無審查 AI 影片 · MiniMax H3 社群合併模型

無審查 MiniMax H3 FL2VA Ref2VA 混合模型：記得住角色的清晰影片

問 AI ▾

在 ChatGPT 中開啟在 Claude 中開啟在 Grok 中開啟在 Google AI Mode 中開啟

MiniMax 把 H3 影片模型拆成兩個獨立的檢查點發布。FL2VA 畫面和聲音更乾淨，卻只看得懂首幀與尾幀；Ref2VA 能依照一整組參考照片、影片和聲音生成，但畫面偏糊。社群打造的 MiniMax H3 FL2VA Ref2VA 混合模型把兩者縫進同一個檔案，不論是短劇、穿搭短片還是動漫角色，都能在每個鏡頭間保持辨識度，同時不犧牲質感。以下帶你了解它能做什麼、該下載哪個檔案，以及怎麼寫提示詞。

角色一致性
原生音訊
開放權重

把照片變成影片 →

無審查替代影片生成器

圖片轉影片

上傳一張角色照片當作首幀，描述動作、運鏡和聲音，就能變成一段短影片。

FL2VA 與 Ref2VA：同一個影片模型，兩種個性

H3 是 MiniMax 的 330 億參數音訊影片模型：同一個網路同時生成畫面與音軌，所以腳步聲、浪聲和對白一出來就是同步的。MiniMax 沒有推出一個包山包海的檔案，而是發布了兩個檢查點。FL2VA 接受文字提示詞加上零到兩張圖片，涵蓋純文字轉影片、首幀動畫、尾幀收尾，以及首尾幀之間的轉場。Ref2VA 則接受提示詞加上一組參考素材，最多 9 張圖片、3 段影片和 3 段音訊，總共最多 12 個檔案。

兩者預設都輸出 4 到 15 秒、每秒 24 幀、32 kHz 立體聲、短邊 768 像素的影片。問題在於，根據把兩者並排實測的社群作者說法，FL2VA 的畫質和音質明顯更好，但真正記得你的角色是誰的，卻是 Ref2VA。混合模型要解決的正是這個取捨。

	FL2VA	Ref2VA
輸入	文字 + 最多 2 幀（首幀、尾幀或兩者）	文字 + 最多 9 張圖片、3 段影片、3 段音訊
擅長	乾淨的畫面與聲音、首幀到尾幀的運動	讓臉孔、服裝、場景和聲音保持一致
弱點	無法依照角色設定圖生成	依社群測試，畫質偏軟
典型用途	讓靜態圖動起來、銜接兩個關鍵幀	系列劇集、服裝展示、重複出現的場景

社群為什麼把兩者融合成一個混合模型

靈感來自逐一比對兩個檔案的權重。上傳者 smhfacct 發現兩者幾乎一模一樣，餘弦相似度至少 0.9997，真正的差異集中在每個 Transformer 區塊裡的一小層：adaln_proj 調變權重。把這些層從 Ref2VA 換進 FL2VA，模型就能借來參考能力，同時保留 FL2VA 大部分的畫面與聲音。

MiniMax H3 FL2VA Ref2VA 混合模型說穿了就是這樣：以 FL2VA 為底，把 Ref2VA 的調變層複製到選定範圍的區塊中。不重新訓練，也不做平均混合，只是精準移植。這是社群實驗，不是 MiniMax 官方發布，兩位作者也都表示自己的判斷偏主觀。即便如此，對想要 Ref2VA 的記憶力、又不想要它那份模糊的人來說，這是目前最直接的解法。

擅長的場景：系列劇、穿搭短片與重複場景

大家會去找 MiniMax H3 FL2VA Ref2VA 合併模型，就是為了角色一致性。短劇創作者只要放進一張大頭照和一張服裝照，就能拍出咖啡廳對峙、雨中街頭漫步和頂樓告別，主角始終是同一張臉。由於底模是 FL2VA，這些劇集也保有讓直式短劇看起來夠完整的銳利畫面與原生音效。

