Wuli 的 Gemma-4 提示词扩展器已可在 ComfyUI 中运行 MiniMax H3
ComfyUI Wikinews
Wuli-Art 将 Gemma-4-12B 微调为 MiniMax H3 提示词扩展器:FL2VA 与 Ref2VA 共用一套权重,fp8 版本 13 GB,附两个 ComfyUI 工作流。
Wuli-Art 于 2026-11-16 发布了 Gemma4-for-MiniMax-H3-Prompt-Extend:这是基于 Gemma-4-12B 的微调模型,可以把一句简单的创意改写成 MiniMax H3 所需的视听提示词。它提供 bf16、fp8 和 int8 三种权重,并附两个 ComfyUI 工作流,这些工作流只使用核心节点。
功能说明
一条 H3 提示词是一个整体段落,需要同时承载镜头、随时间变化的动作、相机运动和声音氛围。手写这部分是最耗时的。这个模型会根据你的描述,加上你已加载的帧或引用素材,把它写出来。
一套权重同时服务两种输入格式,因此首尾帧工作和引用工作不需要使用不同的扩展器。
| H3 输入格式 | 覆盖范围 | 扩展器补充的内容 |
|---|---|---|
| FL2VA | T2VA、I2VA、L2VA、FL2VA | 场景、动作、相机运动、声音、帧约束 |
| Ref2VA | 引用条件生成 | 主体定义、引用角色、需要保留的内容 |
运行方法
- 将
gemma4_12b_h3_pe_fp8_scaled.safetensors(13.0 GB)或 int8 文件放入ComfyUI/models/text_encoders/。bf16 文件为 23.9 GB。 - 将对应的工作流拖到画布上:FL2VA 或 Ref2VA。两者是替代方案,不是两个阶段。
- 将 UNET、文本编码器、VAE 和 LoRA 加载器指向你自己的 H3 文件,写入提示词,运行。输出是文本,你再把它送入常规的 H3 工作流。
即使你用中文写需求,增强后的提示词也会以英文返回。模型卡片将 zh 和 en 列为其支持的语言。
版本要求:需要支持 TextGenerateV2 和 Gemma-4 文本编码器的 ComfyUI 构建版本。v0.46.0 同时具备这两项。
下载
| 文件 | 大小 | 存放位置 |
|---|---|---|
gemma4_12b_h3_pe_fp8_scaled.safetensors | 13.0 GB | models/text_encoders/ |
gemma4_12b_h3_pe_int8.safetensors | 13.0 GB | models/text_encoders/ |
gemma4_12b_h3_pe_bf16.safetensors | 23.9 GB | models/text_encoders/ |
与其他提示词编写模型的对比
模型卡片的演示在同一组输入上运行了五种设置:不扩展、普通 Gemma-4-12B、MiniMax 官方 PE、lightx2v 的改写器,以及本模型。案例 04 从一句 31 个字符的中文描述(两只鹤打斗)加一张首帧开始。
![]() | ![]() | ![]() |
|---|---|---|
| 无扩展 | MiniMax 官方 PE | Gemma-4-12B 扩展器 |
长度是最直观的差值。在这个案例中,普通 Gemma-4 基线写了 1,097 个字符,lightx2v 的改写器写了 1,180 个,本模型写了 2,102 个,官方 PE 写了 4,296 个。
基于该扩展器生成的提示词产出的 5 秒 1024×768 样片。
获取方式
- 权重:Hugging Face · ModelScope
- 45 段片段五方对比:Wuli 演示页面
- Wuli-Art 更早的 H3 发布:MiniMax-H3-Turbo



评论
使用 GitHub 登录后即可参与讨论。