Extensor de prompts Gemma-4 de Wuli para MiniMax H3 en ComfyUI
Wuli-Art ajustó Gemma-4-12B como extensor de prompts para MiniMax H3: un solo conjunto de pesos para FL2VA y Ref2VA, fp8 de 13 GB y dos flujos de ComfyUI.
Wuli-Art publicó Gemma4-for-MiniMax-H3-Prompt-Extend el 2026-11-16: un fine-tune de Gemma-4-12B que reescribe una idea simple y la convierte en el prompt audiovisual que MiniMax H3 espera. Incluye pesos en bf16, fp8 e int8, además de dos flujos de trabajo de ComfyUI, y esos gráficos usan solo nodos del núcleo.
Qué hace
Un prompt de H3 es un único bloque que debe contener el plano, la acción a lo largo del tiempo, el movimiento de cámara y el paisaje sonoro. Escribir eso a mano es la parte lenta. Este modelo lo redacta a partir de tu frase más los fotogramas o referencias que ya tengas cargados.
Un solo conjunto de pesos sirve para ambos formatos de entrada, así que no necesitas un extensor distinto para el trabajo con primer/último fotograma y para el trabajo con referencias.
| Formato de entrada de H3 | Cubre | Qué añade el extensor |
|---|---|---|
| FL2VA | T2VA, I2VA, L2VA, FL2VA | escena, acción, movimiento de cámara, sonido, restricciones de fotograma |
| Ref2VA | generación condicionada por referencias | definiciones de sujeto, roles de las referencias, qué conservar |
Cómo ejecutarlo
- Coloca
gemma4_12b_h3_pe_fp8_scaled.safetensors(13.0 GB) o el archivo int8 enComfyUI/models/text_encoders/. El archivo bf16 pesa 23.9 GB. - Arrastra el flujo de trabajo correspondiente al lienzo: FL2VA o Ref2VA. Son alternativas, no dos etapas.
- Apunta los cargadores de UNET, text encoder, VAE y LoRA a tus propios archivos de H3, escribe el prompt y ejecuta. La salida es texto, que luego alimentas a tu gráfico H3 habitual.
Requisito de versión: una compilación de ComfyUI con TextGenerateV2 y soporte de text encoder de Gemma-4. La v0.46.0 tiene ambos.
Descargas
| Archivo | Tamaño | Dónde se coloca |
|---|---|---|
gemma4_12b_h3_pe_fp8_scaled.safetensors | 13.0 GB | models/text_encoders/ |
gemma4_12b_h3_pe_int8.safetensors | 13.0 GB | models/text_encoders/ |
gemma4_12b_h3_pe_bf16.safetensors | 23.9 GB | models/text_encoders/ |
Comparado con los otros generadores de prompts
La demo de la tarjeta del modelo ejecuta cinco configuraciones sobre las mismas entradas: sin extensión, Gemma-4-12B sin ajuste, el PE oficial de MiniMax, el reescritor de lightx2v y este modelo. El caso 04 parte de una sola línea en chino de 31 caracteres sobre dos grullas peleando, más un primer fotograma.
![]() | ![]() | ![]() |
|---|---|---|
| Sin extensión | PE oficial de MiniMax | Extensor Gemma-4-12B |
La longitud es la diferencia visible. En este caso, la base Gemma-4 sin ajuste escribió 1,097 caracteres, el reescritor de lightx2v 1,180, este modelo 2,102 y el PE oficial 4,296.
Una muestra de 5 segundos a 1024×768 generada a partir del prompt de este extensor.
Disponibilidad
- Pesos: Hugging Face · ModelScope
- Comparación de cinco vías con 45 clips: página de demos de Wuli
- Lanzamiento anterior de H3 de Wuli-Art: MiniMax-H3-Turbo



Comentarios
Inicia sesión con GitHub para unirte a la conversación.