模型找得到，
下载更顺手。

作者发布 TenStrip 10Eros-Max beta2_pruned 的原生 ComfyUI NVFP4 转换，采用与 H3 参考布局对应的量化层策略。 视频生成相关社区模型或组件合集。仓库发布者：sakamakismile。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 作者提供单卡 Blackwell 测试描述，但闲社没有复现；应核对 H3 及所转移源模型的许可。

作者发布 TenStrip 10Eros-Max 的原生 ComfyUI INT8 ConvRot 转换，包括 Beta2 和 skip-edges 等文件。 视频生成相关社区模型或组件合集。仓库发布者：cicalooo。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 仓库还含 Turbo-hybrid beta3；上游提示 beta3 测试文件有问题，勿默认选择。skip-edges 版本保留边界块较高精度。

作者说明是 FL2VA 与 REF2VA 的 ZS05 分支混合：B00-B24 取 FL、B25-B49 取 REF、后续取 FL。仓库提供 BF16、INT8 文件。 视频生成相关社区模型或组件合集。仓库发布者：hoidhxd。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 该名称不意味着可独立运行 Z-Image 或具备额外用途；融合细节来自作者说明。

作者对 TenStrip 的 Ref2VA Beta2 剪枝主模型做 GGUF 量化，提供多个精度，用于参考条件视频工作流。 视频生成相关社区模型或组件合集。仓库发布者：Abiray。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 必须配齐 H3 编码器与视频、音频 VAE；作者的显存和质量描述不是闲社实测。

作者发布的 FL2VA 文本到视频 NVFP4 混合精度版本，并附可选 Heretic 文本编码器。作者要求支持 H3 的新版 ComfyUI，NVFP4 优先面向 Blackwell。 视频生成相关社区模型或组件合集。仓库发布者：dotexec。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 去限制声明只针对附带文本编码器，不据此认定视频主模型已去限制。编码器也不是独立的视频生成模型。

作者发布的 MiniMax H3 低内存组件合集，包括 W4A8 FL2VA / Ref2VA、混合权重与 VAE 等，面向其 standalone app 及兼容工作流。 视频生成相关社区模型或组件合集。仓库发布者：koongrizzly。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 部分文件与其他 H3 仓库共享来源，合集还含不同混合权重；不是一个单独的小体积完整系统。

FastVideo 发布的 FastH3 8-Step V2 ComfyUI 重打包，包含剪枝 BF16、INT8 主模型及配套编码器、VAE 文件。 视频生成相关社区模型或组件合集。仓库发布者：FastVideo。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 8 步与加速效果属于上游设计说明；不宣称去限制，也不代表闲社运行测试通过。

TenStrip 的 MiniMax H3 社区 graft / 混合实验仓库，包含不同 beta、精度和 Turbo 文件。作者说明有不同源模型特征转移与融合。 视频生成相关社区模型或组件合集。仓库发布者：TenStrip。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 上游当前提示 beta3、beta4 是有问题的测试版本；另有标为 UNSTABLE 的文件。请优先核对作者对 beta5、beta6 的现行说明，不视为全部文件可用。

作者说明是 xmarre 的剪枝 Ref-Delta Fused r1024 模型的 GGUF 量化版，包含多个精度，目标是融合 FL2VA 与 Ref2VA。 视频生成相关社区模型或组件合集。仓库发布者：Abiray。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 rank-1024 delta 融合及质量改进属于作者描述，未独立验证。

作者说明由 smhfacct 的 FL2VA / REF2VA b25-49 混合模型转换为 Q4_0、Q5_0 GGUF；融合采用 FL 为底、后半部分 AdaLN 来自 REF。 视频生成相关社区模型或组件合集。仓库发布者：hoidhxd。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 原站未注明具体许可条款；用途和融合机制来自模型卡，未做张量验证。