連續劇情與 AI 短劇：一張參考人像就能讓主角在每個場景、角度和光線變化中維持同一個樣子。
服裝與造型展示：把服裝當作一張參考、模特兒當作另一張，再描述伸展台轉身或緩慢旋轉。用參考強度較輕的檔案，可以讓衣服主導結果，又不會把鏡頭鎖死。
重複出現的場景：重複使用一張公寓、酒吧或海灘的照片，從不同位置生成新的 4 到 15 秒鏡頭。
聲音與音樂的連貫性：Ref2VA 接受 2 到 15 秒的音訊片段，所以角色的聲音或主題氛圍可以在多段影片中延續。混合模型保留了這個輸入，不過還沒有人做過效果評測。
成人（18+）造型：穿泳裝、內衣或比基尼的虛構成年角色，拍海灘、泳池與私房風短片，全部在你自己的電腦上執行。

b15 到 b49：挑選合適的混合檔案

每個檔名都告訴你哪些區塊換進了 Ref2VA 的層。範圍越廣，越會緊跟參考素材，畫面也越接近 Ref2VA 偏軟的質感；範圍越窄，保留越多 FL2VA 的精緻度。smhfacct 發布了四個建立在剪枝 int8 底模上的 int8 檔案，diobrando0 則發布了兩個未剪枝的 bf16 檔案，每個約 66.28 GB，只改動最後幾個區塊。

檔案	精度	參考強度	適合誰
b15-49	int8	最強	參考素材很多，能接受畫面稍軟
b20-49	int8	強	以參考為優先的專案
b25-49	int8	均衡	作者推薦的起點
b30-49	int8	中等	畫質優先
b40-49	bf16，約 66.28 GB	輕（約 7.9% 的權重來自 Ref2VA）	以全精度做細微引導
b45-49	bf16，約 66.28 GB	最輕	diobrando0 建議先試這個

最常被討論的是 b25-49 和 b30-49 怎麼選。先從 b25-49 開始；如果臉孔和服裝已經對上，想要更銳利的畫面，就退到 b30-49。反過來也一樣：參考素材被忽略，就換範圍更廣的；畫面糊掉或聲音變薄，就換範圍更窄的。

硬體方面，兩位作者都沒給出具體數字，只說記憶體需求與對應的 FL2VA 檔案相同。所以 int8 的 MiniMax H3 FL2VA Ref2VA 檔案和 int8 FL2VA 屬於同一級，而 66 GB 的 bf16 檔案實際上是工作站等級，單張消費級顯示卡很難應付。

用 AdaLN 合併腳本調出你自己的配方

diobrando0 在 bf16 檔案旁附上了 h3_adaln_merge.py。它會在你用 --lo 和 --hi 指定的區塊範圍內，把 Ref2VA 的 adaln_proj 權重逐位元組複製進 FL2VA 檔案，不做任何插值。它在 CPU 上幾分鐘內就能直接修補檔案，可以用 --backup 保留備份、用 --restore 還原，並以 BLAKE2b 雜湊檢查結果。

如果覺得 b40-49 太輕、b25-49 太重，這就很好用：試試 b35-49，看幾段影片再判斷，不喜歡就還原。記得保留原始的 Comfy-Org FL2VA 與 Ref2VA bf16 檔案，因為腳本需要兩者作為來源。

讓參考素材確實生效的提示詞範本

參考提示詞照固定順序寫效果最好：先說明哪個參考是什麼，接著是動作，再來是運鏡，最後是聲音。疊加的參考素材越多，b20-49 或 b25-49 這類範圍較廣的檔案就越划算。以下範本專為 MiniMax H3 FL2VA Ref2VA 混合模型撰寫，所有角色皆為成年人。

海灘換裝

參考圖 1 中的女性穿著參考圖 2 的紅色比基尼，在黃金時刻沿著海灘散步。中景，鏡頭緩緩推近，她回頭微笑。浪聲與輕柔的木吉他。

同一角色，新場景

參考圖 1 中的同一位男性坐在安靜的咖啡廳裡，側臉特寫。他輕聲說：「你遲到了。」自然窗光，35mm 底片質感，低沉的咖啡廳人聲。

伸展台轉身

參考圖 1 中的成年模特兒穿著參考圖 2 的黑色泳裝與透膚罩衫走在白色伸展台上，停下後緩緩轉身。全身跟拍鏡頭，閃爍的相機閃光燈，低沉的電子節拍。

重複出現的場景

在參考圖 1 的閣樓裡，參考圖 2 和 3 的情侶在夜晚的窗邊慢舞。廣角鏡頭緩緩移成雙人鏡頭，城市燈火，柔和爵士樂。

依照附加的順序，用編號稱呼每個參考素材。
每段影片只描述一個主要動作；4 到 15 秒一下就過了。
寫出你想要的聲音，台詞用引號框起來。
如果某個參考一直被忽略，先換檔案，再考慮改寫提示詞。

