Extensor de prompts Gemma-4 de Wuli para MiniMax H3 en ComfyUI

ComfyUI Wikinews

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 H3CubreQué añade el extensor
FL2VAT2VA, I2VA, L2VA, FL2VAescena, acción, movimiento de cámara, sonido, restricciones de fotograma
Ref2VAgeneración condicionada por referenciasdefiniciones de sujeto, roles de las referencias, qué conservar

Cómo ejecutarlo

  1. Coloca gemma4_12b_h3_pe_fp8_scaled.safetensors (13.0 GB) o el archivo int8 en ComfyUI/models/text_encoders/. El archivo bf16 pesa 23.9 GB.
  2. Arrastra el flujo de trabajo correspondiente al lienzo: FL2VA o Ref2VA. Son alternativas, no dos etapas.
  3. 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.
El prompt mejorado vuelve en inglés incluso cuando escribes la solicitud en chino. La tarjeta del modelo indica zh y en como sus idiomas.

Requisito de versión: una compilación de ComfyUI con TextGenerateV2 y soporte de text encoder de Gemma-4. La v0.46.0 tiene ambos.

Descargas

ArchivoTamañoDónde se coloca
gemma4_12b_h3_pe_fp8_scaled.safetensors13.0 GBmodels/text_encoders/
gemma4_12b_h3_pe_int8.safetensors13.0 GBmodels/text_encoders/
gemma4_12b_h3_pe_bf16.safetensors23.9 GBmodels/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 de promptPE oficial de MiniMaxExtensor Gemma-4-12B
Sin extensiónPE oficial de MiniMaxExtensor 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

Comentarios

Inicia sesión con GitHub para unirte a la conversación.

Cargando comentarios…
Extensor de prompts Gemma-4 de Wuli para MiniMax H3 en ComfyUI | ComfyUI Wiki