專為 MiniMax H3 打造的社群質感嫁接版
MiniMax H3 x Z-Image:讓每支 H3 影片都有電影級質感
有些 AI 影片動起來很漂亮,但一按暫停就顯得有點塑膠感:牆面太乾淨、金屬太光滑、皮膚像蠟一樣。MiniMax H3 x Z-Image(作者寫作「MiniMax-H3 × Z-Image」)是 H3 音訊影片模型的免費社群版本,專門解決這個問題。它向以清晰表面聞名的靜態圖像模型 Z-Image 借來對細緻質感的眼光,再交給 H3。臉孔、聲音、速度與記憶體用量都不變,剝落的油漆、鏽蝕、濕漉漉的路面、布料紋理與毛孔則呈現得更豐富。以下帶你看它改變了什麼、最適合哪些場景,以及能充分展現效果的提示詞。
- 沿用 H3 工作流程
- 表面質感更豐富
- 多鏡頭細節穩定
- 原生支援 GGUF + ComfyUI

無審查替代影片生成器
圖片轉影片上傳一張起始照片,描述你想要的材質、光線與動作,即可生成帶有音效的影片。
H3 粉絲期待已久的質感升級
H3 的動態本來就很流暢,音畫同步也很到位,但不少創作者覺得它的表面質感偏平滑。2026 年 8 月,Hugging Face 使用者 joeygambino 發布了 MiniMax H3 x Z-Image,模型卡稱之為「空間細節嫁接」(the spatial detail graft)。概念很好懂:阿里巴巴通義的 6B 文生圖模型 Z-Image 特別講究細緻質感,於是作者測量它的這些習性,再複製到 H3 的後段層。過程不需要重新訓練,也沒有加入新知識。前段層則完全保留,因為修改它們會在規則圖案上產生格狀瑕疵。
對你來說,MiniMax H3 x Z-Image 就是一個直接替換的檔案。嫁接後保留 H3 的人物特徵、聲音、速度與 VRAM 用量,並能直接接上你現有的工作流程。MiniMax H3 x Z-Image 是獨立的社群作品,並非 MiniMax 或阿里巴巴發布。zs05、curve 等檔名透露了配方:zs05 很可能代表空間強度 0.5,curve 則是作者目前推薦的逐層混合版本。模型卡並未完整說明這兩個名稱,所以以上解讀請視為合理推測。
鏽蝕、雨水與肌膚:額外細節最明顯的地方
作者用一句話總結效果:剝落的油漆剝得更真、鏽蝕更深、水面更能捕捉光線。模型卡上的三支 MiniMax H3 x Z-Image 示範影片(溫室、船舶引擎與熱鬧市集)各有三個鏡頭,你可以看到起霧的玻璃、沾滿油漬的鋼材與成堆布料在切換鏡頭之間依然保有質感。使用 MiniMax H3 x Z-Image,臉孔維持原本的身分特徵,肌膚細節卻比原版 H3 更細膩,對特寫、美妝鏡頭與對話場景特別重要。
和原始模型相比,最大的進步出現在長篇剪輯。串接片段時,原版 H3 每延伸一次就會越來越銳利,最後一個鏡頭和第一個放在一起就顯得過度處理。作者實測 MiniMax H3 x Z-Image 延伸三次後的高頻比為 0.99,原版則是 1.11;數值接近 1.0 代表細節保持穩定,不會越疊越多。這些是作者自行公布的數據,尚無獨立評測,所以最好的方法是親自測試:用相同 seed 重跑舊提示詞來比較。
- 風化材質:剝落油漆、腐蝕、龜裂灰泥、磨損皮革。
- 水與光:濕潤街道、凝結水氣、水珠、霓虹倒影。
- 人物:毛孔、雀斑、妝容,以及亞麻、丹寧或絲綢的織紋。

多鏡頭長篇故事,結尾畫質依然如初
許多創作者會串接多段 H3 片段,做出 15 到 60 秒的影片。MiniMax H3 x Z-Image 可搭配社群的 ComfyUI 版 H3 Multishot 工作流程,無縫串接鏡頭,作者表示不需要修改任何節點。兩種 MiniMax H3 x Z-Image 變體涵蓋經典需求:ref2va 依參考圖保留角色的臉孔與聲音,fl2va 則讓片段停在指定的最後一格。兩者都能串接,你可以先用大遠景交代場景,再切到主角的動作,最後精準停在某一格做轉場或揭曉。
