Fizgig 4.0 发布：照片+音频+视频合一训练 Minimax H3
shootthesound · reddit · 2026-08-18
开源训练工具 Fizgig 4.0 发布，主要更新：
- 支持把 Minimax H3 的视频、音频（wav/mp3）和照片训练合并到同一个数据集
- 新增数据集准备工具 Gizmo，简化视频/音频数据集制作
- 引入 turbo 模式，以及 INT8 量化带来的大提速（16GB 显存用户受益，来自社区贡献者 rintic-13）
作者分享的一手经验：H3 参数调对后，纯图像训练不会破坏视频能力；照片+音频组合训练速度非常快，训声音数据集很容易（建议共用触发词）。视频训练也能用，只是慢——如果教模型的内容用照片和音频就能覆盖，就不必上视频；需要捕捉动态时视频才值得。作者次日会发布详细 YouTube 教程。
项目地址：github.com/shootthesound/Fizgig
「多模态」频道最新
- MLP-Splatting 论文开源:用光场原语替代高斯泼溅 — AjdDavison · 2026-10-16
- 数字人 Fae 用 FACS 逐帧编码表情，Claude Opus 5.5 做情绪分析 — repligate · 2026-10-16
- Meta 多语言 ASR 覆盖 1600 种语言，入选 TIME 2026 最佳发明 — AIatMeta · 2026-10-16
- 浙大等团队发布 ATAS 框架：用世界状态记忆实现一致性长视频生成 — CSProfKGD · 2026-10-16
- Flux 3 Klein 默认模板有坑:必须接 prompt upscaler 才能出好图 — StrictMove5839 · 2026-10-16
- Kroma(Krea 2 系)被赞全面最强图像模型,仅缺画师名认知 — Different_Fix_2217 · 2026-10-16