MiniMax-H3 RefMod 实战:打包 JPEG 缓存提速,角色串扰近乎消除
acedelgado · reddit · 2026-09-30
开发者更新了其开源的 Fantastic MiniMax-H3 Prompt Builder(ComfyUI 节点),核心改进围绕 RefMod(参考素材)的编码与缓存:
- 原理:原生 RefMod 只把媒体存为 latents 直接喂给 DiT,文本编码器看不到参考;作者此前让部分帧进入文本编码器做条件锚定,但每次生成都要重复编码,很慢。
- 提速技巧:利用 .safetensors 只是容器这一特性,把参考图以 JPEG 数据与 latents 打包存进同一文件(类比视频内嵌字幕),JPEG 直接喂文本编码器、跳过 VAE,且条件可跨次缓存——只要不改变 RefMod 顺序和强度,重复处理全部跳过。
- 新增 stackpictures 模式:every 4th(默认,最轻)、up to 8(跨数据集采样 8 帧单独喂,细节更好)、all(全部帧进 TE,最慢但细节最大、几乎无角色串扰)。
- 实测:每角色 6 张图+几秒音频,3 个 RefMod 共约 14,900 tokens,5090 上约 32s/it(0.98mp),配合 8 步 HyperFlow 与音频精修套件。另为视频编辑加了 edit masking。数据集与多个配套仓库(HyperFlow、AudioRefine)均已开源。
「多模态」频道最新
- Qwen 图像 2.1 与 Minimax H3 实测:老照片修复与写实化转换 — Ant_6431 · 2026-11-16
- Minimax H3 视频生成演示:Cubee 店面镜头第二版 — JahJedi · 2026-11-16
- 不会画画的开发者用 Fable 5.2 四小时做出 14 章手绘风故事书游戏 — jradoff · 2026-11-16
- Minimax H3 Image 训练人物 LoRA 相似度差,同数据集在 Qwen 2.1 上表现优异 — Ad_Organic · 2026-11-16
- Seedance 生成地铁车厢动画片段,光影细节惊到 Reddit 网友 — Ok-Solution-7889 · 2026-11-16
- 推主用 AI 重制 1977 版《黑衣人》风格画面 — techhalla · 2026-11-16