Open-H3-Regenerate-2K：MiniMax H3 的开源 4K 精修方案

Open-H3-Regenerate-2K 是 NVlabs Sana 团队为 MiniMax 的 H3-Regenerate-2K 阶段提供的开源替代方案。该阶段是 H3 pipeline 的后半部分，负责将已完成的 768P 草稿重绘到更高分辨率。托管版本的这个阶段并不公开权重，因此团队在冻结的 H3 transformer 与视频 VAE 之上，将其重建为单个精修 LoRA，并把权重发布在 Hugging Face 上，同时提供代码与项目主页。

该精修器接收 384P、512P、576P 或 768P 的草稿，输出原生 768P、1080P、2K（2560x1440）或 4K（3840x2160）、时长 5 至 15 秒的视频片段，仅需三个去噪步，而非完整的采样流程。默认情况下，它使用来自 StreamRender-H3 的 24 层快速 H3 VAE 进行解码，而不是已发布的解码器。

同一画面、同一窗口，取自项目自带的对比图集，将官方 H3-Regenerate-2K API 的裁剪图与开源精修器的结果并排呈现。来源：项目主页

精修器替代了什么

H3 采用两阶段生成：基础模型先在低分辨率下确定内容与运动，随后由重绘阶段在全尺寸下重绘人脸、织物、毛发和植被。八月只发布了第一阶段的权重；第二阶段以托管 API 的形式存在，接收未经修改的 H3 768P 输出并返回 2K 结果。

Open-H3-Regenerate-2K 沿用同样的拆分方式，并将第二阶段开源。输入并不局限于 H3 基础模型：该项目演示了由 LTX-2 和 SANA-Video 在 1024x576 下生成的草稿，精修器会将这些草稿的布局、颜色和运动迁移到更大的网格上。

三个步如何完成工作

草稿只编码一次，随后由 3D 卷积 latent 上采样器将 latent 直接放大到目标网格，中间无需解码与重编码。放大后的 latent 被重新加噪至 sigma 0.909，并以三个 Euler 步（0.909、0.857、0.667 至 0）去噪，同时关闭 classifier-free guidance，因此每一步都是全分辨率下的一次 transformer 调用。

三个 adapter 共同承担少步行为，发布版本通过沿 rank 轴拼接各自的因子，将它们合并为单个文件：

• Open-H3 精修器本身，第 5000 步 EMA，rank 384
• LightX2V FL2VA Turbo v1.2，rank 128
• LMS Sharp v1.0，rank 64

合并后的 LoRA 在 312 个线性层上为 rank 576，以 FP32 存储，并与 Sharp 的时间步曲线分支并列，这些分支被保留为独立模块，因为它们读取的是 8 维曲线而非层输入。项目的合并校验显示，合并后的 delta 与三个独立 adapter 的相对误差为 2.2e-8。

速度与基准测试

团队在单张 B200 上测量了一段 5 秒视频，从 768P latent 到 2560x1440，预热后取三次运行的中位数。使用 SoL-Engine 前向与快速 VAE 解码器时，latent 上采样、三个精修步和 VAE 解码共耗时 22.45 秒；而使用标准 diffusers 前向搭配已发布解码器则需 87.26 秒。性能提升主要来自跳过解码与重编码：快速解码器处理 2K 片段只需 1.58 秒，而非约 15 秒。

在 RefinerBench-150 上，两套系统均以 2560x1440 运行，团队报告其在全部三个 UniPercept 维度以及 VBench 的美学质量、成像质量和主体一致性上均获得高于官方 API 的分数。在一项包含 200 次判断的盲测研究中，开源精修器的偏好率为 87%。

来自同一对比图集的第二组裁剪对比。来源：项目主页

可用性

该精修器目前没有官方 ComfyUI 节点。参考实现是 Sana 仓库中的 Python CLI（Linux、Python 3.11、PyTorch 2.11 与 CUDA 13.0），download.py 辅助脚本会拉取权重、合并后的 LoRA、latent 上采样器和快速 VAE 解码器。

ComfyUI 用户已自行完成移植：Kijai 将精修器单独发布为 rank 384 的 LoRA，以便与其他蒸馏模型搭配使用；完整适配版 LoRA 的社区转换版本也已出现在 Hugging Face 上（father558、DrakenZA）。转换者指出，直接转换会得到错误的权重，因为 Diffusers 布局需要经过 SwiGLU 变换，所以未做该步骤的转换结果会表现为损坏。

仓库中列出了精修器 LoRA、快速 VAE 解码器（1.62B 参数）以及一份未修改的 H3 Diffusers 组件副本，因此完整的 768P 到 2K 路径无需 MiniMax API 即可运行。