MiniMax H3 FaceSwap LoRA：替换任意参考视频中的人物

左：提供新身份的控制图像。右：使用它生成输出视频中的一帧。

LoRA 改变了什么

在 MiniMax H3 上做人脸替换，通常意味着要强行让整套参考图像脱离其训练时的行为：ref2va 变体本身已接受参考图像，但它用这些图像来引导外观、服装和场景，而不是覆盖片中的演员。这个适配器把任务收窄到人脸。你输入想要保留的视频片段，以及一张或多张新身份的参考图像，再用一个触发词 Faceswap 告诉采样器何时执行替换。

模型卡片中的实用信息：

• 为 ref2va 训练。 它作用在参考生视频与音频的 H3 权重之上，而非 fl2va 分支。
• 一个触发词 Faceswap，强度 1.0。
• 剪枝适配器。 低于作者阈值的模块会从 safetensors 文件中移除，这让下载体积保持在 63 MB，用作者的话说就是“更少的 LoRA 伪影，强度与训练基座一致”。
• 支持多张参考。 随附的工作流包含三个参考图像加载器，并注明该节点“支持单张或多张参考图像”。

已发布的演示片段都是三分屏对比，标签直接烧录在画面中：左侧为控制图像，中间为参考视频，右侧为替换后的输出。

在 ComfyUI 中运行

仓库提供 SS_FaceSwap_MiniMax REF2V.json，这是一个前端格式的工作流，基于作者自己的 CRT-Nodes 节点包，外加 ComfyUI-VideoHelperSuite 用于视频的加载与封装：

1. 安装 CRT-Nodes（在 ComfyUI Manager 中显示为 CRT-Nodes）和 ComfyUI-VideoHelperSuite，然后重新启动 ComfyUI。
2. 从模型仓库下载 SS_FaceSwap_MiniMax_H3_REF2VA.safetensors，放入 ComfyUI/models/loras/MiniMaxH3/SS_FaceSwap/，这正是工作流预期的路径。
3. 打开工作流，在 VHS 视频加载器中载入来源视频，把新身份图像放入参考图像加载器，并在提示词中写入 Faceswap。

示例工作流通过 LoraLoaderModelOnly 以强度 1.0 接入该 LoRA，旁边第二个槽位放着一个 8 步的 Ref2VA turbo LoRA，因此演示片段能以加速的步数渲染。它的采样器是 CRT 的 MiniMaxH3UnifiedSampler，使用 R2V 模式和该节点包的“Balanced (recommended)”预设；与模型一同发布的对比视频标注为 0.7 strength。checkpoint、文本编码器和 VAE 槽位分别指向剪枝 int8 convrot ref2va 基座、nvfp4 Qwen3-VL 32B 文本编码器，以及 H3 独立的 int8 视频 VAE 和 fp32 音频 VAE。

触发词只是条件的一半：该适配器训练的目的就是从参考图像中获取身份，所以视频片段本身的主体保留动作、时间、构图和音频，只有人脸被替换。

模型卡片中的示例

被迁移的身份不一定非得是人。在第二个公布的对比示例中，一只黑猫提供了人脸，结果落在来源视频中的主持人身上：

左侧为控制图像，中间为参考视频，右侧为输出。

控制图像、参考视频以及 0.7 强度下的输出，音频保留自来源视频。

同一套流程用于把猫的身份迁移到演播室主持人身上。

可用性

• 模型卡片与权重：UntMods/FaceSwap_MiniMaxH3_REF2VA
• 工作流 JSON：SS_FaceSwap_MiniMax REF2V.json
• 节点包：PGCRT/CRT-Nodes

该链接于 9 月 19 日在 Banodoco 的 #minimax_h3_chatter 中分享，模型卡片在最初几天里已收获超过 55 个赞。公布的演示均为训练者自己的片段；截至撰写时还没有第三方测试结果出现。