Одна и та же нейросеть на одну и ту же подсказку выдаёт каждый раз нового человека. Обычно это лечат LoRA: десятки картинок и обучение модели. Японский автор в заметке на note пошёл другим путём и вытянул персонажа на открытой модели MiniMax H3 Image, всего на одном референсе.
Модель вышла 10–11 ноября 2026 года. Даты в источниках расходятся: ComfyUI пишет о 10-м, MiniMax о 11-м, скорее всего из-за часового пояса. Автор запускал её на Quadro GV100 с 32 ГБ памяти, видеокарте 2018 года.
Коротко
- Персонаж держится по одной референсной картинке: лицо, причёска, мелкие детали, эмоции и фон меняются текстовыми правками.
- Слабые места — полный рост при портретном референсе, счёт предметов и лево-право. Их лечат двухступенчатой генерацией.
- Одежду меняют по двум референсам: персонаж и образец. Старую одежду надо явно отменить в тексте.
- На GV100 один кадр в 4 мегапикселя занимает около минуты, смена одежды по двум референсам — около пяти.
- Лицензия разрешает бесплатное коммерческое использование до порога выручки в $1 млн, но у неё есть ограничения, и их нужно прочитать.
Что умеет модель и почему это важно
По описанию MiniMax, H3 Image делает генерацию и редактирование в одном чекпоинте и принимает до 16 референсов. Компания заявляет 4K за меньше 10 секунд. Это её цифра, проверять её на своём железе придётся самим.
Тут важен сам принцип. Модель понимает картинку-референс, поэтому можно не обучать отдельную LoRA. Автор заметки писал: «同じキャラクターで…» — «тот же персонаж…», и дальше описывал, что поменять. Английский промпт для первой версии он заказал у Claude, так как ComfyUI модель понимает лучше по-английски.
Русскоязычные подсказки он переводил небольшой локальной LLM. Один сбой запомнился: слово «城» (замок) модель переводила как «city». Пришлось дать ей примеры правильного перевода.
Как собирали персонажа: что сработало
Сначала портрет, потом правки
Сначала автор сделал одну картинку: серебристая женщина-рыцарь, лицо и верх туловища. Её он использовал как референс для всех следующих кадров. Лицо, причёска с косами, заколка, голубые глаза и часть узора доспеха переходили без правок.
Для полного роста без явного указания модель повторяла поясной план из референса. Помогло начало промпта, где камера и кадр описаны прямо:
- 「足先まで入った全身、横顔、カメラは遠く」 — «полностью в кадр до кончиков ног, профиль, камера далеко»
- При этом модель дорисовала ноги в той же броне, которой в референсе не было.
Предметы и лево-право
Тут модель спотыкалась. Фраза «вынимает меч из ножен» дала два меча. Написание «меч один» не помогло. «Убери меч в левой руке» убрало меч в правой. Рабочая схема такая: сначала генерация, потом отдельная правка с указанием не трогать остальное:
- Генерируем картинку как есть.
- Если лишний предмет есть, даём её как референс и пишем: «余分な剣を消して、ほかはそのまま» — «убери лишний меч, остальное оставь как есть».
Одежда по двум референсам
Сначала автор пробовал готовую игровую картинку экипировки. Одежда перенеслась, но вместе с ней перешёл хвост персонажа-донора. Плюс такие картинки нельзя публиковать: чужой дизайн. Поэтому образцы он сделал сам, той же моделью: манекен в трёх проекциях — спереди, сбоку, сзади. Людей там нет, поэтому лица и причёски не смешиваются.
- Фраза «2枚目の服を着せて» — «надень одежду со второго фото» — вырезала зелёный плащ. Накидку модель не приняла за одежду.
- Сработало перечисление по деталям: «マント、金の刺繍、チュニック、ベルト、ズボン、ブーツ» — плащ, золотая вышивка, туника, пояс, брюки, сапоги.
- Старую одежду надо отменить словами: «鎧はなし、青いマントもなし» — «без доспехов, без синего плаща». Тогда всё из списка появилось.
- Косы и ленты при этом сохранились.
Переодевание готового кадра автор тоже проверял. Вот его формулировка:
「服だけ入れ替え、ポーズ・手の位置・剣・顔・髪・画角はそのまま」と書くと、書いたとおりになりました。 — автор заметки. В переводе: «Пишешь „поменять только одежду, позу, положение рук, меч, лицо, волосы и кадр оставить“ — и выходит ровно так, как написано». Фон при этом переписывается по тексту: хочешь старый — опиши его.
