Open-H3-Regenerate-2K-IC：把 H3 草稿提升到 2K，同时保住人脸和文字

Open-H3-Regenerate-2K-IC 是 NVlabs 开放版 MiniMax H3 精修器的第二个版本。它做的事情和十月发布的版本一样：用三步把 1344x768 的草稿提升到 2K 或 4K。变化在于草稿被放到了哪里。第一版对草稿重新加噪再抛光，所以人脸、嘴形和小号文字都会漂移。IC 版本把干净的草稿保留在 Ref2VA transformer 的上下文中，并在旁边从噪波绘制高分辨率视频，因此人物身份、口型同步、招牌文字和布局都跟随草稿。

画面来自项目自带的对比视频。来源：项目页面

该视频在 2560x1440 下的 IC 输出，音频沿用草稿。来源：项目页面

保留了什么

与官方 H3-Regenerate-2K API 相比，项目里的停车场对比是最清楚的例子：API 把招牌渲染成无法辨认的笔画，IC 版本仍能读出 "PRIVATE CAR PARK"。与第一个开放版本相比，IC 输出新增的纹理更少，但眼睛、皱纹和嘴形都留在草稿原先的位置上。

IC LoRA 在冻结的 Ref2VA transformer 上训练，该 transformer 本来就会把参考视频作为额外的 token 读取。每个训练对都是一段真实的 768P 到 4K 视频；其缩小副本放在前面作为干净参考，而目标则从纯噪波到干净状态之间任意加噪，损失只落在目标 token 上。

运行方式

把 768P 草稿作为 <Video 1> 输入，并附上生成它时所用的文本描述，保持不变。三个采样器，全部使用 CFG 1：

• up3（默认）：草稿 Latent 经过 3D 卷积 Latent 放大器，加噪到 sigma 0.835，并在三次 transformer 调用内完成。
• up4：同样的放大起点，sigma 0.923，四次调用。
• hf8：纯噪波，完整的八个 HyperFlow 步骤。

输出为 1080p、2K（2560x1440，默认）或 4K（3840x2160）；384P、512P 和 576P 的草稿会回到 768P。音频从草稿原样复制，权重中附带一个静音音频 Latent，2K 结果通过快速 H3 VAE 解码，4K 则使用标准 VAE。

在 ComfyUI 中

目前没有官方节点，但已经有两条社区路线：

• Kijai 把 8.3 GB 的 FP32 LoRA 压缩成一个 200 MB 的 rank-21 bf16 文件，可作为普通 LoRA 加载到 Ref2VA 模型上。
• ComfyUI-OpenH3Regenerate2KIC 提供四个节点（Prepare Draft、Official Prompt、Sigma Grid、Compose Target Latent）、全秩 5.9 GB 的转换后 LoRA，以及三个工作流：文本到草稿再到 2K、参考图像到草稿再到 2K、草稿到 2K。

权重和推理代码在 Hugging Face 上，参考 CLI 位于 NVlabs/Sana。