MiniMax H3 RefMods：每個鏡頭都是同一位主角，完全免訓練

把整個角色裝進一個小檔案

MiniMax H3 RefMods 是 Reference Latent Adapters（參考潛在轉接器）的簡稱，是專為開放權重 H3 音訊影片模型打造的社群格式。你可以把它想成一份存檔的選角資料：不必每次都上傳同樣的參考圖、手動調整 <Picture 1> 位置標籤，而是透過 VAE 編碼一次，把結果存成 .safetensors 檔案。之後就像載入 LoRA 一樣使用，在生成影片時注入 H3 的參考條件串流。H3 本身的權重完全不用重新訓練，所以製作一個只需幾分鐘，而不是好幾個小時。

這個格式和相關節點來自開發者 @Luisacaotica 的 ComfyUI-MiniMaxH3Mod 套件，採用 MIT 授權釋出。它是社群專案，並非 MiniMax 的產品，README 也仍標示為開發中，因此節點名稱與輸入可能會隨版本更動。但這絲毫沒有減緩大家的熱情：專案上線短短幾週，GitHub 星星數就突破 500。

創作者如何運用參考轉接器

MiniMax H3 RefMods 的魅力很簡單：一個檔案，無限集數。過去每個固定角色都要訓練一個 LoRA 的創作者，現在改為建立一個小型的角色、風格與動作資料庫，再依每個鏡頭自由搭配。以下是社群討論串與分享的工作流程中最常見的用法。

在 ComfyUI 中把八張照片變成可重複使用的角色

在 ComfyUI 中製作 MiniMax H3 RefMods，請依照節點套件的 README 操作。先從優質素材開始：5 到 10 張清晰、單人、不同角度的圖片，或一段短片。音訊一般建議 5 到 15 秒的乾淨聲音。避免雜亂的背景，因為畫面裡的任何東西都可能跟著臉孔一起被收進檔案。

1. 1透過 ComfyUI Manager 安裝 ComfyUI-MiniMaxH3Mod，或把 GitHub 儲存庫複製到 custom_nodes，然後重新啟動 ComfyUI。
2. 2把參考圖片載入 Extract H3 RefMod 節點，選擇 identity_encode 預設並搭配 Full Reference，以取得最多細節。
3. 3將輸出存到 ComfyUI/models/refmods/，讓載入節點找得到。
4. 4加入 Load H3 RefMods（最多八個插槽，各自可設定強度與複本數），並設定初始強度。
5. 5把 Apply H3 RefMod 接到 MiniMax H3 ImageToVideo 或 ReferenceToVideo 節點的條件輸入，再照常取樣。
6. 6用相同種子先在不載入檔案的情況下算一次作為基準，就能清楚看出參考檔帶來了什麼差異。

• Step Curve 節點：選擇 concept_at_start、concept_at_middle 或 concept_at_ends，決定參考在去噪過程中的作用時機，例如先求神似、後段再放開動作。
• Load H3 RefMod Folder：指定一個資料夾，就能一次切換整組角色。

比起節點更愛按鈕？用 Fizgig v6 製作

shootthesound 開發的創作工具 Fizgig 在 2026 年 9 月中推出的第 6 版加入了 MiniMax H3 RefMods 製作功能。它把擷取流程包進更友善的介面，並提供現成配方：社群配方使用 8 張 1 百萬像素圖片，Fizgig lite 使用 16 張 0.5 百萬像素圖片，Fizgig 1MP 選項則介於兩者之間。另外還有風格預設、動作與音訊參考，以及能並排算出 A/B 比較的 RefMod Studio，讓你不用憑感覺就能判斷強度設定。Fizgig 自家文件也附有 how-do-I 教學，逐一說明每種配方。

兩個角色、同一場景：疊加多個檔案

群體鏡頭正是 MiniMax H3 RefMods 悄悄勝過單張圖片參考的地方。為每個角色各做一個檔案，載入不同插槽，並在提示詞中以 <Subject 1>、<Subject 2> 等標籤稱呼。每個檔案只放一個人：同時混入兩張臉的檔案容易把兩人融在一起。如果主角開始失去細節，先調低配角的強度，並在提示詞中保留髮型、服裝和體型描述，讓模型分得清誰是誰。

