RefMods 工作流实测:6GB 显存跑 MiniMax H3,锁定角色与声音一致性
EzkaProductions · reddit · 2026-11-05
作者在 ComfyUI 中测试 MiniMax H3 的 RefMods,解决 AI 视频最大的痛点——跨镜头角色与声音一致性。
原理:一次性提取参考(8 张图提取角色,或短音频提取声音),存成可复用的 "mod",之后任何生成直接加载,无需重训练或 LoRA。
6GB 显存配置
- 节点链:H3 RefMods → Apply H3 RefMod(放在 I2V 节点与 guider 之间)
- 分槽强度:视觉 0.9(角色)、音频 0.9(声音)
- 低显存堆栈:H3 SLA Attention + Low VRAM Attention + Chunk FeedForward + Turbo LoRA
实测结论:视觉一致性非常好,不同场景下同脸、同发型、同服装;声音也能跨片段保持一致。多角色时建议每个角色和声音各存独立 mod 文件,并在 prompt 里清楚描述(名字+外观+位置)。
所需节点:ComfyUI-MiniMaxH3Mod、ComfyUI-PlagueKind-Nodes、ComfyUI-KJNodes,作者附了完整视频教程和免费工作流。
「多模态」频道最新
- Liquid AI 发布 LFM3-VL 视觉语言模型，自研视觉编码器主打高效 — JosephJacks_ · 2026-11-05
- VFX 艺术家实测 Firefly Quick Cut：杂乱素材一键成片 — LudovicCreator · 2026-11-05
- 用 Minimax 生成 Grommash 闯入 Skyrim 短片,魔兽×老滚同人电影片段 — Dangerous_Tip_5023 · 2026-11-05
- Midjourney v9 年底前发布：带声音视频模型、实时生成与 3D 都在路上 — koltregaskes · 2026-11-05
- 四条技术路线并进，AI 视频的“持久记忆”问题迎来多点突破 — cocktailpeanut · 2026-11-05
- 网友用 MiniMax 视频模型拍 FBI 突袭梗片:「交出内存,只需 16GB」 — FeePrestigious7272 · 2026-11-05