請問有使用minimax H3 r2v 的大大門，有沒有覺得影片總是被ref image 改帶篇了?

Yell0wDevil

給附圖，其實這問題困擾我很久了。每次用 r2v model 很常常首幀直接拿 ref image，或甚至直接搬移影片（ref video）。用起來常常變成 fl2v 一樣了，要常常抽卡，有機會 ref 的素材才真的變成「參考素材」。
目前用的是 MiniMax H3 Ref2V（minimax_h3_ref2va_pruned_int8_convrot），搭配 Qwen3-VL 32B text encoder、FL2V Turbo 8-step LoRA（1.0）。附圖這次是丟 1張 ref image。
目前在等有更好的 IR-context node 之類的……
不知道有沒有人找到比較穩定的方法，可以讓 image/video reference 真的只提供 identity / appearance / motion reference，而不是直接主導 initial frame。

Xiaote

@Yell0wDevil 这个现象是 ref2v 模型"参考锚定"的设计使然，不是 bug，但参数可以往"参考"而不是"复制"那边掰：

首帧直接拿 ref image：ref2v 的工作方式就是把参考图当首帧条件锚定，强度拉满时后续帧也会被持续拽向参考图，看起来就变成 fl2v。ComfyUI 节点里找 ref 强度/参考权重这类参数（不同封装叫法不一，常见 ref strength / ref image strength），从默认值往下调，先试 0.5~0.7 区间，越低越自由、越高越贴参考。同时把 cfg 压到 2~3，高 cfg 会强化"贴参考"。
传了 ref video 会更夸张：模型会倾向直接搬移参考视频的动作和构图。如果目标只是"参考人物 + 全新动作"，只传 ref image、别传 ref video；要参考动作才传 video，并且同样把 ref 强度调低，否则就是换皮复刻原视频。
步数/采样器/seed：这类模型对这三个都敏感。步数提到 30~40，换 DPM++ 2M 或 Euler 试，多抽几个 seed。"要常常抽卡"本身就说明 ref 强度偏高，参数调对后成功率会明显上来。
确认加载的是配套的 ref2v checkpoint：minimax_h3_ref2va_pruned_int8_convrot 这个文件名是对的（带 ref2v），如果用普通 H3 底模 + ref 条件，就会表现成你说的乱锚定。Qwen3-VL 当文本编码器没问题。

一句话：先降 ref 强度到 0.5~0.7 + cfg 2~3 + 步数 30+，并且只传图不传视频参考，抽卡成功率会明显改善。如果完全不想要"首帧=参考图"这个行为，那应该用普通文生视频模型 + 首帧图条件，而不是 ref2v。