不只是臉孔：風格、動作與聲音參考

對 MiniMax H3 RefMods 來說，角色只是故事的一半。用 style_experimental 製作的風格檔，能把一組影格壓縮成可套用到整個系列的視覺風格，非常適合讓整個頻道維持同一種調色。用 motion_sequence 製作的動作檔，則能把短片變成動作範本，讓招牌走路姿態或舞蹈換個角色也能重現。

音訊檔也有，大約每秒聲音 80 個 token。請把它當成實驗功能：在目前的測試中，說話者身分無法穩定轉移，音訊預設從片段開頭開始編碼，也沒有對嘴同步。未經同意，絕對不要用它模仿真人的聲音。

讓臉孔穩定不走樣的提示詞範本

使用 MiniMax H3 RefMods 撰寫提示詞時，請記得參考檔不是觸發詞，檔名放進提示詞也毫無作用。有效的做法是把角色當作沒有檔案一樣完整描述，再讓參考把細節校正到位。以下範本是為原創成人角色撰寫的，請換成你自己的細節。

• 務必用文字鎖定外觀與動作：年齡、髮型、眼睛、服裝，接著是動作與運鏡。
• 一個檔案一個角色，每個角色一個 <Subject N> 標籤。
• 從中等強度開始，臉孔走樣時才調高；如果背景開始照搬參考照片，就調低。
• 換裝時明確寫出新服裝名稱，並加上 same face，避免參考圖中的衣著喧賓奪主。

RefMod、LoRA 與直接放參考圖的比較

每種方法都有適用場合。Fizgig 作者指出，訓練好的 LoRA 泛化能力仍然更好、相似度也更高，但對於接近參考素材的鏡頭，差距其實不大。直接使用參考圖完全不需準備，但每次執行都要重新編碼，圖片一多，位置標籤也會變得很麻煩。

目前仍有的問題：坦白說明限制

MiniMax H3 RefMods 還很年輕，節點套件的 README 也坦率列出了不完美之處。事先了解能省下好幾個小時的重算，而且大多有簡單的解法，例如使用更乾淨的參考素材或調低強度。

• 快速動作可能讓臉孔糊掉；放慢運鏡較能維持身分特徵。
• Compressed Reference 會損失臉部細節，特寫請改用 Full Reference。
• 身分、服裝、背景和構圖可能一起被轉移，無法保證只轉移指定部分。
• 目前用音訊檔複製聲音並不可靠，音訊也不含對嘴同步。
• 部分工作流程尚未在所有 GPU 上完整驗證，也沒有正式的基準測試。

現成檔案：社群在哪裡分享

你不必從零開始製作所有 MiniMax H3 RefMods。創作者 malcolmrey 在 Hugging Face 上以 Apache-2.0 授權發布了數百個現成檔案的大型資料庫，另附教學、範例與工作流程範例的資料集。下載檔案後放進 ComfyUI/models/refmods/，就會出現在載入器中。也有一些規模較小的個人上傳，但許多都不太活躍，部分還含有真人或受著作權保護角色的肖像，使用前請先確認內容，並只使用原創或已妥善授權的角色。

無審查用途：參考檔能改變與不能改變的事

搜尋 uncensored MiniMax H3 RefMods 的人，通常是希望找到無過濾版本。但這種版本並不存在：參考檔只告訴模型要呈現誰或什麼，並不會改變模型願意生成的內容。由於 H3 是開放權重模型，本地使用者本來就能自行決定設定，成人創作者通常會把原創 18+ 角色的檔案，搭配社群的 H3 LoRA 來製作海灘裝、內衣或私房寫真系列。如果你想省去本地安裝，Spicy AI 提供線上 H3 圖片轉影片服務，針對成人、虛構或已同意的角色放寬過濾。