快速上手:wushu-action-v7-minimax-h3-fl2va-ref2va-lora 10分钟跑出第一条武打视频,参数照抄即可
快速上手:wushu-action-v7-minimax-h3-fl2va-ref2va-lora 10分钟跑出第一条武打视频,参数照抄即可
wushu-action-v7-minimax-h3-fl2va-ref2va-lora 是一个专为 MiniMax H3 视频模型打造的武打动作 LoRA(ComfyUI 即插即用),触发词只有一个:wushu_action。它基于 924 段精选武打片段训练,采用全量 int8-convrot DiT + bf16 文本编码器的高保真量化方案,让你 10 分钟就能在 ComfyUI 里生成一段带音效的武术打斗视频 🥋
仓库里有什么:3 类文件快速认识
| 文件 | 作用 |
|---|---|
| wushu_action_v7_fl2va_aitoolkit_adaln_full-int8convrot_bf16te_1000step.safetensors | 主模型 LoRA(E3 版,含 adaln 校准层) |
| Minimax h3多参考双采打斗工作流.json | 多参考双采打斗 ComfyUI 工作流,直接导入即可 |
| V7版本招式TAGS完整清单.md | 训练集全量招式标签清单,写提示词照着抄 |
另外,wushu_h3_r2v_v7_2000.safetensors、wushu_h3_v8_2000step.safetensors、wushu_h3_v8_5000step.safetensors 是不同训练阶段的模型版本,v8 系列基于 3D 模型动作素材,适合做动作参考而非直接出片,用法详见 wushu_h3_v8_招式库.md。
第 1 步:放置模型文件(照这个目录表放)
先把仓库 LoRA 和配套底模放进 ComfyUI 对应目录:
| 文件 | 放到哪 |
|---|---|
底模 minimax_h3_fl2va_int8_convrot.safetensors(约 34GB,未剪枝 int8 版) |
ComfyUI/models/diffusion_models/ |
文本编码器 qwen3vl_32b_minimax_h3_bf16.safetensors(或 nvfp4_awq 版) |
ComfyUI/models/text_encoders/ |
视频 VAE minimax_h3_video_vae_fp16.safetensors + 音频 VAE minimax_h3_audio_vae_fp32.safetensors |
ComfyUI/models/vae/ |
| 本仓库 LoRA(E3 主模型) | ComfyUI/models/loras/ |
💡 底模必须选
minimax_h3_fl2va_int8_convrot这一版(Comfy-Org 未剪枝 int8 版),这是当前量化精度最高的配置。
第 2 步:导入工作流,两条路任选
- 懒人路线:直接把仓库里的 Minimax h3多参考双采打斗工作流.json 拖进 ComfyUI,节点全部连好,填上参考图即可出片;
- 手动路线:节点连接顺序如下(来自 README.md):
UNet Loader (minimax_h3_fl2va_int8_convrot)
→ LoraLoader (E3 LoRA, strength 0.8–1.0)
→ KSampler → VAE Decode → Save Video (mp4, 含音轨)
CLIPLoader (qwen3vl_32b) ↘
双 VAE (video fp16 + audio fp32) → VAE Decode ↗
第 3 步:KSampler 参数照抄即可 ⚡
这是最容易翻车的一步,参数直接抄下面这张表:
| 参数 | 值 | 说明 |
|---|---|---|
| sampler | euler | 只用这个 |
| scheduler | simple | 只用这个 |
| steps | 25 | turbo 底模 4–8 |
| cfg | 1.0 | ⚠️ H3 是 CFG 蒸馏模型,大于 1 必出坏图 |
| denoise | 1.0 | — |
| width × height | 832 × 480 | 宽高必须是 32 的倍数;竖屏用 480×832 |
| frames | 124 | ≈5.2 秒;必须满足 17n+5 规则(22/39/56/73/90/107/124/175…) |
| fps | 24 | — |
三条硬性规则记牢:
- cfg 千万别超过 1,这是 H3 模型的特性;
- 帧数只能取
17n+5序列里的值,随便填会报错或出坏片; - 分辨率宽高必须是 32 的倍数,推荐 832×480 横屏。
第 4 步:写提示词(决定出片质量的核心)
提示词有 4 条黄金规则,来自 README.md 与 武术打斗提示词skill.md:
- 以触发词
wushu_action,开头——所有训练标注都以此词打头,缺了它 LoRA 基本不生效; - 角色外貌单独定义在「角色设定」块(发色+服装+体型+兵器一次写死,全篇逐字固定),镜头里只称"角色A/角色B"——这是人物一致性的关键;
- 招式写具体术语:"扫堂腿" ✔ "踢腿" ✘,高频招式速查见 V7版本招式TAGS完整清单.md;
- 三段式分镜 + 结尾带音效描述,保留
non_diegetic_music: None.。
入门首选模板:扫堂腿 + 腾空侧踹(直接复制)
wushu_action,
integrated_multimodal_description:
[Shot 1] Medium shot, side angle, outdoor courtyard with traditional architecture. A martial artist in a dark training uniform sinks into a low crouch, palms open at his ribs, weight loaded on the rear leg.
