AI 影片工具 / 資料更新至 2026 年 11 月
2026 年 8 月,MiniMax 把影片模型 H3 的權重放上 Hugging Face:330 億參數、一次生成影片和立體聲音效,還能在 ComfyUI 本機執行。短短三個月,社群已經做出幾十個 LoRA 外掛,有的讓生成從 29 步縮到 4 步,有的專門控制鏡頭推拉,有的把畫面變成像素風或 1930 年代老動畫。
國外教學網站 Stable Diffusion Tutorials 整理了 52 個 H3 LoRA 與相關工具。這篇不是逐條翻譯,而是重新查證各模型頁與官方授權,依「你想做什麼」分成五類,並補上第一次使用最容易卡關的三件事:硬體夠不夠、LoRA 放哪裡、授權能不能商用。
30 秒看重點
33B
H3 的參數量,一次生成最長 15 秒、24 FPS 的影片與 32 kHz 立體聲。
29 → 8 步
LightX2V 的 Turbo v1.2 加速 LoRA,把基礎模型的步數從 29 步降到 8 步。
約 2 GB
ComfyUI 官方整理的 Turbo LoRA 每個約 1.96 GB,主模型 BF16 版則是 66.3 GB。
12–16 GB
社群 INT4 量化版主模型所需的顯示記憶體參考值(約 11.3 GB 檔案)。
4 個地區
授權排除歐盟、英國、南韓、美國;台灣不在排除名單。
資料:MiniMax 模型頁與授權條款、Hugging Face 各 LoRA 頁面、Stable Diffusion Tutorials,詳見文末資料來源。
00先認識 MiniMax H3:會拍片,也會配音
MiniMax 是推出「海螺 AI」的中國 AI 公司。H3 在 2026 年 7 月 31 日先以 API 形式發表,8 月 3 日在 Hugging Face 公開權重,ComfyUI 同一天就內建支援。和多數開源影片模型最大的不同是:聲音不是事後另外配,而是和畫面一起生成。
| 項目 | MiniMax H3 開源版 | 補充 |
|---|---|---|
| 參數量 | 330 億(33B) | 約 130 億在 AdaLN 分支,純推論可預先計算 |
| 任務 | 文字生影片、首尾幀生影片、參考圖生影片 | 參考素材最多 9 張圖、3 段影片、3 段音訊 |
| 畫面 | 短邊 768 像素、24 FPS、4–15 秒 | 2K 重繪模組尚未開源 |
| 聲音 | 32 kHz 立體聲 | 對白穩定支援 11 種語言,包含中文 |
| 文字編碼器 | Qwen3-VL-32B | Apache 2.0 授權 |
資料:MiniMaxAI/MiniMax-H3 模型頁(2026 年 11 月查詢)、RunPod 技術整理(2026/8)。
FL2VA、Ref2VA 是什麼
H3 開源版分成兩個檢查點。FL2VA(First/Last frame to Video + Audio)負責文字生影片,以及指定第一格、最後一格畫面來生影片;Ref2VA(Reference to Video + Audio)負責依參考圖、參考影片或參考聲音生成。下載 LoRA 時要看清楚它是給哪一個檢查點用的,配錯通常沒有效果。
01LoRA 是什麼:不用重訓整個模型的「外掛」
LoRA(Low-Rank Adaptation)是一種只訓練一小組額外權重的微調方法。可以把基礎模型想成一台什麼都會拍的攝影機,LoRA 則像換上不同的鏡頭或濾鏡:主機不動,只換外掛,就能讓輸出變快、改變鏡頭運動,或套上特定畫風。
檔案小
H3 主模型 BF16 版 66.3 GB,一個 Turbo LoRA 約 2 GB,風格 LoRA 通常更小。
可以疊加
一個加速 LoRA 加一個風格 LoRA 很常見,疊越多越要降低各自強度。
強度可調
強度(strength)通常在 0.4 到 1.0 之間,太高容易出現破圖或畫面不穩。
02先看顯示卡:主模型要挑哪個版本
LoRA 本身不大,真正決定能不能跑的是主模型。原版 BF16 需要資料中心等級的顯示卡,社群因此做了多種壓縮(量化)版本。下表是 Stable Diffusion Tutorials 整理的參考值:
不同版本的主模型,要多少顯示記憶體?
