MiniMax H3 QwenVL3-4B异教徒版：更小模型与BF16音频修复

作者：@刘悦的技术博客

MiniMax H3 QwenVL3-4B异教徒版：更小模型与BF16音频修复

一句话导读：这版 MiniMax H3 整合包以 QwenVL3-4B 替换原有 32B 文本模型，并更新 BF16 精度音频解码器，目标是在降低模型体积和运行开销的同时，修复 Ref2VA 低步数生成时的声音偏移。

核心内容：
1. 作者将本版称为 MiniMax H3 QwenVL3-4B 变体。核心调整是用更小的 4B 模型替代此前 32B 模型；按视频中的说明，体积更小、速度更快，并在当前样例中保持了可用效果。这里属于特定整合包的演示结果，不代表所有提示词和素材都一定优于 32B 版本。
2. 音频部分升级为 BF16 精度解码器，主要解决 Ref2VA 模型在低步数设置下出现的声音偏移问题。视频强调的是声音与画面的同步修复，没有提供多组量化对比，因此实际改善幅度仍应使用相同素材复测。
3. 整合环境覆盖文图生视频、全能参考和数字人等入口，默认打开文图生视频流程；演示还快速浏览了首尾帧与全能参考。原标题列出的多图参考、自动补帧和超分放大属于该版本的功能范围，但本段视频没有逐项展开参数或质量对比。
4. 演示设备为 RTX 4060 笔记本。作者称当前默认样例约 100 秒生成完毕；这个耗时只对应视频中的具体模型、素材与参数，不能视为所有 8G 显存设备的固定速度。
5. 需要修改视频或工作流时，可进入原生 ComfyUI。视频演示访问自定义端口 8187；实际端口应以本机启动日志为准。环境内同时保留多个历史版本工作流，便于用户对照不同变体。
6. 默认首屏评论主要讨论 MiniMax H3 近期版本更新较快，也有用户希望最终版能汇总前序 LoRA。这些属于使用者观点，不是本版稳定性结论；升级前建议保留旧环境，并用相同输入进行速度、提示词遵循和音画同步回归测试。

适合人群：希望在 8G 左右显存设备上尝试更小文本模型、关注 Ref2VA 音画同步，并需要文图生视频、全能参考、首尾帧或数字人入口的 ComfyUI 用户。

补充说明：本文根据授权视频约 141.5 秒完整音频转写、视频简介和默认第一页评论整理。简介与首屏评论未发现夸克网盘链接；模型体积、速度、音画同步和生成质量请以具体硬件、素材及当前整合包版本实测为准。