作者说明由 FastVideo FastH3 8-Step V2 完整 BF16 主模型转换为 GGUF，并非剪枝版。配合支持 FastH3 的 ComfyUI-GGUF 工作流，不是普通语言模型。 视频生成相关社区模型或组件合集。仓库发布者：realrebelai。未将普通融合或量化等同于去限制；特殊组件声明以原作者说明为准。 未找到明确去限制声明，不能仅凭量化格式标为去限制版。

LongCat-Video-Avatar-1.5 是一个开源的音频驱动人类视频生成框架，专注于生产级应用。该模型基于 LongCat-Video 基础模型构建，支持商业级 Avatar 视频合成，可应用于新闻播报、知识教育、日常生活、娱乐、歌唱、商业推广等场景。 Audio-Text-to-Video (AT2V)：音频和文本驱动的视频生成 Audio-Text-Image-to-Video (ATI2V)：音频、文本和图像驱动的视频生成

ABot-World是一款实时交互式世界模拟器，能够在单张NVIDIA RTX 5090桌面GPU上实现无限动作条件的720P世界生成。 动作驱动世界控制：根据用户输入的动作实时响应，支持持续探索而非被动视频播放。 实时桌面推理：在单张NVIDIA RTX5090上达到720p分辨率、16 FPS帧率，延迟1.2秒，GPU显存占用19GB。

本模型是视频生成模型 MiniMax-H3 的 NF4 量化版本，采用 bitsandbytes 4-bit 量化方案，配合 DiffSynth-Studio 使用，可以在显存和内存有限的设备上运行模型推理。 运行以下代码，使用 DiffSynth-Studio 进行推理，显存管理将会自动启用，实际的显存占用量取决于 GPU 上的可用显存，最低 8G 显存即可运行。 Comfy-Org/MiniMax-H3 提供了 MiniMax-H3 的 pruned 变体，它把 DiT

MiniMax-H3-Fun-Controlnet-Union 这是一个针对MiniMax-H3视频生成模型的ControlNet-Union控制分支权重。通过加载该检查点，可以对MiniMax-H3生成的视频进行条件控制，实现视频到视频的转换，并支持视频修复功能。 联合控制：单一检查点支持Canny边缘检测、Depth深度图、HED边缘、MLSD线段和Pose姿态五种控制条件，无需为每种条件切换不同检查点。

Zing-0.5是由Seedleap.ai团队（涌跃智能）开发的50亿参数因果世界模型，用于实时交互。该模型从当前状态持续预测视觉世界，文本提示和键盘动作可在生成过程中改变场景、运动和未来演变。 支持文本初始化生成、单图像初始化、rollout期间提示更改以及连续W/A/S/D/I/J/K/L键盘控制。因果KV缓存和四步DMD采样技术使模型能够在单GPU上实现响应式长视野生成。 输入：文本提示、键盘动作、参考图像（用于Action TI2V）

Wan2.1 是一个开源的大规模视频生成模型套件，基于主流的扩散变换器范式设计。该模型支持文本到视频、图像到视频、视频编辑、文本到图像以及视频到音频等多种生成任务。 Wan2.1 在多个基准测试中表现优于现有开源模型和闭源商业解决方案。模型支持生成中英文文字内容，这是首个具备该能力的视频模型。 Wan-VAE 能够对任意长度的1080P视频进行高效编码和解码，同时保留时间信息。 模型支持文本提示和图像输入。根据不同任务和模型版本，可输出480P或720P分辨率的视频。文本输入

Wan2.1 是一个开源的大规模视频生成基础模型套件，基于主流的扩散变换器（Diffusion Transformer）架构开发。该模型支持多种生成任务，包括文生视频（Text-to-Video）、图生视频（Image-to-Video）、视频编辑（Video Editing）、文生图（Text-to-Image）以及视频转音频（Video-to-Audio）。 Wan2.1 在多个基准测试中表现优异，性能优于现有的开源模型和部分闭源商业解决方案。该模型是首个能够同时生成中文