簡單的寫法:鏡頭 1 用材質詞與光線方向交代地點;鏡頭 2 重複同樣的角色描述並讓角色行動;鏡頭 3 描述 fl2va 要停留的畫面。由於 MiniMax H3 x Z-Image 的細節不再隨每次延伸變得更銳利,你在後製調色或柔化後段鏡頭上能省下不少時間。
創作者都用它做些什麼
只要觀眾靠得夠近、看得出材質,MiniMax H3 x Z-Image 就能發揮價值。以下這些專案最能感受到豐富表面帶來的差異。
直式短劇
室內場景、服裝與特寫看起來更像真人實拍,ref2va 還能讓主角的臉孔與聲音集集一致。
廣告與產品影片
拉絲金屬、皮革紋理、玻璃與食物表面更有觸感,在開頭三秒就抓住目光、賣出產品。
氛圍營造與世界觀建構
廢土、蒸氣龐克工坊、下雨的霓虹巷弄與廢棄工廠都由髒污與質感構成,受益最多。
寫實人像與時尚
肌膚紋理、妝容與布料皺褶自然不修圖感,正是 H3 使用者長期期待的寫實肌膚。
帶出質感的提示詞範本
提示詞要給它東西可畫,MiniMax H3 x Z-Image 才能發揮效果。寫出具體材質,例如鏽蝕、亞麻、凝結水氣或毛孔,說明光從哪裡來,再加上聲音提示,讓 H3 生成對應的音效。很受歡迎的第一個實驗,是重跑你熟悉的提示詞,仔細看牆面、金屬與肌膚。複製以下範本並自由調整:
Close-up of a rusted ship engine, flaking red paint, oil stains, water droplets catching warm light, slow dolly in, ambient machine hum
Inside a fogged Victorian greenhouse, condensation on glass panes, wet leaves, soft morning light through mist, a gardener walks past, birdsong
Busy night market, handwoven fabrics, steam from food stalls, neon reflections on wet pavement, handheld tracking shot, crowd chatter
Portrait of an adult woman in her 30s, visible skin pores and freckles, linen shirt texture, golden hour window light, she turns and smiles, soft breathing
Adult man with wet hair under a flickering neon sign, rain running down a leather jacket, puddles reflecting pink light, slow push-in, rain and distant traffic
GGUF 還是原生版:16、24、32 GB 該選哪個檔案
MiniMax H3 x Z-Image 提供兩個下載儲存庫。GGUF 儲存庫有 Q3mix、Q4_0、Q5_1 與 Q8_0 量化版本,分為 fl2va 與 ref2va 兩種,推薦使用 curve 版本。原生儲存庫則提供可直接用於 ComfyUI 的 safetensors,格式包括 bf16、fp8、mxfp8、int8、w4a8、w4a4 與 nvfp4;下載量約 24,000 次,GGUF 約 5,000 次,顯然是執行 MiniMax H3 x Z-Image 更熱門的方式。把 MiniMax H3 x Z-Image 檔案放進平常的 H3 模型資料夾,在載入器中選取它,ComfyUI 工作流程的其他部分維持原樣即可。
| 你的 GPU | 建議 GGUF | 備註 |
|---|---|---|
| 16–24 GB | Q4_0 | 作者為此區間列出的最輕量選項 |
| 24–32 GB | Q5_1 | 畫質與記憶體兼顧 |
| ~32 GB | Q8_0 | 最接近全精度 |
| 較新的 NVIDIA 顯示卡 | 原生 fp8 / nvfp4 | 選擇你的 ComfyUI 版本支援的格式 |
