của MiniMax H3 RefMods. Tệp phong cách tạo bằng style_experimental nén một bộ khung hình thành một diện mạo bạn có thể áp dụng cho cả loạt video, rất tiện để giữ một tông màu xuyên suốt kênh. Tệp chuyển động tạo bằng motion_sequence biến một clip ngắn thành mẫu chuyển động, nhờ đó dáng đi hay điệu nhảy đặc trưng có thể được tái sử dụng với một nhân vật khác.
Tệp âm thanh cũng có, với khoảng 80 token cho mỗi giây âm thanh. Hãy coi chúng là thử nghiệm: trong các thử nghiệm hiện tại, danh tính người nói không được truyền tải ổn định, âm thanh mặc định được mã hóa từ đầu clip và không có căn chỉnh khẩu hình. Tuyệt đối không dùng chúng để bắt chước giọng nói của người thật khi chưa được cho phép.
Mẫu prompt giữ gương mặt ổn định
Khi viết prompt với MiniMax H3 RefMods, hãy nhớ rằng tệp tham chiếu không phải là từ kích hoạt, và tên tệp chẳng có tác dụng gì trong prompt. Cách hiệu quả là mô tả nhân vật như thể tệp không tồn tại, rồi để tham chiếu kéo các chi tiết về đúng chỗ. Các mẫu này được viết cho nhân vật trưởng thành nguyên bản; hãy thay bằng chi tiết của riêng bạn.
- Luôn neo ngoại hình và hành động bằng lời: tuổi, tóc, mắt, trang phục, rồi đến chuyển động và máy quay.
- Mỗi tệp một nhân vật, mỗi nhân vật một thẻ <Subject N>.
- Bắt đầu với cường độ trung bình, chỉ tăng khi gương mặt bị lệch, và giảm xuống nếu phông nền bắt đầu sao chép ảnh tham chiếu.
- Khi đổi trang phục, hãy gọi tên rõ món đồ mới và thêm same face để quần áo từ ảnh tham chiếu không lấn át.
Một nhân vật
<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.
Hai nhân vật
<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.
Đổi trang phục (nhân vật nguyên bản 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 thả trực tiếp ảnh tham chiếu
Mỗi phương pháp đều có chỗ đứng riêng. Tác giả Fizgig lưu ý rằng LoRA được huấn luyện vẫn khái quát hóa tốt hơn và đạt độ giống cao hơn, nhưng khoảng cách là nhỏ với những cảnh gần với tư liệu tham chiếu. Ảnh tham chiếu thông thường không cần chuẩn bị, nhưng chúng bị mã hóa lại ở mỗi lần chạy và các thẻ vị trí trở nên rắc rối khi có nhiều ảnh.
| RefMod | LoRA | Ảnh tham chiếu trực tiếp | |
|---|---|---|---|
| Huấn luyện | Không, chỉ một lần trích xuất | Có, cần bộ dữ liệu và lượt huấn luyện | Không |
| Thời gian đến lần dùng đầu | Vài phút | Vài giờ | Tức thì |
| Kích thước tệp | Khoảng 1–1,6 MB | Thường lớn hơn nhiều | Không có tệp |
| Độ giống ở góc mới | Tốt khi gần tham chiếu | Mạnh nhất | Thay đổi theo từng lần chạy |
| Xếp chồng nhân vật | Tối đa 8 khe | Có thể, nhưng dễ xung đột | Thẻ vị trí cho từng ảnh |
Những gì vẫn còn lỗi: giới hạn nói thẳng
MiniMax H3 RefMods còn non trẻ và README của gói node rất thẳng thắn về những điểm chưa hoàn thiện. Biết trước chúng giúp bạn tiết kiệm hàng giờ tạo lại, và hầu hết đều có cách khắc phục đơn giản như dùng tham chiếu sạch hơn hoặc giảm cường độ.
- Chuyển động nhanh có thể làm nhòe gương mặt; chuyển động máy quay chậm hơn giữ danh tính tốt hơn.
- Compressed Reference làm mất chi tiết khuôn mặt, nên hãy dùng Full Reference cho cảnh cận.
- Danh tính, trang phục, phông nền và bố cục có thể bị truyền đi cùng nhau; không đảm bảo truyền tải có chọn lọc.
- Nhân bản giọng nói từ tệp âm thanh hiện chưa đáng tin cậy, và âm thanh không có khớp khẩu hình.
- Một số quy trình chưa được kiểm chứng đầy đủ trên mọi GPU, và chưa có benchmark chính thức nào.