社群評價與坦白說的限制

在 MiniMax H3 FL2VA Ref2VA 的各種上傳中，大家最常討論的是 smhfacct 的 int8 套組：截至調查時約有 384 個讚、14 則討論串，還有 4 個以它為基礎的 Hugging Face Spaces。diobrando0 的 bf16 雙檔較新也較低調，有 7 個讚，日期為 2026 年 9 月 1 日。兩位作者都強調比較是用肉眼判斷，沒有正式評測，所以版本表請當成起點地圖，而不是鐵律。

限制很明確：沒有參考素材的提示詞，混合模型贏不了 FL2VA；區塊分界是實驗出來的；記憶體需求不會變小；而且 MiniMax 的 2K 精修階段沒有開源，所以本機輸出只能維持基礎解析度。

無審查 H3 混合模型：哪些不同、哪些一樣

合併過程不會移除或加入任何安全訓練，只是在兩個官方檢查點之間搬移調變層。真正改變體驗的是在哪裡執行。MiniMax 的雲端 API 會過濾色情、違法與侵權內容，而在自己電腦上跑開放權重則不會多出這層過濾，這也是成人創作者偏好本機 H3 的原因。沒有大顯卡也沒關係，這裡的圖片轉影片工具只要一張照片，就能生成類似、無過濾的成人（18+）場景動態。

在瀏覽器裡把角色照片變成 18+ 影片片段。

開啟圖片轉影片

線上生成：Spicy AI 上免安裝的替代方案

不是每個人都有 66 GB 的工作站，或願意在多個檢查點之間來回切換。Spicy AI 提供同類短片的線上替代生成器：上傳一張角色照片，描述動作、鏡頭與聲音，就能直接在瀏覽器裡拿到一段短影片，不用下載、不用裝驅動，成人（18+）場景也沒有內容過濾。

它適合在漫長的本機算圖前先快速試拍、只用手機創作的人，以及只想要成品的人。從一張清楚的成年角色照片開始，每段只安排一個主要動作，並在每一集重複使用同一張照片，臉孔和服裝就能一直認得出來。

試用線上圖片轉影片生成器 →

常見問題

FL2VA 和 Ref2VA 有什麼不同？

FL2VA 以文字加上最多兩張首幀或尾幀，生成有聲影片。Ref2VA 使用文字加上一組參考素材，最多 9 張圖片、3 段影片和 3 個音訊檔。社群測試者表示 FL2VA 的畫質和音質較好。

MiniMax H3 FL2VA Ref2VA 混合模型是 MiniMax 做的嗎？

不是。這是 smhfacct（int8）和 diobrando0（bf16）在 Hugging Face 上發布的社群合併模型，兩人都表示這屬於實驗性質，且是以肉眼判斷。

應該先下載哪個混合檔案？

int8 套組從 b25-49 開始，bf16 套組從 b45-49 開始。參考素材被忽略就換範圍更廣的，品質下降就換更窄的。

混合模型需要多少 VRAM？

作者只說 MiniMax H3 FL2VA Ref2VA 檔案與對應的 FL2VA 檔案相當。bf16 檔案約 66.28 GB，int8 檔案較小，目前沒有官方記憶體數據。

可以加速嗎？

可以。搭配 ref2v turbo 4 步 LoRA 就能快速出草稿，最終算圖時隨時可以拿掉 LoRA、跑完整步數。

資料來源

所有無審查 AI 模型 →

MiniMax 與 H3 為其各自所有者的商標。混合檔案為社群作品。所有內容皆須描繪成年人（18+）。