Найдено: 738
omni-модель с радикально меньшим числом отказов
Это файнтюн Qwen3-Omni-30B-A3B-Thinking от GloriaWang23 на 31,72 млрд параметров. Он наследует omni-архитектуру Qwen3-Omni, а в основе — Thinking-вариант с chain-of-thought; по карточке модель принимает аудио, видео и текст, а отвечает текстом. Главное отличие — heretic-настройка, снижающая отказы.
готовые файлы и workflow для видео в ComfyUI
Это репозиторий vftfnn с перепакованными файлами MiniMax H3 для ComfyUI. Внутри — diffusion-модели fl2va и ref2va в разных квантованиях, текст-энкодер Qwen3-VL-32B, LoRA turbo, VAE, ControlNet Union и embeddings. Размер и число параметров в карточке не указаны.
репак файлов, квантов и LoRA для видео
Репозиторий fkyyy/MiniMax-H3-comfy-r2v-slim — это переупакованные файлы MiniMax H3 для ComfyUI. Внутри диффузионные модели, текстовые энкодеры Qwen3-VL-32B, VAE, LoRA, ControlNet и эмбеддинги для генерации видео. Число параметров и архитектурные детали самой MiniMax H3 в карточке не указаны.
управление MiniMax H3 без обучения
H3 Dials от MATLOWAI — набор steering-файлов примерно по 14 КБ для видеогенерации MiniMax H3. Каждый dial — одно направление в пространстве обработанного промпта, построенное по парам промптов без тренировки. Сила задаётся слайдером: минус тянет к стороне A, плюс — к стороне B.
LoRA для более логичного image-to-video
Licon VBVR — это LoRA для image-to-video на базе MiniMax-H3 от LiconStudio. Она обучена на пересобранных под H3 данных VBVR и улучшает согласованность объектов и логику действий персонажей. В карточке отдельно отмечают меньше дублирования объектов, обрезаний и взаимопроникновения при движении.
fused-веса MiniMax-H3 для diffusers
Это image-to-video трансформер MiniMax-H3 на 20,11 млрд параметров, сконвертированный в дерево модулей diffusers на базе multimodalart/MiniMax-H3-Pruned. В репозитории лежат сами веса, а не LoRA: их не нужно сливать, сворачивать или патчить при загрузке. TURBO-дельта уже запечена в чекпойнт.
публичный INT8-пакет для видео со звуком
Woovee опубликовал публичный serving-пакет с закреплёнными контрольными суммами на базе неофициального community-мерджа PRISM от OliviaRossi. В основе — смесь Singularity v2 и 10Eros-Max beta 6; пакет предназначен для генерации видео по изображению и тексту в ComfyUI/Runpod.
SDXL Turbo на CPU через LiteRT
SDXL-Turbo-LiteRT — LiteRT-конвертация stabilityai/sdxl-turbo от frankdu, созданная на основе исходных весов Stability AI. Это не языковая модель и не .litertlm-чекпоинт, а набор Float32-графов для text-to-image пайплайна: CLIP, UNet, Euler ancestral sampler и VAE.
движение и камера Pika в четырёх шагах MiniMax H3
Это набор патчей от WAS для ComfyUI: Pika H3 Flex встроен в четырёхшаговые PTD-файлы MiniMax H3 на силе 0.5. На выходе — видео со звуком, включая речь; доступны режимы fl2va (первый кадр → видео и звук) и Ref2VA (одна референсная картинка).
world model, управляемая картинкой и клавишами
Чекпоинт Memorizon от Institute of Foundation Models (IFM), MBZUAI: image-to-video world model на базе Wan2.2-TI2V-5B (~5,14 млрд параметров). На вход — одно изображение и клавиатурные действия или траектория камеры; на выходе видео 1280×704 с 16 fps, генерируемое по одной секунде за раз.
8 MP за 8 шагов, без CFG
P-H3-Image от PrunaAI — диффузионная модель для text-to-image и редактирования изображений на базе MiniMax-H3. В репозитории — pipeline для diffusers; трансформер на 33.1B параметров, генерация в 8 MP и редактирование с 1–8 входными картинками.
генерация и редактирование с референсами
Репозиторий rootlocalghost — это FLUX 3 Image Klein от Black Forest Labs, перепакованный для ComfyUI: дистиллированный и base-трансформеры, текстовый энкодер, промпт-апсемплер и VAE.
компактная квантизация video+audio DiT с ускорением 8.92x
Сторонняя квантизация MiniMax-H3 FL2VA от yeowon для ComfyUI. Модель генерирует видео по первому/последнему кадру с синхронным аудио; 33.1B total / 20.11B active parameters. Чекпойнт на 50 блоков в 4-Trit Balanced Base-3: 14.98 GiB Joint-tANS (16.22 GiB raw).
циклы thinking-режима лечатся правкой 0,016% весов
Qwen3.5-0.8B Astra Weight Edit — версия Qwen3.5-0.8B на 0,87 млрд параметров, в которой без обучения отредактированы два тензора. Публикация JonathanColetti; метод и диф — от Rikiya Takehi, Jayden Teoh, Alex Zhang и Omar Khattab (MIT CSAIL).
аниме-файнтюн Moss для выразительного лайнарта
Moss:RAEL — аниме-ориентированный файнтюн модели Moss, обученный на базе OpenMOSS-Team/MOSS-Image-Base. Автор — sselpah; карточка описывает генерацию аниме-иллюстраций и скриншотов с управлением через промпты артистов, тайтлов и copyright. Размер и архитектура в карточке не указаны.
LLM правила веса без обучения
Это Qwen3.5-0.8B (0,87 млрд параметров) от RikiyaT, отредактированная без градиентного спуска: продвинутая LLM Astra напрямую изменила веса базовой Qwen/Qwen3.5-0.8B, чтобы та лучше решала математику.
четыре шага до картинки
Это RL-дообученная версия LightX2V Lightning v2, дистиллированная из Qwen-Image-2.1 (около 7,12 млрд параметров). Модель от lightx2v умеет text-to-image, редактирование по одному референсу и генерацию по нескольким референсам всего за 4 шага денойзинга при CFG = 1.0.
репак TripoSplat для ComfyUI
Idol от Comfy-Org — это переупакованные файлы модели для ComfyUI. Оригинальный репозиторий — speridlabs/idol; модель является fine-tuned версией TripoSplat и предназначена для задачи image-to-3d. Работает с уже существующими workflow TripoSplat.