Jojocodex-wushu-action-v7-minimax-h3-fl2va-ref2va-lora

Wushu Action LoRA — MiniMax H3（E3：全量 int8 DiT + bf16 文本编码器）

武打动作风格 LoRA（ComfyUI 即插即用）。基于 924 段精选武打片段（832×480 @ 24fps，专业招式术语三段式打标），以 **全量 int8-convrot DiT（未剪枝）+ bf16 Qwen3-VL 文本编码器** 训练 1000 步——当前量化精度最高的版本。触发词 wushu action 。

A wushu action style LoRA for MiniMax H3, trained 2000 steps on the **unpruned full int8-convrot DiT + bf16 Qwen3-VL text encoder** — the highest-fidelity quantization configuration. Trigger word: wushu action .

之前PRUNED底座的训练的模型我都移除了，目前测得这版算是比较好一点的。但是表现我觉得还是没有达到我的预期，我觉得还是要再优化和增加素材，做一版新的LORA，届时会增加大量的运动动作。目前再整理再整理素材中，预计训练好也还需要2日时间。

大家可以尝试搭配JOKER141 的Combat-Base-V2和 Motion Continuity Repair LoRA来使用，效果更加。或者加入少许强度的Spatial & Physics LoRA弥补一点物理上的补偿。

本人郑重声明，本人是尊重原创的，不会将其他的作者的作品改成自己的署名上传。本人也喜欢和尊重四只兔子大佬的LORA，也就是JOKER141。都是公益性作者，收集素材整理打标训练，这些都是需要时间成本和资金的，并没有想通过大家去赚这点利益，喜欢就支持，不喜欢就无视就好了。你如果是做推广性作者，可以去推销你打包整理的东西，但麻烦尊重支持一下原创，不要随意改别人的署名，谢谢，同时也感谢大家的喜欢和支持。

文件 / Files

文件 说明

• -- ---

wushu action v7 fl2va aitoolkit adaln full-int8convrot bf16te 1000step.safetensors **E3 主模型**（含 adaln 校准层，配全量 int8-convrot 底模）

Minimax h3多参考双采打斗工作流.json 多参考双采打斗 ComfyUI 工作流

招式TAGS完整清单.md 训练集全量招式标签清单（写提示词用）

底模： minimax h3 fl2va int8 convrot.safetensors （34GB，Comfy-Org 未剪枝 int8 版）

已知问题：低步数采样出片偏模糊，请提高步数或配合修复类插件。

ComfyUI 使用教程

第 1 步：放置模型文件

文件 放到哪

• -- ---

底模 minimax h3 fl2va int8 convrot.safetensors 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/

• *LoRA**（本仓库 E3 主模型） ComfyUI/models/loras/

第 2 步：搭工作流

用仓库内的**多参考双采打斗工作流 JSON** 直接导入，或用 ComfyUI 模板库搜 **MiniMax-H3**。手动搭线：

第 3 步：KSampler 参数（照抄即可）

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，>1 必出坏图

denoise 1.0 —

width × height **832 × 480** 32 的倍数；竖屏 480×832

frames **124** ≈5.2 秒；必须 17n+5（22/39/56/73/90/107/124/175…）

fps 24 —

第 4 步：提示词（核心！）

规则**：以触发词 wushu action, 开头；**角色外貌单独定义在「角色设定」块**（发色+服装+体型+兵器一次定义，全篇逐字固定），镜头里只称"角色A/角色B"不重复外貌（人物一致性关键）；招式写具体术语（"扫堂腿" ✔ "踢腿" ✘）；三段式分镜；结尾带音效描述。

