MiniMax H3 Prompt Rewriter LoRA：本地 ComfyUI T2VA 提示词重写

Lightx2v 团队发布了 MiniMax-H3-Prompt-Rewriter-LoRA（Hugging Face），这是一个在 Qwen3.6-27B 上微调的 LoRA 适配器，可将简短提示词重写为 MiniMax H3 所需的结构化音视频描述。它是 MiniMax 托管的 Context-IR 提示词工作流的本地替代方案：输入提示词以及宽高比和时长，即可输出逐镜头的 integrated_multimodal_description、overall_soundscape 和 non_diegetic_music 代码块，可直接用于 H3 生成。

ComfyUI 中的提示词重写节点：输入简短提示词，输出结构化的逐镜头描述、音景和音乐。

功能简介

该适配器可将简短提示词以及所需的宽高比和时长转换为结构化的 H3 音视频描述：

Original prompt + aspect ratio + duration
                    │
                    ▼
          Qwen3.6-27B + this LoRA
                    │
                    ▼
integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...

重写会扩展镜头结构、时间安排、构图、相机运动、物理动作和连续性，并在保留原始意图的同时，添加同步的剧情声音和非剧情音乐。当前版本支持纯文本 T2VA 重写；首帧/尾帧生视频（FL2VA）和参考生视频（Ref2VA）重写已列入路线图。请注意，它是对官方 H3-Context-IR 服务的一种基于学习的近似实现，而非精确复刻。

ComfyUI 节点

社区成员 pytraveler 将 LoRA 打包为 MiniMax-H3-Prompt-Rewriter-ComfyUI（GitHub），可通过 ComfyUI-Manager 安装，或克隆到 ComfyUI/custom_nodes/ 目录中。该节点包包含三个节点分组：

• 重写器节点：运行带有 LoRA 的 Qwen3.6-27B，是重写格式的参考实现
• 写入器节点：可从任何可遵循指令的 GGUF 生成相同的结构化输出，覆盖 T2VA、I2VA、FL2VA、L2VA 和 Ref2VA，下载量约 2.6 GB，VRAM 约 5 GB
• 参考描述 / 多参考描述节点：将图像、音频片段或视频转换为写入器节点所需的描述文本

硬件要求

LoRA 方案需要加载一个 270 亿参数的基础模型：约需 16 GB VRAM（nf4 量化），int8 下约 28 GB，或通过 GGUF 量化配合层卸载（layer offloading）压缩至 13 至 19 GB。社区已经在呼吁 Lightx2v 推出 4B/8B 变体，以降低使用门槛。

获取方式

该 LoRA 是一个文本侧适配器：它只负责重写提示词，不包含 MiniMax-H3 生成器的权重。可将其与 LightX2V 推理或上述 ComfyUI 节点包配合使用；重写后的提示词会照常输入 MiniMax-H3。27B 基础模型会在首次使用时从 Hugging Face 下载。

对比

下面的视频在相同的推理设置下对比了同一个 MiniMax-H3 检查点；只有提示词重写方法不同：原始提示词（不重写）对比使用 H3-T2VA Context Rewriter LoRA 的 Qwen3.6-27B。