MiniMax-H3 ORB360 CardSpin

93 00

MiniMax-H3 ORB360 CardSpin 是适配 MiniMax-H3 Ref2VA 的LoRA。同一份LoRA文件,依靠提示词切换,可以生成两种完全不同的视频动态效果。

作者
MATLOWAI
触发词
基础模型
MiniMax H3
MiniMax-H3 ORB360 CardSpin

MiniMax-H3 ORB360 CardSpin 是适配 MiniMax-H3 Ref2VA 的LoRA。同一份LoRA文件,依靠提示词切换,可以生成两种完全不同的视频动态效果。

MiniMax-H3 ORB360 CardSpin

ORB360_CARDSPIN 卡片旋转模式

图像如同一张轻薄实体相片卡片在空间里翻转。画面内的人物或生物跟着卡片一同转动:卡片侧边缘会呈现侧面轮廓,鼻子会伸出卡片边缘;卡片背面显示后脑勺,另一侧是另一角度侧面;整套动画在5.125秒平稳结束,画面落回原始参考照片。

ORB360_CW 环绕模式

经典相机运镜效果,主体保持静止,镜头沿着顺时针方向做顺滑完整360度环绕,动画结束时回到初始视角。

项目起源

ORB360项目原本目标是训练环绕LoRA,训练素材以Blender灰色渲染图为主。开发者拿一张1867年Julia Margaret Cameron拍摄的Herschel爵士老肖像照片做测试时,模型没有环绕画中人,而是直接把整张照片当成实体物体进行旋转。

这个意外效果表现力出色,团队以此单条生成视频为基础,配上带时间戳描述字幕,在750步环绕LoRA之上继续训练50步完成CardSpin。单块GPU仅需半小时即可完成训练。

团队对比测试了50/100/150步版本。步数更高的版本卡片边缘清晰度更高,而50步版本改动最轻、保留原生模型质感,观感最自然,作为本次发布版本。该LoRA效果具备泛化能力,可以作用于训练集之外的图像,例如其他古典肖像、戴帽子猫咪照片。

使用方式

ComfyUI中,在MiniMax-H3 Ref2VA模型上使用标准Load LoRA节点加载,仅作用模型,权重强度推荐1.0。

属于kohya风格LoRA,包含lora_unet_*、lora_down/lora_up/alpha,200个模块可直接映射适配ComfyUI里MiniMax-H3权重。

操作流程:载入参考图,粘贴配套文件夹内对应的提示词即可切换两种效果。

后续规划

CardSpin属于ORB360主线项目的支线实验。主项目计划基于规模更大的渲染数据集,训练稳定性更强的360环绕LoRA,扩充素材资产,覆盖不同时长、速度、机位高低、远近取景,并且为每个片段增加精确相机描述字幕,目标研发可控、稳定的几何适配适配器,后续成果会持续更新。

配套文件清单

  • minimax_h3_orb360_cardspin_step50.safetensors:LoRA权重,fp32,597 MB
  • prompts文件夹:cardspin与环绕效果两套提示词文本
  • examples文件夹:猫咪示例参考图、1867年古典肖像原图(大都会博物馆CC0开放素材,已调整尺寸)
  • assets文件夹:样例视频与视频封面图
  • LICENSE与NOTICE文件:遵循MiniMax H3社区许可协议

相关图书

MiniMax H3 Turbo

MiniMax H3 Turbo

MiniMax H3 Turbo 是一个专为 H3 设计的推理加速 LoRA,它能将文本生成视频(T2V)和图像生成视频(I2V)的采样步数压缩至 4 步,同时保持联合音视频生成的连贯性。
Minimax-H3-Turbo

Minimax-H3-Turbo

Lightx2v团队发布Minimax-H3-Turbo,为MiniMax-H3模型提供推理加速能力。该LoRA支持4步快速生成,推荐配置为0.75强度搭配er_sde或sa_solver调度器。
MiniMax-H3-Character-Swap-LoRA

MiniMax-H3-Character-Swap-LoRA

面向MiniMax H3视频模型的专用角色替换LoRA,依托H3 Relay 2.0在ComfyUI搭建端到端工作流,实现“参考图换脸/换角色,保留原视频表演动作”。项目尚在实验阶段,适合短镜头创作,长视频、复杂遮挡场景存在不稳定问题。
H3-Latent-Upscaler-2x

H3-Latent-Upscaler-2x

在处理 MiniMax H3 视频时,传统的放大流程是“VAE 解码 → 像素缩放 → VAE 重编码”,这不仅耗时,还会引入额外的画质损失。H3-Latent-Upscaler-2x 提供了一种纯隐空间的解决方案,它能直接将干净的视频隐空间映射到 2 倍大的空间网格上,全程不触碰像素域。