模板格式（角色设定与镜头分离）

成品模板 T1 扫堂腿 + 腾空侧踹（入门首选）

模板 T2 长剑套路（缠头裹脑 + 回马枪）

模板 T3 双人对打（贴山靠 + 鞭腿）

模板 T4 枪术回马枪

模板 T5 女子双钩剑（纯英文）

招式替换词库

完整清单见仓库内 招式TAGS完整清单.md （训练集全量提取，含频次）。速查：

类别 高频术语

• -- ---

腿法 扫堂腿 sao tang tui ｜ 腾空侧踹 ｜ 鞭腿 ｜ 后旋踢 ｜ 旋风脚

拳掌肘靠 直拳 zhi quan ｜ 贴山靠 tie shan kao ｜ 肘击 ｜ 崩拳

摔拿 擒拿 joint-lock ｜ 过肩摔 ｜ 接腿摔

剑术 缠头裹脑 chan tou guo nao ｜ 撩剑 liao jian ｜ 劈剑 ｜ 回马枪

枪棍 扎枪 zha qiang ｜ 中平枪 ｜ 拦拿 ｜ 横扫

步法 弓步 gongbu ｜ 马步 mabu ｜ 虚步 xubu ｜ 点步 dianbu

身法 腾空 ｜ 纵跃 ｜ 翻滚卸力 ｜ 旋身横扫 ｜ 蹬墙借力

衔接 格挡卸力 ge dang xie li ｜ 闪身 shanshen ｜ 借力打力 ｜ 以攻代守

避坑清单

• 招式宁专勿泛："扫堂腿" ✔ "踢腿" ✘
• 一个 Shot 只放 1–2 个招式，别堆砌
• 不要写"静止站立/呆立"——模型学的是连续动作
• 保留 non diegetic music: None.
• 画质/分辨率交给参数，不要写进提示词
• 人物/兵器崩坏 → LoRA 强度降到 0.6–0.8；动作不够武 → 升到 1.1

wushu h3 v8 LoRA （这个素材主要用大量的3D模型跑的动作，所以真实感会欠缺，但是可以作为优化动画去使用，权重太高画面可能会显黑，因为素材都是黑色背景。）

适配 MiniMax-H3 FL2VA 的武术动作 LoRA。本LoRA学习人体运动与发力逻辑，不学习画面质感、角色贴图。

触发词：** wushu action **｜底模要求： minimax h3 fl2va 系列，

使用前必读

• **触发词 wushu action 必须放在提示词最前面**。所有训练标注均以此词开头，模型将该词与武术动作强绑定。
• 该LoRA训练素材全部为人体模型三视图动画，默认容易输出白模+纯黑背景。这是设计特性，不是BUG。
• LoRA权重推荐范围：
• 0.9–1.0：生成三视图人体动作参考素材
• **0.6–0.8**：正常场景出片（推荐起点）
• 若大量出现白模黑底，降低至0.5–0.6

提示词写法

模式A：生成训练风格三视图人体动作参考

直接复制模板，仅替换招式描述

模式B：生成真实角色与场景（视频创作推荐）

保留触发词和动作关键词，把模板里的人体模型、三视图、黑底替换为你需要的角色和场景

提示：优先使用训练集中已存在招式词，成功率更高：直拳、高侧踢、疾步冲刺、举盾格挡、长枪突刺、翻滚、连续连招

H3 生成参数

采样器：euler｜调度器：simple

采样步数：25

CFG：**1.0，请勿大于1**

视频帧数：遵守 17n+5 规则（可选：22 / 39 / 73 / 90 / 124）

分辨率：宽高必须为32的倍数，推荐 832×480

负面提示词

已知限制

训练片段时长仅1.3–3秒。长视频建议分段生成后剪辑拼接。

训练素材均为单人，双人对打属于外推效果，稳定性较差。

本LoRA只学习动作；角色皮肤、服装、面部质感依靠底模或画风LoRA实现。

ComfyUI部署方法

• 将LoRA文件放入 models/loras/ 文件夹
• 加载 minimax h3 fl2va 扩散模型，搭配对应的Qwen3VL文本编码器、H3视频VAE
• UNet加载节点后接入LoRA加载器，设置上面推荐的权重
• LoRA挂载校验：对比权重0与权重1的出片效果。若无明显差别，需要对safetensors做键名重映射。