LoRA de netteté MiniMax H3 : récupération des détails en vidéo

Un nouveau LoRA de netteté pour MiniMax H3 emprunte une autre voie pour améliorer les détails vidéo : au lieu de faire de la mise à l'échelle, il exécute une passe v2v à résolution identique qui réinjecte des détails nets et photoréalistes dans une sortie H3 douce ou trop lissée. Le LoRA, minimax_h3_lms_v1.0_r64, a été entraîné et publié par Alissonerdx, entraîneur de la communauté, sur Hugging Face, où il a récolté plus de 70 likes et 1 300 téléchargements dans ses premiers jours, devenant l'un des outils les plus commentés de la communauté H3.

Comment ça marche : des latents guides, pas une vidéo de référence

Le LoRA de rang 64 se conditionne sur la vidéo source via des latents guides plutôt que par le nœud natif de vidéo de référence du modèle. Le clip source est encodé en VAE et intégré dans la séquence du transformer comme un bloc de conditionnement aligné sur la timeline cible : même origine temporelle, même grille spatiale, et il ne fait pas avancer l'horloge de référence. C'est la même disposition en contexte que celle utilisée par les LoRA vidéo sur LTX : la correspondance au niveau du pixel est fournie directement au modèle au lieu de lui demander de la rechercher.

Conséquences pratiques :

• Le guide est entraîné quasi propre (environ 0,1 % d'augmentation de bruit) tandis que la cible est bruitée normalement : le modèle apprend donc une correspondance source-cible plutôt qu'un débruitage des deux
• L'encodeur de texte ne voit jamais le guide, seulement la légende
• Le guide et la cible doivent respecter des longueurs de clip valides (17k + 5 images : 5, 22, 39, 56...) à la même résolution
• Un guide plus court ou de taille différente casse l'alignement

Dans ComfyUI, cela utilise le nœud natif MiniMaxH3AddGuide (frame_idx = 0) fourni avec le support H3 de ComfyUI : rien de supplémentaire à installer pour le chemin de conditionnement. Le LoRA a été entraîné spécifiquement pour la variante ref2va et est principalement conçu comme une seconde passe sur des clips déjà générés, même s'il peut aussi servir à la génération directe.

Résultats de la communauté

Le LoRA a circulé sur le Discord Banodoco avant et après sa sortie, où les testeurs ont convergé vers quelques notes d'usage :

• Ce n'est pas un upscaler : la netteté s'applique à la même résolution que la source ; associez-le donc à un flux de travail de mise à l'échelle si vous avez besoin de plus de pixels
• Une force autour de 0,8 préserve l'aspect naturel des peaux et des textures ; pousser à 1,0 sur les deux passes donne un rendu extrême
• Il nécessite le nœud Add Guide pour fonctionner, car l'entraînement reposait sur les latents guides
• D'après les tests inter-modèles d'autres entraîneurs, il fonctionne aussi sur H3 comme passe de détails avec un conditionnement de style LTX

Un second LoRA de netteté expérimental, signé NRDX, repose sur une construction similaire et affiche un renforcement extrême comparable à une force de 1, confirmant que l'approche par latents guides fonctionne pour cette classe de tâches.

Télécharger le flux de travail du LoRA de netteté H3

Le flux de travail officiel intègre AIToolkitMiniMaxH3RefVideo de ostris/ComfyUI-AIToolkit-MiniMaxH3 pour l'entrée guide. Si vous préférez ne pas ajouter ce nœud personnalisé, n'importe quelle étape de redimensionnement alimentant Add Guide convient, car le nœud d'ostris ne fait que redimensionner le clip avant l'encodage du guide.

Disponibilité

• LoRA : Alissonerdx/Minimax-H3-ComfyUI sur Hugging Face, loras/minimax_h3_lms_v1.0_r64.safetensors (1,2 Go, Apache-2.0)
• Flux de travail : inclus dans le même dépôt sous workflows/
• Modèle de base : poids ComfyUI Comfy-Org/MiniMax-H3