玩转MiniMax-H3-GGUF参考模式用参考图、参考视频与音频精准掌控生成【免费下载链接】MiniMax-H3-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/MiniMax-H3-GGUFMiniMax-H3-GGUF 是 unsloth 社区发布的 MiniMax H3 全模态生成模型的 GGUF 量化版本让文本 参考图 参考视频 参考音频的多模态视频生成能在本地显卡上流畅运行。在 H3 的两套生成器中ref2va 参考模式专为内容一致而生给模型一张参考图、一段参考视频或一段参考音频它就能在生成带原生立体声视频的同时精准延续你指定的人物、场景与声音风格。这篇文章会从模型文件、量化档位、运行命令到实用技巧带你一步步玩转 MiniMax-H3-GGUF 参考模式。上图是 MiniMax-H3-GGUF 最小编码档生成的 960×544 视频示例雾气森林中的小熊猫。该 GIF 已降采样且无声想看带原生 32kHz 立体声音轨的完整版本可播放 assets/h3_gguf_ud_q2_k_xl.mp4 示例文件。MiniMax-H3-GGUF参考模式是什么一次看懂全模态生成 MiniMax H3 是一个全模态omni-modal生成系统不仅能生成画面还能同时生成与画面同步的原生立体声音频最长支持 15 秒、24 FPS、32 kHz 立体声输出。unsloth 将其量化为 GGUF 格式即本仓库 MiniMax-H3-GGUF使普通消费级显卡也能本地运行兼容 stablediffusion.cpp 与 Unsloth 等主流运行时。H3 内置两套去噪器denoiser选择哪一套决定了你能给模型喂什么输入fl2va_pruned首尾帧模式文本 0/1/2 张帧图ref2va_pruned参考模式文本 参考图、参考视频、参考音频。它们是两个独立的权重文件checkpoint不是同一个模型的两个开关所以请按任务选择对应文件。本仓库中minimax_h3_ref2va_pruned-*.gguf就是参考模式专用的量化模型。参考模式与首尾帧模式怎么选按任务匹配模型 ✅对比项fl2va 首尾帧模式ref2va 参考模式模型文件minimax_h3_fl2va_pruned-*.ggufminimax_h3_ref2va_pruned-*.gguf输入文本 0/1/2 帧图文本 参考图 / 参考视频 / 参考音频适用场景纯文字生成、首尾帧约束角色一致、风格迁移、声音对齐文件大小约 6.2 ~ 20 GiB约 6.2 ~ 20 GiB简单说想要指定开头结尾画面用 fl2va想要给一张参考图或一段参考音频让生成内容延续它的风格就用 ref2va 参考模式。参考模式GGUF文件清单与量化档位选择 参考模式ref2va提供从低到高 6 个量化档位全部位于仓库根目录参考模式文件大小minimax_h3_ref2va_pruned-Q2_K.gguf6.22 GiBminimax_h3_ref2va_pruned-Q3_K.gguf8.12 GiBminimax_h3_ref2va_pruned-Q4_K.gguf10.60 GiBminimax_h3_ref2va_pruned-Q5_0.gguf12.94 GiBminimax_h3_ref2va_pruned-Q6_K.gguf15.42 GiBminimax_h3_ref2va_pruned-Q8_0.gguf19.94 GiB除了去噪器运行参考模式还需要两样配套组件文本编码器两套去噪器共用qwen3vl_32b_minimax_h3-Q2_K_M.gguf12.20 GiB与 qwen3vl_32b_minimax_h3-Q4_K_M.gguf16.97 GiB。建议 Q2_K_M 搭配两个最小的去噪器其余档位一律用 Q4_K_M双 VAE视频与音频分离vae/minimax_h3_video_vae_fp16.safetensors 负责画面解码vae/minimax_h3_audio_vae_fp32.safetensors 负责音频解码。VAE 两套模式共用切换去噪器只需多下载一个 GGUF其余无需重复下载。