MiniMax H3 锐度 LoRA：视频细节恢复指南

ComfyUI Wikinews

Alissonerdx 的 H3 锐度 LoRA 通过同分辨率 v2v 处理恢复清晰细节：guide latent 条件、单个 1.2 GB 文件，并附带原生 ComfyUI 工作流。

一款面向 MiniMax H3 的全新锐度 LoRA 为视频细节增强开辟了另一条路径：它不做图像放大，而是运行一次同分辨率 v2v 处理，把清晰、照片级的细节重新加回偏软或过度平滑的 H3 输出中。这款 LoRA 名为 minimax_h3_lms_v1.0_r64，由社区训练者 Alissonerdx 在 Hugging Face 上训练并发布，上线头几天就收获了 70 多个点赞和 1,300 次下载，成为 H3 社区讨论最多的工具之一。

之前：标准 H3 输出之后：锐度 LoRA 处理
之前之后
之前：标准 H3 输出之后：锐度 LoRA 处理
之前之后

工作原理：guide latent，而非参考视频

这个 rank-64 LoRA 通过 guide latent 来对源视频施加条件，而不是使用模型原生的参考视频节点。源片段经 VAE 编码后，作为与目标时间线对齐的条件块打包进 transformer 的序列中：相同的时间原点、相同的空间网格，并且不会推进参考时钟。这与 LTX 上的视频 LoRA 所采用的 in-context 排布方式相同，它把像素级对应关系直接交给模型，而不是让模型自己去搜索。

实际影响如下：

  • Guide 以接近干净的状态训练（约 0.1% 的噪波增强），而目标则按常规加噪，因此模型学到的是从源到目标的映射，而不是对两者同时去噪
  • 文本编码器从未看到 guide，只看到提示词
  • Guide 与目标必须落在合法的片段长度上（17k + 5 帧：5、22、39、56……）且分辨率相同
  • Guide 更短或尺寸不同都会破坏对齐

在 ComfyUI 中，这会用到 ComfyUI 自带 H3 支持中的原生 MiniMaxH3AddGuide 节点（frame_idx = 0），因此条件路径无需额外安装任何东西。该 LoRA 专门针对 ref2va 变体训练，主要用途是作为已生成片段的第二遍处理，不过也可用于直接生成。

社区结果

这款 LoRA 在发布前后都在 Banodoco Discord 上流传，测试者们总结出了一些使用要点：

  • 它不是放大工具：锐化在源视频相同分辨率下生效，所以如果你需要更多像素，请搭配图像放大工作流
  • 强度设为 0.8 左右可让皮肤和纹理保持自然；两遍都推到 1.0 会过于极端
  • 它必须配合 Add Guide 节点才能工作，因为训练依赖 guide latent
  • 根据其他训练者的跨模型测试，它也能以 LTX 风格的条件在 H3 上作为细节处理遍使用

训练者 NRDX 发布的第二款实验性锐度 LoRA 采用了类似的构建方式，在强度 1 下表现出相近的极端锐化效果，印证了 guide latent 方案在这类任务上确实有效。

官方工作流接入了来自 ostris/ComfyUI-AIToolkit-MiniMaxH3 的 AIToolkitMiniMaxH3RefVideo 作为 guide 输入。如果你不想添加这个自定义节点，任何能接入 Add Guide 的调整大小步骤都可以，因为 ostris 的节点只是在 guide 编码前对片段做调整大小。

获取方式

评论

使用 GitHub 登录后即可参与讨论。

评论加载中…
MiniMax H3 锐度 LoRA：视频细节恢复指南 | ComfyUI Wiki