MiniMaxH3 Enhancers

MiniMaxH3 Enhancers 是一款专为 MiniMax H3 视频生成模型设计的 LoRA。其核心目标是通过调整潜在空间的特征表达，提升生成视频的整体视觉质量，输出更锐利、画面更干净且具备更高视觉一致性的结果。

核心视觉优化与版本选择

该 LoRA 主要针对四个维度进行工程优化，以解决早期生成模型常见的画面瑕疵：

• 清晰度提升：提高整体图像锐度，抑制不必要的柔和感与边缘模糊。
• 面部特征优化：精细化人物面部细节，改善人物外观的视觉吸引力。
• 背景纯净度：降低背景的浑浊感与杂乱度，减少无关细节的干扰。
• 整体美学一致性：在保持物理真实感的前提下，赋予视频更精致的整体观感。

为适应不同的创作需求，该工具提供了两个训练周期（Epoch）的版本：

• Epoch 5（轻度增强）：提供温和的锐化与背景清理，不显著改变原始画面的整体特征，适合追求自然外观的场景。
• Epoch 10（较强增强）：提供更明显的增强效果，锐化程度与面部优化更为显著，整体视觉效果更干净。

使用建议：由于最终效果受提示词（Prompt）和生成设置的影响，建议用户优先从 0.5 的 LoRA 强度开始测试，并根据反馈逐步上调。官方示例视频通常采用 1.0 的强度。

两阶段生成工作流配置详解

为了最大化该 LoRA 的效果，官方示例采用了一套两遍式（Two-pass）生成工作流，将基础生成与细节细化分离：

1. 基础组件配置

• 基础模型：MiniMax H3 FL2VA (minimax_h3_fl2va_pruned_int8_convrot)
• 文本编码器：qwen3vl_32b_minimax_h3_nvfp4_awq
• VAE 组件：minimax_h3_video_vae_fp16（视频）与 minimax_h3_audio_vae_fp32（音频）

2. 第一遍（基础生成阶段）

• 核心设置：启用 Enhancer LoRA，强度设为 1.0。
• 分辨率与步数：960 × 544（目标最终尺寸的一半），运行 20 步。
• 采样与调度：采样器采用 res_multistep，调度器为 simple，降噪（Denoise）设为 1.0。
• 引导策略：使用 BasicGuider，不启用分类器自由引导（CFG）与负面提示。
• 空间放大：生成后，通过 3D 潜在上采样器（minimax_h3_latent_upscaler_3d_conv_v1_bf16）对特征图进行 2 倍（×2）放大。

3. 第二遍（细节细化阶段）

• 核心设置：切换至 Turbo LoRA（minimax_h3_fl2v_turbo_8step_v1.0_768p），强度设为 1.0，此阶段不再使用 Enhancer。
• 采样与调度：运行 4 步，降噪参数降至 0.35。采样器与调度器保持与第一遍一致（res_multistep / simple）。较低的降噪值有助于保留第一遍生成的结构，同时补充高频细节。

4. 最终输出规格

• 分辨率与帧率：1920 × 1088（或垂直方向 1088 × 1920），24 fps。
• 时长与音频：单片段时长 6 至 8 秒。音频部分直接调用 MiniMax H3 内置音频模块，从第一遍的潜在空间中解码生成。

控制变量与效果验证

在官方提供的前后对比测试中，所有视频均严格控制变量，使用完全相同的提示词与随机种子（Seed）。画面质量的差异仅由“第一遍生成阶段是否加载 Enhancer LoRA”这一单一变量决定，从而客观验证了该工具在改善清晰度与背景纯净度方面的实际效用。