本地运行参考模式最快配置与启动命令 首先克隆仓库获取全部模型文件git clone https://gitcode.com/hf_mirrors/unsloth/MiniMax-H3-GGUF然后使用 sd-cli 启动参考模式以 Q4_K 档为例sd-cli --mode vid_gen \ --diffusion-model minimax_h3_ref2va_pruned-Q4_K.gguf \ --llm qwen3vl_32b_minimax_h3-Q4_K_M.gguf \ --vae vae/minimax_h3_video_vae_fp16.safetensors \ --audio-vae vae/minimax_h3_audio_vae_fp32.safetensors \ --prompt a red fox trotting through falling snow, cinematic \ --width 640 --height 384 --video-frames 25 --steps 4 --cfg-scale 1.0 \ --backend tecpu --diffusion-fa \ --output out.webm注意三个不可省略的参数--mode vid_gen缺失时 H3 会把路径当成图片路径直接中断--cfg-scale 1.0H3 是蒸馏模型、免 CFG数值高于 1.0 会报错默认 7.0 是常见踩坑点--backend tecpu把 12 GB 的文本编码器放在 CPU 上计算不占用显存。参考模式进阶技巧三招让生成更精准 显存不足加--offload-to-cpu把部分计算层卸载到 CPU小显存显卡也能流畅跑参考模式按需选量化档Q2_K / Q3_K 档省显存、速度快适合先预览效果追求画质时升级到 Q6_K / Q8_0并搭配 Q4_K_M 文本编码器善用参考输入组合参考图锁定角色与场景风格、参考视频约束运动轨迹、参考音频对齐音色与节奏三者可以组合使用实现真正的精准掌控。参考模式常见问题FAQ❓Q参考模式只能输入参考图吗A不是。ref2va 接受文本 参考图 / 参考视频 / 参考音频的任意组合纯文本输入也可以运行只是参考给得越多生成结果越可控。Q显存 8GB 能跑吗A可以尝试最小的 Q2_K 去噪器 Q2_K_M 文本编码器并加上--offload-to-cpu参数。Q模型文件太大、下载慢怎么办A去噪器、文本编码器与 VAE 相互独立可以只下载需要的档位先用 Q2_K 验证效果再按需升级。Q商用有什么限制A本仓库采用 MiniMax H3 Community License完整条款见 LICENSE量化变更与归属说明见 NOTICE使用前请务必阅读。【免费下载链接】MiniMax-H3-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/MiniMax-H3-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 玩转MiniMax-H3-GGUF参考模式：用参考图、参考视频与音频精准掌控生成
玩转MiniMax-H3-GGUF参考模式用参考图、参考视频与音频精准掌控生成【免费下载链接】MiniMax-H3-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/MiniMax-H3-GGUFMiniMax-H3-GGUF 是 unsloth 社区发布的 MiniMax H3 全模态生成模型的 GGUF 量化版本让文本 参考图 参考视频 参考音频的多模态视频生成能在本地显卡上流畅运行。在 H3 的两套生成器中ref2va 参考模式专为内容一致而生给模型一张参考图、一段参考视频或一段参考音频它就能在生成带原生立体声视频的同时精准延续你指定的人物、场景与声音风格。这篇文章会从模型文件、量化档位、运行命令到实用技巧带你一步步玩转 MiniMax-H3-GGUF 参考模式。上图是 MiniMax-H3-GGUF 最小编码档生成的 960×544 视频示例雾气森林中的小熊猫。该 GIF 已降采样且无声想看带原生 32kHz 立体声音轨的完整版本可播放 assets/h3_gguf_ud_q2_k_xl.mp4 示例文件。MiniMax-H3-GGUF参考模式是什么一次看懂全模态生成 MiniMax H3 是一个全模态omni-modal生成系统不仅能生成画面还能同时生成与画面同步的原生立体声音频最长支持 15 秒、24 FPS、32 kHz 立体声输出。unsloth 将其量化为 GGUF 格式即本仓库 MiniMax-H3-GGUF使普通消费级显卡也能本地运行兼容 stablediffusion.cpp 与 Unsloth 等主流运行时。H3 内置两套去噪器denoiser选择哪一套决定了你能给模型喂什么输入fl2va_pruned首尾帧模式文本 0/1/2 张帧图ref2va_pruned参考模式文本 参考图、参考视频、参考音频。它们是两个独立的权重文件checkpoint不是同一个模型的两个开关所以请按任务选择对应文件。本仓库中minimax_h3_ref2va_pruned-*.gguf就是参考模式专用的量化模型。