MiniMax H3 LoRA 整理:加速、鏡頭、風格怎麼挑,ComfyUI 載入步驟與授權重點

MiniMax H3 LoRA 整理:加速、鏡頭、風格怎麼挑(文章封面)

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-32BApache 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。

1

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。

2

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。

3

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。

基礎模型負責「會拍片」,LoRA 負責「拍成什麼樣子」載入模型H3 主模型約 11–66 GB加速 LoRA29 步變 4–8 步每個約 2 GB風格/鏡頭LoRA(可疊加)強度 0.5–1.0取樣器KSampler設定步數解碼輸出影片+立體聲24 FPS只換 LoRA,不用重新下載主模型同時疊兩三個時,各自降低強度LoRA 要對應同一種檢查點(FL2VA 或 Ref2VA)
圖 1 LoRA 插在「載入模型」和「取樣器」之間,可以一次串好幾個

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)

80 GB+

INT8(Comfy-Org)

40 GB+

剪枝 INT8/FP8(Comfy-Org,21 GB)

24–32 GB

GGUF Q3_K_M(社群,15.6 GB)

16 GB+

剪枝 INT4(社群,11.3 GB)

12–16 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:

1

下載 LoRA

到 LoRA 的 Hugging Face 頁面下載 .safetensors 檔,先確認它對應 FL2VA 還是 Ref2VA。

2

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。

3

加一個 Load LoRA 節點

接在 Load Diffusion Model(GGUF 版是 UNet Loader)後面、KSampler 前面。

4

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:

ComfyUI 資料夾對照

ComfyUI/
└─ models/
   ├─ diffusion_models/   ← H3 主模型(.safetensors)
   ├─ unet/               ← GGUF 版主模型(需 ComfyUI-GGUF 外掛)
   ├─ text_encoders/      ← Qwen3-VL-32B 文字編碼器
   ├─ vae/                ← 影片 VAE+音訊 VAE(兩個都要)
   └─ loras/              ← 本文介紹的所有 LoRA

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 LoRAFL2VA、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 GBINT4 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

1

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。

2

加一個 Turbo

換上官方 Turbo 8 步,比較生成時間和畫質差多少。

3

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:

提示詞/H3 影片提示詞助理

你是 AI 影片提示詞助理。我要用 MiniMax H3 在 ComfyUI 生成一段影片,請幫我寫提示詞。
規格:16:9、768p、長度 8 秒、24 FPS,會同時生成音效。
我會使用這些 LoRA:
- 加速:官方 Turbo 8 步
- 鏡頭:Camera Motion(觸發詞 camera motion,必須放在提示詞最前面)
畫面內容:(用一兩句話描述你想要的畫面,例如:清晨的台灣老街,一位學生騎腳踏車經過早餐店)

請依照下面格式輸出:
1. 英文提示詞一段:以 camera motion 開頭,依序寫鏡頭運動、主角動作、場景、光線、畫面風格,最後寫環境音與音效。
2. 繁體中文翻譯,讓我確認意思。
3. 建議的 LoRA 強度:Turbo 1.0、Camera Motion 0.8 到 1.0,並說明為什麼。
4. 如果畫面不穩,我可以先調整哪兩個設定。

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

  1. 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。
  2. 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。
  3. 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。
  4. 加速類 LoRA 能把 29 步縮到 3–8 步,是最值得先裝的一類。
  5. 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

  1. Stable Diffusion Tutorials(2026/9/5)。52 MiniMax H3 LoRA Models
  2. Stable Diffusion Tutorials(2026/8/3)。MiniMax H3:基礎模型、量化版本與 ComfyUI 工作流
  3. MiniMax(Hugging Face)。MiniMaxAI/MiniMax-H3 模型頁
  4. MiniMax(2026/8/2)。MiniMax H3 Community License Agreement
  5. RunPod(2026/8)。MiniMax H3: The Open-Weight Omni-Modal Video Model
  6. ComfyUI Wiki(2026/8/3)。MiniMax H3 Open Weights Download: FL2VA and Ref2VA for ComfyUI
  7. Comfy-Org(Hugging Face)。MiniMax-H3 官方 LoRA 資料夾
  8. LightX2V(Hugging Face)。Minimax-h3-Turbo
  9. Alibaba PAI(Hugging Face)。MiniMax-H3-Acc-LoRAs
  10. 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