Tệp dựng sẵn: nơi cộng đồng chia sẻ
Bạn không cần tự tạo mọi MiniMax H3 RefMods từ con số không. Người sáng tạo malcolmrey công bố một thư viện lớn gồm hàng trăm tệp dựng sẵn trên Hugging Face theo giấy phép Apache-2.0, kèm các bộ dữ liệu hướng dẫn, mẫu và quy trình ví dụ. Tải một tệp về, thả vào ComfyUI/models/refmods/ và nó sẽ xuất hiện trong bộ tải. Cũng có những bản tải lên cá nhân nhỏ hơn, nhưng nhiều bản ít hoạt động và một số chứa hình ảnh giống người thật hoặc nhân vật có bản quyền, vì vậy hãy kiểm tra nội dung trước khi dùng và chỉ dùng nhân vật nguyên bản hoặc được cấp phép hợp lệ.
Dùng không kiểm duyệt: tệp tham chiếu thay đổi được gì và không được gì
Những người tìm kiếm MiniMax H3 RefMods không kiểm duyệt thường mong có một phiên bản không bộ lọc. Không có phiên bản nào như vậy: tệp tham chiếu chỉ cho mô hình biết cần hiển thị ai hoặc cái gì, nó không thay đổi những gì mô hình sẵn sàng tạo ra. Vì H3 là mô hình trọng số mở, người dùng cục bộ vốn tự quyết định thiết lập của mình, và người sáng tạo nội dung người lớn thường kết hợp tệp của một nhân vật nguyên bản 18+ với các LoRA H3 cộng đồng cho loạt ảnh đồ bơi, nội y hoặc boudoir. Nếu bạn muốn bỏ qua việc cài đặt cục bộ, Spicy AI cung cấp chuyển ảnh thành video H3 trực tuyến với bộ lọc nới lỏng cho nhân vật trưởng thành, hư cấu hoặc đã đồng ý.
Tải lên ảnh tĩnh của nhân vật trưởng thành nguyên bản và tạo chuyển động mà không cần GPU.
Mở chuyển ảnh thành videoThử prompt nhân vật nhất quán trực tuyến
Bắt đầu từ một ảnh tĩnh của nhân vật, dán prompt vào và để mô hình video lo phần còn lại. Các prompt khởi đầu này được viết cho nhân vật trưởng thành nguyên bản và dùng được ngay như vậy.
- <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
Tự chạy H3 với tệp tham chiếu vs tạo trực tuyến trên Spicy AI
ComfyUI cục bộ cho bạn trọn bộ công cụ node; con đường trực tuyến đánh đổi quyền kiểm soát đó để không phải thiết lập gì.
| Triển khai cục bộ (trọng số chính thức) | Spicy AI trực tuyến | |
|---|---|---|
| Bộ lọc nội dung | Bạn tự cấu hình thiết lập của mình | Bộ lọc nới lỏng cho nội dung người lớn (18+) |
| Trọng số mở | Có | Không cần — chạy ngay trên trình duyệt |
| Nhất quán nhân vật | Tệp RefMod, LoRA và điều khiển node | Bắt đầu từ ảnh tĩnh của nhân vật |
| Chi phí bắt đầu | GPU của riêng bạn | Có gói miễn phí |
Câu hỏi thường gặp
MiniMax H3 RefMods có phải do MiniMax tạo ra không?
Không. Đây là định dạng cộng đồng được tạo bằng gói node ComfyUI-MiniMaxH3Mod của @Luisacaotica theo giấy phép MIT. MiniMax chưa công bố quan điểm nào về nó.
Tôi có cần huấn luyện gì không?
Không. Ảnh tham chiếu của bạn đi qua VAE một lần và được lưu thành tệp khoảng 1 đến 1,6 MB. Trọng số H3 không bao giờ bị huấn luyện lại.
Tôi nên dùng bao nhiêu ảnh?
README gợi ý 5 đến 10 ảnh sắc nét, mỗi ảnh một người, hoặc một clip ngắn. Các công thức của Fizgig dùng 8 ảnh ở 1 megapixel hoặc 16 ảnh ở 0,5 megapixel.
RefMod có tốt hơn LoRA không?
Nó nhanh hơn và nhỏ hơn. LoRA được huấn luyện vẫn thắng về độ giống và ở các góc khác thường, nhưng với những cảnh gần ảnh tham chiếu thì khác biệt là nhỏ.
Tôi có thể tải bao nhiêu tệp cùng lúc?
Node Load H3 RefMods có tối đa tám khe, mỗi khe có cường độ riêng. Với cảnh nhóm, hãy dùng một tệp cho mỗi nhân vật.
Các tệp được đặt ở đâu?
Đặt chúng vào ComfyUI/models/refmods/, sau đó chọn trong node tải hoặc trỏ bộ tải thư mục tới một thư mục con.
Chúng có nhân bản được giọng nói không?
Hiện chưa đáng tin cậy. Việc truyền tải danh tính người nói chưa ổn định trong các thử nghiệm hiện tại, và bạn tuyệt đối không nên dùng giọng nói của ai đó khi chưa có sự đồng ý của họ.