参考模式与首尾帧模式怎么选按任务匹配模型 ✅对比项fl2va 首尾帧模式ref2va 参考模式模型文件minimax_h3_fl2va_pruned-*.ggufminimax_h3_ref2va_pruned-*.gguf输入文本 0/1/2 帧图文本 参考图 / 参考视频 / 参考音频适用场景纯文字生成、首尾帧约束角色一致、风格迁移、声音对齐文件大小约 6.2 ~ 20 GiB约 6.2 ~ 20 GiB简单说想要指定开头结尾画面用 fl2va想要给一张参考图或一段参考音频让生成内容延续它的风格就用 ref2va 参考模式。参考模式GGUF文件清单与量化档位选择 参考模式ref2va提供从低到高 6 个量化档位全部位于仓库根目录参考模式文件大小minimax_h3_ref2va_pruned-Q2_K.gguf6.22 GiBminimax_h3_ref2va_pruned-Q3_K.gguf8.12 GiBminimax_h3_ref2va_pruned-Q4_K.gguf10.60 GiBminimax_h3_ref2va_pruned-Q5_0.gguf12.94 GiBminimax_h3_ref2va_pruned-Q6_K.gguf15.42 GiBminimax_h3_ref2va_pruned-Q8_0.gguf19.94 GiB除了去噪器运行参考模式还需要两样配套组件文本编码器两套去噪器共用qwen3vl_32b_minimax_h3-Q2_K_M.gguf12.20 GiB与 qwen3vl_32b_minimax_h3-Q4_K_M.gguf16.97 GiB。建议 Q2_K_M 搭配两个最小的去噪器其余档位一律用 Q4_K_M双 VAE视频与音频分离vae/minimax_h3_video_vae_fp16.safetensors 负责画面解码vae/minimax_h3_audio_vae_fp32.safetensors 负责音频解码。VAE 两套模式共用切换去噪器只需多下载一个 GGUF其余无需重复下载。本地运行参考模式最快配置与启动命令 首先克隆仓库获取全部模型文件git clone https://gitcode.com/hf_mirrors/unsloth/MiniMax-H3-GGUF然后使用 sd-cli 启动参考模式以 Q4_K 档为例sd-cli --mode vid_gen \ --diffusion-model minimax_h3_ref2va_pruned-Q4_K.gguf \ --llm qwen3vl_32b_minimax_h3-Q4_K_M.gguf \ --vae vae/minimax_h3_video_vae_fp16.safetensors \ --audio-vae vae/minimax_h3_audio_vae_fp32.safetensors \ --prompt a red fox trotting through falling snow, cinematic \ --width 640 --height 384 --video-frames 25 --steps 4 --cfg-scale 1.0 \ --backend tecpu --diffusion-fa \ --output out.webm注意三个不可省略的参数--mode vid_gen缺失时 H3 会把路径当成图片路径直接中断--cfg-scale 1.0H3 是蒸馏模型、免 CFG数值高于 1.0 会报错默认 7.0 是常见踩坑点--backend tecpu把 12 GB 的文本编码器放在 CPU 上计算不占用显存。参考模式进阶技巧三招让生成更精准 显存不足加--offload-to-cpu把部分计算层卸载到 CPU小显存显卡也能流畅跑参考模式按需选量化档Q2_K / Q3_K 档省显存、速度快适合先预览效果追求画质时升级到 Q6_K / Q8_0并搭配 Q4_K_M 文本编码器善用参考输入组合参考图锁定角色与场景风格、参考视频约束运动轨迹、参考音频对齐音色与节奏三者可以组合使用实现真正的精准掌控。参考模式常见问题FAQ❓Q参考模式只能输入参考图吗A不是。ref2va 接受文本 参考图 / 参考视频 / 参考音频的任意组合纯文本输入也可以运行只是参考给得越多生成结果越可控。Q显存 8GB 能跑吗A可以尝试最小的 Q2_K 去噪器 Q2_K_M 文本编码器并加上--offload-to-cpu参数。Q模型文件太大、下载慢怎么办A去噪器、文本编码器与 VAE 相互独立可以只下载需要的档位先用 Q2_K 验证效果再按需升级。Q商用有什么限制A本仓库采用 MiniMax H3 Community License完整条款见 LICENSE量化变更与归属说明见 NOTICE使用前请务必阅读。【免费下载链接】MiniMax-H3-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/unsloth/MiniMax-H3-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考