長條為檔案大小(GB),右側為建議 VRAM
BF16 原版(Comfy-Org)
INT8(Comfy-Org)
剪枝 INT8/FP8(Comfy-Org,21 GB)
GGUF Q3_K_M(社群,15.6 GB)
剪枝 INT4(社群,11.3 GB)
※ 長條以 BF16 的 66.3 GB 為 100%。VRAM 為教學網站的參考值,實際會因解析度、秒數、是否開啟記憶體卸載而不同。
還有文字編碼器要算
除了主模型,還要載入 Qwen3-VL-32B 文字編碼器:BF16 版需要約 32 GB,教學建議 24 GB 顯示卡改用 INT8 版。另外有一種 NVFP4 格式更省,但只支援 NVIDIA Blackwell 世代(RTX 50 系列等)顯示卡。
03在 ComfyUI 載入 LoRA:四個步驟
前提是你已經能用 ComfyUI 跑出 H3 的基礎影片。之後加 LoRA 只要四步:
下載 LoRA
到 LoRA 的 Hugging Face 頁面下載 .safetensors 檔,先確認它對應 FL2VA 還是 Ref2VA。
放進 loras 資料夾
放到 ComfyUI/models/loras,然後重新整理 ComfyUI 讓它讀到新檔案。
加一個 Load LoRA 節點
接在 Load Diffusion Model(GGUF 版是 UNet Loader)後面、KSampler 前面。
照模型頁設定
有觸發詞就放進提示詞,強度和步數先照作者建議值,再慢慢微調。
各種檔案的放置位置整理如下,第一次安裝時可以對照:
有官方工作流就用官方的
不少 LoRA 作者會附上自己的 ComfyUI 工作流(.json),直接拖進 ComfyUI 就能用,取樣器、步數、shift 都已經設好。比自己從頭接線更不容易出錯。
04五大類 LoRA 精選:依你想做的事挑
下面從原文整理的清單中,挑出用途明確、模型頁可以查到的項目,重新分類。名稱可以點進 Hugging Face 頁面,第二行是上傳者帳號。
A.加速:從 29 步縮到 3–8 步
| 名稱 | 用途 | 使用重點 |
|---|---|---|
| 官方 Turbo LoRA Comfy-Org | FL2VA 有 4 步、8 步版;Ref2VA 有 4 步版 | 每個約 1.96 GB,最容易上手 |
| Turbo v1.2 lightx2v | 8 步生成,作者稱提示詞遵循度與清晰度比前版好 | 基礎模型需 29 步 |
| Turbo SLA lightx2v | 加入 85% 稀疏注意力 | 在 RTX 5090 上約快 2.5 倍 |
| Acc LoRAs alibaba-pai | 阿里巴巴用平行解碼蒸餾做的 8 步 LoRA | FL2VA、Ref2VA 各一個,強度 1.0 |
| FastH3 Dense 4-Step Hippotes | 4 步版本 | CFG 1、Euler/Simple;改 8 步聲音較好 |
| TaoMate-H3 3 步 TaoLiveAIGC | 3 步、分段生成的低延遲版本 | 支援 480p、768p、1080p |
| 音畫加速 20→8 tutututututu | 把 20 次運算降到 8 次 | 使用 Euler 取樣器 |
資料:各 Hugging Face 模型頁、Stable Diffusion Tutorials(2026/9)。
B.動作與鏡頭:讓畫面會「拍」
| 名稱 | 用途 | 使用重點 |
|---|---|---|
| Camera Motion Jojocodex | 推近、拉遠、手持跟拍、環繞、空拍等鏡頭運動 | 提示詞開頭寫 camera motion;強度 0.8–1.0,超過 1.2 易不穩 |
| 360° Orbit pablodawson | 繞主體一圈,最後回到起始畫面 | 適合商品展示,用首尾幀模式 |
| Snorricam Nebsh | 把攝影機綁在人身上的特殊視角 | 適合 MV、動作短片 |
| Human Motion vpakarinen | 讓人物肢體動作更自然 | 720×1280、強度 0.4–0.8、15–30 步 |
| Spatial Physics Jojocodex | 碰撞、堆疊、掉落、遮擋等物理互動 | 物品動畫、科普示意 |
| Motion Continuity Repair JOKER141 | 修正動作前後不連貫 | 動作中途跳格時試試 |
| VBVR LiconStudio | 圖生影片時讓物件外觀更一致 | 主角或產品不能變形時使用 |