Железо: цифры разных людей
Цифры ниже пришли из разных источников, и условия у них разные. Сравнивать их напрямую нельзя.
| Конфигурация | Что сделали | Время и память |
|---|---|---|
| Quadro GV100, 32 ГБ VRAM, 64 ГБ RAM (японский автор заметки) | Кадр 4 MP | около 1 мин на кадр |
| Quadro GV100 (та же заметка) | Смена одежды по двум референсам | около 5 мин, для проб 2 MP |
| RTX 4090 (японский автор поста на Qiita-подобной площадке) | Restyle-LoRA, 30 секунд | VRAM около 21 ГБ, разрешение в посте не указано |
| RTX 3050 8 ГБ + 32 ГБ RAM (dskjal) | 16 MP с даунскейлом до 4 MP | результат без времени в заметке |
В заметке автора с GV100 есть ещё одна деталь: память расходуется на текстовый энкодер (около 26 ГБ) и диффузионную часть (около 22 ГБ). Они не умещаются в 32 ГБ вместе, поэтому модели меняются местами, а RAM часто не хватает. Автор отключил новый менеджер памяти ComfyUI и закрепление памяти в настройках. Это помогло, но не решило всё: поэтому он планирует держать энкодер и диффузию на разных GPU.
Как попробовать в ComfyUI
- Скачать файлы. По сборке японского автора поста с RTX 4090: minimax_h3_image_pruned_w4a8.safetensors — в ComfyUI\models\diffusion_models; qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors — в text_encoders; minimax_h3_image_vae_fp16.safetensors — в vae.
- При необходимости добавить h3-lora-image-restyle.safetensors в loras. Автор поста говорит, что LoRA нужна, когда базовая модель слабо меняет стиль.
- Проверить совместимость форматов с вашей картой. w4a8 и nvfp4 — форматы под конкретное железо, на других картах могут не запуститься.
- Настройки: 6 шагов, CFG 1, без негативного промпта. Это зашито в модели, по описанию ComfyUI менять их не нужно.
- Тест делать на меньшем разрешении, финал — на большем. Так делал и японский автор: проба в 2 MP, чистовик в 4 MP.
- Нет мощной карты? В ComfyUI есть Partner Nodes: та же модель через API с того же холста, без скачивания весов.
Цены и доступ
Веса открыты, так что локальный запуск бесплатен, если есть железо. По API данные APIMaster на 13 ноября 2026 года, в долларах за миллион токенов. Цен в рублях нет: курс я не проверял, поэтому пересчитывать не буду.
| Модель | Текст, $ за млн | Вход-изображение, $ за млн | Выход-изображение, $ за млн | Доступ |
|---|---|---|---|---|
| MiniMax-H3-Image (Standard) | 2,30 | 1,50 | 3,80 | есть маршрут, без скидки |
| MiniMax-H3-Image-Highspeed | 2,30 | 3,00 | 7,60 | публичного маршрута нет |
Оплата идёт по токенам, а не за картинку, поэтому итоговую цену считать по своему промпту и размеру. Тестер Piotr Olszewski сгенерировал больше 170 картинок через API за $4,98 в первую неделю после релиза. Это его результат, а не постоянная цена.
Где подвох
- Лицензия. По словам dskjal, порог бесплатного коммерческого использования снизили с $20 млн до $1 млн выручки. Есть региональные ограничения, и в тестах фигурируют разные их формулировки. Читайте лицензию на Hugging Face, а не пересказы.
- Запрещено использовать сгенерированные картинки для улучшения других ИИ-моделей. Это унаследовано от MiniMax H3.
- Нет прозрачного фона. Тест Olszewski: 0 из 5 картинок с прозрачным фоном.
- Текст с диакритикой хуже, чем у Nano Banana 2.1 и GPT-Image-2.6, по его же тесту.
- Красивые цифры по скорости — заявление MiniMax, не независимый замер.
- Цифры по железу в заметке — опыт одного автора на одной машине. Досье их не подтверждает.
- Утверждение о работе на 12 ГБ через квант w4a8 в заметке подано как слух. Прямого подтверждения нет, есть только опыт с 8 ГБ при даунскейле.
Кому это нужно, а кому нет
Если нужен один персонаж в серии картинок — маскот, листы эмоций, раскадровка, сцены с одним героем, — MiniMax H3 Image закрывает задачу без датасета. Для маскота и листа эмоций это главный плюс: правки текстом вместо обучения.
Если нужна точная композиция, строгий счёт предметов, прозрачный фон или текст с диакритикой, эта модель не лучший выбор. Для таких задач ищите другую модель или используйте её только для черновика.
Вам нужен персонаж для серии или для одной картинки? От этого зависит, стоит ли возиться с LoRA вообще.
Промты для фото и видео уже собраны в библиотеке клуба
Источники
MiniMax H3-Image: Bringing 4K Image Generation into the 10-Second Era - MiniMax Research | MiniMax
Using H3-Image in ComfyUI|dskjal
MiniMax H3 Image API: 4K Generation, Editing & Pricing | APIMaster.AI
MiniMax H3-Image: Price, API, Test Results and Comparison
MiniMax H3 Image is now available in ComfyUI - by Rob
Источникnote.com