[Shot 2] He drives off the ground, sweeping low with a 扫堂腿 that scrapes dust off the floor, then springs airborne into a full-extension 腾空侧踹, heel leading, arms counter-swinging for balance.
[Shot 3] He lands rolling to dissipate force, rises into a front stance with palms pushed forward, holding the final guard.
overall_soundscape:
The whoosh of the sweeping leg, cloth friction, footwork scraping the floor, a dull impact on landing, controlled breathing.
non_diegetic_music:
None.
换招式不用重写模板——从招式清单里挑高频词替换即可:
| 类别 | 高频术语(命中率最高) |
|---|---|
| 腿法 | 扫堂腿(频次 47,训练集第一腿法)、腾空侧踹、鞭腿、后旋踢、旋风脚 |
| 拳掌肘靠 | 直拳、贴山靠、肘击、崩拳 |
| 摔拿 | 过肩摔、擒拿、接腿摔 |
| 攻防衔接 | 格挡卸力(全场第一词,74+ 次)、闪身、借力打力 |
双人对打、长剑套路、枪术回马枪等 5 套成品模板都在 README.md 的"模板格式"一节,改场景即可用。
想要"参考图锁脸"?用双采工作流
仓库自带的 Minimax h3多参考双采打斗工作流.json 支持 REF 模式:上传两张定妆参考图,在提示词里声明 Subject 1 is the ... in Image 1,配合 retention_analysis 段落锁定脸型和服装,比纯文字描述的一致性更强。完整写法见 武术打斗提示词skill.md 的"骨架 B · 参考生视频"。
避坑清单:出问题了对号入座
| 症状 | 解决办法 |
|---|---|
| 人物/兵器崩坏 | LoRA 强度降到 0.6–0.8 |
| 动作不够"武"、发飘 | LoRA 强度升到 1.1 |
| 出片偏模糊 | 提高采样步数(25→30+),或配修复类插件 |
| 画面出现坏图 | 检查 cfg,必须 = 1.0 |
| 招式不生效 | 换成清单里的具体术语,一个 Shot 只放 1–2 个招式 |
| 人物静止呆立 | 提示词里别写"静止站立",模型学的是连续动作 |
再搭配合伙效果更佳:作者推荐搭配 JOKER141 的 Combat-Base-V2 和 Motion Continuity Repair LoRA 使用,或加少许强度的 Spatial & Physics LoRA 做物理补偿(见 README.md 说明)。
常见限制,心里有数
- 训练片段只有 1.3–3 秒,长视频请分段生成后剪辑拼接;
- 双人打斗属于外推效果,稳定性比单人套路差,建议先用 124 帧短片测试,满意后再上 362 帧;
- 本 LoRA 只学动作,角色皮肤、服装、面部质感靠底模或画风 LoRA 实现。
按上面四步走:放文件 → 导工作流 → 抄参数 → 贴提示词,10 分钟后你就能在 ComfyUI/output 里看到第一段带音效的武打视频了。祝出片顺利,拳拳到肉 🥊