資料:各 Hugging Face 模型頁、Stable Diffusion Tutorials(2026/9)。
C.風格:一鍵換畫風
| 名稱 | 用途 | 使用重點 |
|---|---|---|
| 3D Animation SOLRICKS | 3D 動畫電影風 | 人物強度 0.8;動物、奇幻、場景用 1.0 |
| Cinematic kirk86413 | 電影感、戲劇性打光 | 需要觸發詞,搭配商業攝影描述 |
| 16-bit 像素風 KennethFal | 超任時代的像素遊戲畫面 | 同作者還有 70 年代卡通、低多邊形、VHS 錄影帶風 |
| Studio 1939 lovis93 | 1930 年代老動畫 | 黑白、手繪質感 |
| Looping Sketch Anime Inner-Reflections | 可循環播放的手繪草稿動畫 | 適合做背景或片頭 |
| Line Art 上色 DiffSynth-Studio | 把動畫線稿上色成影片 | 適合手繪線稿的作品 |
| Anime to Realism LiseTY | 把動漫角色轉成寫實風 | Ref2VA 用 |
資料:各 Hugging Face 模型頁、Stable Diffusion Tutorials(2026/9)。
D.人物與表情
| 名稱 | 用途 | 使用重點 |
|---|---|---|
| Natural Face & Speech vpakarinen | 更自然的臉部與英文口型 | 適合英文對白 |
| Facial Realism CloseUp prithivMLmods | 臉部特寫更寫實 | 近景人像 |
| Age Slider Playtime-AI | 用 LoRA 強度調整人物年齡 | 強度越高、變化越大 |
| Turnaround matlod | 一張圖生成五個一致角度 | 角色設定、商品多角度 |
| Realism People fal | 更寫實的人物 | 一般真人場景 |
資料:各 Hugging Face 模型頁、Stable Diffusion Tutorials(2026/9)。
換臉、換角色類 LoRA 要特別小心
清單裡還有角色替換、換臉、動作轉移類的 LoRA,作者多半標示為實驗性質。H3 授權的可接受使用政策明文禁止未經同意冒充他人,也禁止在公開場合發布未標示的機器生成內容。拿真人做素材前,請先取得本人同意,成品也要清楚標示是 AI 生成。
E.畫質與特殊格式
| 名稱 | 用途 | 使用重點 |
|---|---|---|
| Sharpness Alissonerdx | 提升銳利度 | Ref2VA、FL2VA 都可用 |
| Singularity TenStrip | 整體畫質強化 | 強度 0.5 以下,太高會破圖 |
| Equirectangular 360° shamanic | 輸出 360 度全景影片 | 24 FPS,可用 VR 眼鏡觀看 |
| VR180 左右眼 rehan-fal | 輸出 VR180 立體影片 | 24 FPS |
| RAVEN Streaming mvp-lab | 長時間生成時維持畫質 | 想接續生成長片時用 |
| Latent Upscaler LBH-123-AI | 在潛空間放大解析度 | 不是 LoRA,是獨立的放大模型 |
| Prompt Rewriter 8B lightx2v | 把簡短提示詞擴寫成完整描述 | 是語言模型轉接器,不是影片 LoRA |
資料:各 Hugging Face 模型頁、Stable Diffusion Tutorials(2026/9)。
05怎麼挑:從你的情境出發
| 你的情境 | 建議組合 | 原因 |
|---|---|---|
| 第一次試、顯示卡 16 GB | INT4 或 GGUF 主模型+官方 Turbo 4 步 | 先求跑得動、出得快 |
| 做商品介紹影片 | Turbo+360° Orbit 或 Turnaround | 多角度展示,畫面不易變形 |
| 做課程或科普動畫 | Turbo+3D Animation 或 Spatial Physics | 風格一致,物理動作好理解 |
| 想要電影感短片 | Turbo+Camera Motion+Cinematic | 鏡頭運動加打光,各自強度降到 0.8 左右 |
| 做復古或遊戲風 | 16-bit 像素風、VHS、Studio 1939 | 一個 LoRA 就能換掉整體質感 |
