MiniMax H3 Sharpness LoRA：動画のディテールを復元するガイド

MiniMax H3 向けの新しいシャープネスLoRAは、動画のディテール強調において異なるルートを取ります。アップスケーリングではなく、同一解像度のv2vパスを実行し、ぼやけた、あるいは過度に平滑化されたH3の出力に鮮明でフォトリアルなディテールを戻します。このLoRA minimax_h3_lms_v1.0_r64 は、コミュニティのトレーナー Alissonerdx が Hugging Face でトレーニングして公開したもので、最初の数日で70以上のいいねと1,300ダウンロードを集め、H3コミュニティで最も議論されているツールのひとつとなっています。

仕組み：参照動画ではなくガイド潜在

ランク64のLoRAは、モデル標準の参照動画ノードではなく、ガイド潜在を通じてソース動画を条件付けします。ソースクリップはVAEエンコードされ、ターゲットのタイムラインに整列した条件付けブロックとしてtransformerのシーケンスにパッキングされます。時間的な起点は同じ、空間グリッドも同じで、参照クロックを進めることはありません。これはLTXの動画LoRAで使われているのと同じインコンテキスト配置であり、モデルに対応関係を検索させるのではなく、ピクセルレベルの対応を直接与えます。

実用上の影響：

• ガイドはほぼクリーンな状態（約0.1%のノイズ拡張）でトレーニングされ、ターゲットには通常どおりノイズが付加されるため、モデルは両方のノイズ除去ではなく、ソースからターゲットへのマッピングを学習します
• テキストエンコーダーはガイドを一切見ず、キャプションのみを見ます
• ガイドとターゲットは、同じ解像度で有効なクリップ長（17k + 5 フレーム：5、22、39、56...）に収まる必要があります
• より短い、あるいはサイズの異なるガイドは整列を壊します

ComfyUIでは、ComfyUI自体のH3サポートに含まれるネイティブの MiniMaxH3AddGuide ノード（frame_idx = 0）を使用するため、条件付けの経路に追加でインストールするものはありません。このLoRAは ref2va バリアント専用にトレーニングされており、主に生成済みクリップに対する2回目のパスとして使うことを想定していますが、直接生成にも使用できます。

コミュニティでの結果

このLoRAはリリース前後でBanodoco Discordに出回り、テスターたちはいくつかの使用上の注意点に収束しました：

• アップスケーラーではありません。シャープ化はソースと同じ解像度で機能するため、より多くのピクセルが必要な場合はアップスケールのワークフローと組み合わせてください
• strengthは0.8付近で肌やテクスチャが自然に保たれます。両方のパスで1.0まで上げると極端になります
• トレーニングがガイド潜在に依存しているため、動作にはAdd Guideノードが必要です
• 他のトレーナーによるクロスモデルテストによれば、LTXスタイルの条件付けを用いたディテールパスとしてもH3上で動作します

トレーナーNRDXによる2つ目の実験的なシャープネスLoRAも同様の構成を踏襲し、strength 1で同等の極端なシャープ化を示しており、ガイド潜在アプローチがこのタスククラスで機能することを裏付けています。

H3シャープネスLoRAワークフローをダウンロード

公式ワークフローでは、ガイド入力のために ostris/ComfyUI-AIToolkit-MiniMaxH3 の AIToolkitMiniMaxH3RefVideo を接続しています。そのカスタムノードを追加したくない場合は、Add Guide に入力する任意のリサイズ処理で問題ありません。ostrisのノードはガイドのエンコード前にクリップをリサイズするだけだからです。

入手先

• LoRA：Hugging Faceの Alissonerdx/Minimax-H3-ComfyUI、loras/minimax_h3_lms_v1.0_r64.safetensors（1.2 GB、Apache-2.0）
• ワークフロー：同じリポジトリの workflows/ 以下に同梱
• ベースモデル：Comfy-Org/MiniMax-H3 のComfyUIウェイト