lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA
MiniMax-H3 T2VA Prompt Rewriter LoRA !LightX2V(https://img.shields.io/badge/Inference-LightX2V-ff6b35)(https://github.com/ModelTC/LightX2V) !GitHub stars(https://img.shields.io/github/stars/ModelTC/LightX2V?style=social)(https://github.com/ModelTC/L...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tuần
#2 Repository Của Tuần
🎯 Biến prompt ngắn thành câu lạnh cho MiniMax-H3
text-to-audio-video
LoRA adapter mở rộng prompt ngắn thành mô tả cấu trúc shot, âm thanh và nhạc nền cho MiniMax-H3.
Đây là LoRA adapter fine-tuned trên Qwen3.6-27B, chuyên viết lại prompt ngắn thành mô tả cấu trúc cho miniMax-H3. Adapter nhận prompt + tỉ lệ màn hình + thời lượng, xuất prompt đã cấu trúc bao gồm cảnh, thành phần âm thanh và nhạc nền.
✨ Điểm nổi bật
- Prompt rewriting T2VA: biến prompt ngắn thành mô tả cấu trúc shot, thời gian, thành phần âm thanh.
- Hỗ trợ cấu hình: truyền duration và resolution để adapter tạo prompt phù hợp.
- Xuất JSON: lưu prompt gốc, cấu hình, model ID và prompt đã viết lại.
- So sánh baseline: chạy
--base-onlyđể so sánh với Qwen3.6-27B gốc. - Tích hợp LightX2V: prompt đã viết lại dùng trực tiếp với LightX2V để sinh video + âm thanh đồng bộ.
- Fine-tuned trên Qwen3.6-27B: dùng làm backbone cho việc hiểu và mở rộng prompt.
💡 Vì sao đáng chú ý
Adapter tập trung vào việc cấu trúc prompt thay vì sinh nội dung. Điểm mạnh: giữ nguyên intent gốc nhưng mở rộng chi tiết shot, camera motion, đồng thời thêm thành phần âm thanh diegetic và nhạc nền không-diegetic. Workflow local đầy đủ: prompt ngắn → adapter viết lại → LightX2V sinh video + âm thanh đồng bộ.
#LoRA #PromptRewriting #MiniMax-H3 #LightX2V #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
MiniMax H3 System Overview MiniMax H3 is a general-purpose, omni-modal generative system. It supports unified understanding of multimodal contexts composed of text, images, video, and audio, and can generate video with native stereo audio at resolut...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
MiniMax-H3 Prompt Rewriter LoRA 8B !Model(https://img.shields.io/badge/Hugging%20Face-model-yellow)(https://huggingface.co/lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA-8B) !LightX2V(https://img.shields.io/badge/LightX2V-GitHub-black)(https://github.com/...
!FLUX.1 dev Grid(./devgrid.jpg) FLUX.1 dev is a 12 billion parameter rectified flow transformer capable of generating images from text descriptions. For more information, please read our blog post(https://blackforestlabs.ai/announcing-black-forest-la...
LTX-2.5 — Video, Audio & World Simulation Full control and customization — self-host on your infrastructure. Homepage Docs GitHub Research API Playground Discord LTX License LTX-2.5 — Video, Audio & World Simulation Full control and customiz...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Please check our repo(https://github.com/ModelTC/Minimax-H3-Turbo) to reproduce the results....
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...