想保留人物外貌與聲音選 ref2va,想停在特定畫面選 fl2va;目前推薦 curve 版本。
肌膚、絲綢與泳裝:18+ 創意與無審查疑問
MiniMax H3 x Z-Image 並不是無審查微調版:它只重新調整質感注意力,既不增加也不移除內容限制,模型卡也未標示以 NSFW 為重點。不過成人創作者仍很喜歡 MiniMax H3 x Z-Image,因為感性場景仰賴的正是它強化的部分:肌膚、布料與光線。使用原創、虛構的成年角色,可以試試陽光海灘上的白色比基尼搭配濕潤肌膚與沙粒質感、緞面皺褶的內衣攝影棚、側光照射的蒸氣淋浴間,或檯燈映照臥室裡的絲質睡衣。
如果不想安裝任何東西,Spicy AI 的圖片轉影片生成器可直接在瀏覽器中,以寬鬆的過濾機制生成成人(18+)寫實影片。
Adult model in a white bikini on a sunlit beach, wet skin glistening, sand texture, gentle waves, slow motion walk, ocean sound
Adult woman in silk lingerie, satin sheets, soft lamp light, fabric folds and skin detail, slow camera pan

在 Spicy AI 上製作高質感影片
不需要 GPU,也不用節點圖:你可以直接在線上追求 MiniMax H3 x Z-Image 的觸感畫面。提示詞裡的材質描述越豐富,成果就越像真實拍攝,重新生成的次數也越少。先從一張出色的靜態圖開始,例如細節豐富的關鍵影格,再交給生成器讓它動起來。
- 1上傳你的成年角色、產品或場景的參考圖片。
- 2用材質詞與光線方向描述鏡頭:鏽蝕、濕柏油路、亞麻、金色側光。
- 3加入想要的動作、運鏡與聲音,然後生成。
- 4想做更長的故事,就從你最喜歡的畫面生成下一個鏡頭,並沿用相同的角色描述。
點幾下,就能把照片變成細節豐富、帶有音效的影片。
開啟圖片轉影片自行架設 MiniMax H3 x Z-Image vs 在 Spicy AI 線上生成
在本機執行 MiniMax H3 x Z-Image 可掌握所有節點與檔案選項;線上方式則以這份掌控權換取零設定。
| 本機部署(官方權重) | Spicy AI 線上版 | |
|---|---|---|
| 內容過濾 | 由你自行設定 | 成人內容(18+)過濾較寬鬆 |
| 開放權重 | 有,可公開下載 | 不需要,直接在瀏覽器執行 |
| 實際使用的模型 | 建立在 H3 上的嫁接版 | 線上圖片轉影片模型 |
| 入門成本 | 自備 GPU(16 GB 以上) | 提供免費方案 |
常見問題
用一句話說明 MiniMax H3 x Z-Image 是什麼?
這是 2026 年 8 月發布的 MiniMax H3 社群版本,將 Z-Image 的細緻質感注意力習性複製到 H3 上,讓影片表面更豐富,其他一切維持不變。
它是 MiniMax 或阿里巴巴做的嗎?
不是。這是 Hugging Face 使用者 joeygambino 的個人專案,沒有任何一家公司的官方支持。
需要新的工作流程或任何訓練嗎?
不需要。作者表示只要替換 H3 模型檔案,就能沿用現有的工作流程,包括 Multishot 串接設定。
我該下載哪個檔案?
建議從 curve 版本開始。Q4_0 適合 16–24 GB 顯示卡,Q5_1 適合 24–32 GB,Q8_0 約需 32 GB;要保留角色用 ref2va,要停在指定最後一格用 fl2va。
MiniMax H3 x Z-Image 能搭配我的 H3 LoRA 嗎?
它仍屬於 H3 家族,一般的加速與風格 LoRA 應該都能載入,但並未逐一驗證相容性。建議先用短片段測試。
可以不安裝任何東西就使用嗎?
這個嫁接版本身沒有線上託管服務。你可以使用 Spicy AI 的圖片轉影片生成器,在線上獲得類似的細緻畫面。