/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
MiniMax-H3
Опубликована
16 авг 2026

MiniMax-H3-ref2va-fl2va-hybrid-w4a8

Видео из изображенияИзображение, текст → видео3 профессии

Гибридная 4-битная модель MiniMax-H3 для генерации видео по первому кадру с одновременным управлением персонажем, сценой или стилем через референсные изображения.

13 757скачиваний за 30 дней10лайковвеса обновлены10 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MiniMax-H3-fl2va-ref2va-hybrid-w4a8 — гибридный чекпойнт на основе MiniMax-H3, созданный автором berryber09. Он объединяет в одной модели условие по первому кадру и управление через референсные изображения: первый кадр задаёт временную опору, а референс помогает сохранить личность персонажа, сцену или стиль и ввести их в нужный момент ролика. Модель предназначена для генерации видео по изображению в ComfyUI.

Чекпойнт собран сшивкой блоков двух вариантов MiniMax-H3: входные и выходные головы, а также блоки 0–19 взяты из fl2va, блоки 20–49 — из ref2va. Веса имеют смешанную 4-битную квантизацию w4a8_mixed, размер файла около 12,5 ГБ; автор сообщает о загрузке на видеокарту с 16 ГБ памяти. Модель маршрутизируется в ComfyUI как ref2va и поддерживает одновременное использование первого кадра и референсных изображений.

Качество базовой генерации немного ниже, чем у варианта с большим числом блоков fl2va, зато гибрид сильнее ориентирован на соответствие референсам. Ограничения включают компромисс между качеством и точностью следования референсу, а также необходимость подходящей конфигурации ComfyUI. Лицензия унаследована от MiniMax-H3 и обозначена в метаданных как other.

Сценарии применения

  • создание ролика с заданным первым кадром и персонажем с референса
  • генерация видео с сохранением внешности персонажа из изображения-образца
  • создание сцены, продолжающей заданный ключевой кадр
  • управление стилем или сценой видеоролика с помощью референсного изображения
  • генерация видео в ComfyUI на видеокарте с 16 ГБ памяти

Ограничения

Гибрид смещён в сторону соответствия референсам и может уступать варианту fl2va по базовому качеству; компромисс зависит от пропорции блоков. Для запуска требуется конфигурация ComfyUI, совместимая со смешанной квантизацией w4a8.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax-H3 · fl2va × ref2va Hybrid (w4a8, b20-49)

A 4-bit (w4a8_mixed) block-splice hybrid of MiniMax-H3 that combines the first/last-frame keyframe model (fl2va) with the reference-conditioning model (ref2va) in a single checkpoint — so one gen can be driven by a first frame and use reference images at the same time.

~12.5 GB on disk — 4-bit (w4a8_mixed); fits a 16 GB card with headroom.

Why

  • fl2va — first/last-frame keyframe conditioning, higher visual/audio quality. No reference slots.
  • ref2va — image/video/audio reference conditioning (subject/scene/style). Lower base quality.

Neither alone can do "open on this frame, and have this person walk in later." The hybrid can: the first frame stays a hard temporal anchor while the reference supplies a subject's identity that the model can introduce anywhere in the clip.

Recipe (b20-49)

Whole-block splice of the two official-derived w4a8 checkpoints:

PartSource
Input/output heads + all non-block tensorsfl2va
Transformer blocks 0–19fl2va
Transformer blocks 20–49ref2va

b20-49 leans toward reference adherence (30 of 50 blocks from ref2va) at a small cost to base quality — a good pick when the reference is mandatory. The quality↔reference spectrum, most-quality → most-reference: b30-49 → b25-49 → b20-49 → b15-49.

Per-layer quant metadata is merged correctly: fl2va's _quantization_metadata is kept only for the fl2va-sourced layers; the ref2va blocks carry their own comfy_quant tensors. Verified to load in ComfyUI (Detected mixed precision quantization).

Usage (ComfyUI)

Place in ComfyUI/models/diffusion_models/. It routes as a ref2va model, so both paths are active:

  • first_frame / last_frame reference → wired as a keyframe (MiniMaxH3AddKeyframes) — hard-anchors that frame.
  • subject / scene / style reference → wired into MiniMaxH3ReferenceToVideo — identity/style conditioning, not frame-locked.

Both can be supplied in one generation.

Credit

Inherits the MiniMax-H3 license.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
49b6b5c

0 моделей