MiniMax H3 Semantic Bridge · 深度调研

2026-09-19 | 父会话直连 GitHub/HF API 实证(0909 卷宗方法论)| 配套报告:REPORT.md(同目录)
3
家谱系玩家
10.5 MB
原版适配器 (fp16)
5.5 M
参数量 (5120→512→512→5120)
0.984
蒸馏表征余弦 (非画质指标)

① 一句话定谳

Semantic Bridge = conditioning 空间语义适配器:把 H3 原生 text conditioning [B,T,5120] 过学生 MLP 预测"教师语义表示",幅度对齐后以残差混回。不是 LoRA、不动扩散权重、不改写 prompt,推理期不需要 SenseNova 教师模型。

H3 text cond [B,T,5120]→ rms_norm→ Student MLP ×3 fc + SiLU→ magnitude_match (per_token)→ h + α·(S−h)→ 下游采样器

推荐参数:α=0.10 起步(发布 A/B 用 0.15 强档)、magnitude_match=per_token。BUNNY 版带 enabled 真旁路(α=0 零加载零拷贝)。

② 三家谱系(全链实证)

① 原版 speach1sdef178② 衍生 BUNNY / JOKER141③ T8mars 收编
仓库GitHub ★6 · 一日仓(0909)GitHub ★15 · 0913/14HF t8star/Semantic-Bridge-Comfy · 0917
热度HF 1849↓ / 73赞HF 381↓ / 22赞HF 55↓
权重v1 · 10.5MB fp16ActionLogic V1 · 21MB fp32两份 T8_Compat 重打包(张量逐字节同,仅加元数据+SHA256)
定位通用语义/prompt 遵循:构图·空间·数量·材质·反射·文字动作逻辑归属:动作串人/武器换主/攻受混淆/遮挡后身份丢失(1v4 战斗实测)分发渠道:①②权重 → T8 节点可读格式
训练法SenseNova U1.5 8B-MoT 教师 → 跨架构隐层对齐 → 蒸馏;单卡 3090 Ti 24GB 全程独立训练权重(非①转换版),MLP 架构同构无训练
自报证据表征余弦 0.9836 / OOD 0.9898;仅 2 组定性 A/B 视频~60% 改善 / ~20% 无差 / ~10% 退化(非正式观察,自述非 benchmark)443 CPU 回归+5 工作流机械验证;人审未完成·节点未进任何已发布版

谱系:②README 明示"受①启发";③是①②的封装。⚠ T8 README 明令:BUNNY 与原版是独立权重,禁两桥串联同一 conditioning。

③ 原版研究叙事(RESEARCH_ARTICLE 全读)

技术路线四步

步结果
1. 参数级直接嫁接失败 SenseNova↔H3 无张量对应 → 问题转为表征对齐
2. 隐层对齐最强映射 held-out 余弦 0.904;严格 OOD(160条) 0.749(降未崩)
3. Full Bridge(带教师)行为可见变化但教师运行时不现实 → 转蒸馏
4. 蒸馏学生预测 delta 失败(~0.51),预测表示本身大成功 → 11MB 独立适配器

最终蒸馏指标(500 train / 100 val prompts)

教师表示余弦0.995890
语义校正余弦0.983558
OOD 校正0.989788
最差类别(Counting)0.965250
Blend 余弦 @α=0.100.999958
作者反复强调:这些是表征空间保真度指标,不是视频质量指标。"小幅 conditioning 差异可致大采样差异"——行为无法由余弦预测。

定性 A/B 实锤(例 2 · 玻璃桌 prompt 遵循)

prompt 明示「右手平放桌面、五指自然张开且清晰可见」:原生 H3 擅自给右手加了横移动作;Bridge α=0.15 保持静止状态。这是可直接观察的状态遵循差异,非"哪个更好看"的主观题。

④ 本机兼容性核查(0919 实测)

检查项结果
comfyui-primary / secondary 原生 comfy_extras/nodes_minimax_h3.py✅ 双容器在位 primary @ 7a0b5eed (Aimdo 0.5.5),含 ImageToVideo/ReferenceToVideo
本机 h3-audio-T8 插件v1.73.0,无 semantic bridge 节点
T8mars 上游桥节点连 v1.83.0 都未进(EXP,代码未推 GitHub/Registry)→ 追 T8 收编无增量
采纳最小路径BUNNY 单节点仓 + 21MB 权重:纯 conditioning 进出零依赖 → 现有工作流 CONDITIONING 线中间插入即可,零重建

⑤ 与我们病灶的关联 + 采纳建议

🟡 试点(非放量)

BUNNY 桥 → FL2VA 无对白多角色动作镜 3-case A/B:同 seed、α=0.10 per_token、kais-validation 案例、盲选页 + Kai 终审。过线后再议 α=0.15 与放量。遵守 0917 令:小批试点成功才批量。

⚠ 禁区(实锤)

原版实测:Ref2VA conditioning 上桥 → 参考音频歌唱咬字/口型明显恶化。TTS audio-lock 对白镜若试必须 ASR 回验+口型审计轴单独立项。

❌ 不追 / 👁 监控

不追:T8mars EXP 收编(无功能增量)、AIMixer #204 未合入(但其"默认关/安静降级/仅正向/每段一次"设计值得抄)。监控:①仓迭代、②仓 issue、T8 ≥1.84 节点落地、#204 合并。

我们已知痛点对应能力判断
多角色动作串人/道具换主(P11b)BUNNY 主打(1v4 战斗)高度相关 · 首选试点
prompt 状态遵循(擅自加动作/数量/左右序)原版主打(手部静止 A/B 实锤)相关
TTS 对白口型(T8 Audio Lock 生产路径)Ref2VA 上桥 = 咬字/口型恶化(作者实锤)禁区
复现门 / render-back 定量判定行为无法用表征指标预测试点必须同 seed A/B + 盲选终审

⑥ 许可证

适配器权重 = MiniMax H3 衍生物 → MiniMax H3 Community License(非 MIT,商用需过上游条款)| SenseNova U1.5 教师 = Apache-2.0(未再分发、推理不需要)| 集成代码/文档:作者未单设许可,再分发前审 LICENSE.md / NOTICE.txt / UPSTREAM_LICENSES.md。

⑦ 来源(全部 0919 直连核验)

  1. github.com/Speach1sdef178/MiniMax-H3-Semantic-Bridge — nodes.py / README / LICENSE 实读
  2. huggingface.co/speach1sdef178/MiniMax-H3-Semantic-Bridge — 研究叙事全读 + 文件 blobs 实测
  3. github.com/aa335615543-ux/BUNNY_H3_Conditioning_Bridge — nodes.py 412 行实读
  4. huggingface.co/JOKER141/BUNNY_H3_Conditioning_Bridge — Example Workflow 拓扑解析(桥只接 T8 文本流 slot0,音视频流直通)
  5. huggingface.co/t8star/Semantic-Bridge-Comfy — 0917 状态说明实读
  6. AIMixer/ComfyUI_MiniMaxH3_Director #204 — ★1816 导演台集成 PR 实读
  7. 本机容器实测:primary/secondary 原生 H3 节点 + T8 插件 v1.73.0