※ 以上為依模型頁說明整理的起點建議,實際效果請先用短秒數測試。
先用一個加速 LoRA 把流程跑順,再一次只加一個風格 LoRA,才知道效果是誰帶來的。
——探教育TempEDU
授權與限制:下載前先讀
有地區限制
H3 社群授權排除歐盟、英國、南韓、美國,在這些地區使用、重製或散布都不在授權範圍。台灣不在排除名單,但出國或替海外客戶製作時要留意。
大公司商用要另外申請
如果你的商業產品或服務年營收超過 2,000 萬美元,要先取得 MiniMax 書面授權。用 H3 做的商業產品,介面上要明顯標示 MiniMax H3。
每個 LoRA 授權不同
例如 Camera Motion 是 Apache-2.0,阿里巴巴的 Acc LoRAs 沿用 H3 社群授權。商用前請逐一看各模型頁的 License 欄位。
實驗性質多
不少 LoRA 標示為實驗版,範例影片也經過壓縮。實際品質要以自己測試為準,2K 重繪模組目前也還沒開源。
先說清楚
本文整理的是授權條款的重點,不是法律意見。授權方是 Nanonoble Pte. Ltd.(即 MiniMax),準據法為香港法律;商業使用請以官方授權全文為準。生成內容的權利,條款寫明 MiniMax 不主張,但使用責任在使用者。
三個步驟開始玩
先跑基礎版
用 ComfyUI 內建的 H3 範本工作流,確認主模型、文字編碼器、兩個 VAE 都能載入。
加一個 Turbo
換上官方 Turbo 8 步,比較生成時間和畫質差多少。
再加一個風格
挑一個本文的風格或鏡頭 LoRA,只改強度,觀察變化。
提示詞寫得好,LoRA 才發揮得出來。下面這段可以貼給 Claude、ChatGPT 或 Gemini,請它幫你寫出含觸發詞的 H3 英文提示詞:
寫提示詞的小技巧
MiniMax 在模型頁附了官方的影片提示詞撰寫指南。常見做法是把鏡頭、主體動作、場景、光線、風格與聲音分開寫清楚;有觸發詞的 LoRA,觸發詞一定要照作者規定的位置放。
本文重點
- MiniMax H3 是 330 億參數的開源影片模型,2026 年 8 月公開權重,能同時生成影片和立體聲音效。
- LoRA 是約 2 GB 以內的外掛,插在載入模型與取樣器之間,可以加速、控制鏡頭或改變畫風。
- 主模型才是硬體門檻:原版需要 80 GB 以上顯示記憶體,社群 INT4、GGUF 版約 12–16 GB 起。
- 加速類 LoRA 能把 29 步縮到 3–8 步,是最值得先裝的一類。
- 授權排除歐盟、英國、南韓、美國,年營收超過 2,000 萬美元要另外申請;每個 LoRA 的授權也要分開看。
想一想
開源影片模型加上社群 LoRA,讓一個人在家就能做出有鏡頭、有配音的短片。如果每個人都做得出逼真的影片,觀眾該怎麼判斷影片是真的?創作者又該負起哪些責任?
資料來源
- Stable Diffusion Tutorials(2026/9/5)。52 MiniMax H3 LoRA Models
- Stable Diffusion Tutorials(2026/8/3)。MiniMax H3:基礎模型、量化版本與 ComfyUI 工作流
- MiniMax(Hugging Face)。MiniMaxAI/MiniMax-H3 模型頁
- MiniMax(2026/8/2)。MiniMax H3 Community License Agreement
- RunPod(2026/8)。MiniMax H3: The Open-Weight Omni-Modal Video Model
- ComfyUI Wiki(2026/8/3)。MiniMax H3 Open Weights Download: FL2VA and Ref2VA for ComfyUI
- Comfy-Org(Hugging Face)。MiniMax-H3 官方 LoRA 資料夾
- LightX2V(Hugging Face)。Minimax-h3-Turbo
- Alibaba PAI(Hugging Face)。MiniMax-H3-Acc-LoRAs
- Jojocodex(Hugging Face)。minimax-h3-Camera-Motion-lora
本文封面插圖為 AI 生成的示意圖;圖 1 為程式繪製的示意圖。各 LoRA 的用途與建議值整理自作者模型頁與 Stable Diffusion Tutorials,未逐一實測。
Edit with Tr.Bug
Follow me on:LinkedIn | 探教育TempEDU

