LTX-2.3-uncensored-v1.4-FP8
0xSojalSec基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 792
LTX-2.3-Audio-Reactive-LORA
100percentrobot基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗fg_hg
1c1基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗An **NVFP4 (4-bit) Qwen3-VL-32B text encoder** for MiniMax-H3, made with `convert-to-quant`. It is a drop-in replacement for the H3 conditioning text encoder (ComfyUI `CLIPLoader`, type `minimax`). The H3 video weights are unchanged — only the text encoder is quantized to 4-bit, to bring the full H3 stack onto consumer GPUs. This encoder deliberately keeps more of the network in bf16 than a minimum-size 4-bit encoder does. The `--qwen_vlm` filter protects — at bf16 — the token embeddings, the **first and last language layers**, and the **entire vision tower**, quantizing only the middle language-layer linears to NVFP4. The result is 16.64 GiB, about 2 GiB above the most aggressively quantized community NVFP4 encoders (≈14.6 GiB, e.g. the AWQ-quantized encoder in `Comfy-Org/MiniMax-H3`), in exchange for leaving the precision-sensitive layers (embeddings, boundary layers, vision) untouched. It is a fidelity-first tradeoff: spend ~2 GiB more VRAM to keep the layers that most affect conditioning at full precision. Everything still fits a 24 GB card with offload. Everything is held constant except encoder precision — the bf16 encoder vs this NVFP4 encoder, same prompts, same seeds, same DiT — over a 16-clip paired set.
翻訳待ち・原文を表示
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗LTX-Video-0.9.1-diffusers
a-r-r-o-w基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗MiniMax-H3-Acc-LoRAs
A20labs基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Sulphur-2-base
a4rtx基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Wan2.2-Distill-Loras
AakashTestCheck基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Minimax_h3_hybrid
abakanai基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗minimax-h3-int8
abhishekchohan基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗FastH3-Omni-GGUF
AbirayHigh-precision **GGUF quantizations** of **FastVideo/FastH3-Omni-Comfy** (`fasth3_omniref_8step_pruned_bf16.safetensors`), the **8-step consistency-distilled Omni-Reference (`Ref2VA`)** model built on **MiniMax-H3** by FastVideo (Hao AI Lab) in collaboration with Nuva Lab and Reactor. Unlike standard naive quantizations that crush timestep modulation tables and output heads into low-bit blocks, **this GGUF suite uses hybrid precision shielding** to keep critical audio/video decoding heads, 32-head PDD (Progressive Distillation) offsets, and AdaLN interpolation tables in **lossless `FP32`**, while compressing the 50-block DiT + Video Sparse Attention (`VSA`) backbone for consumer RTX GPUs. All files are converted from the **44.24 GB Pruned BF16** checkpoint (`FastVideo/FastH3-Omni-Comfy`) compatibility with `city96/ComfyUI-GGUF`.
翻訳待ち・原文を表示
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗This repository contains the **LTX-Video 2.3 (v1.1)** Distilled weights, quantized to **GGUF** format. GGUF offers highly efficient inference and excellent memory scaling, allowing you to run this heavy 22B parameter model on consumer hardware by splitting the workload between your GPU (VRAM) and CPU (System RAM). To use these GGUF files in **ComfyUI**, you will need a custom node suite that supports loading GGUF models (such as `ComfyUI-GGUF`).
翻訳待ち・原文を表示
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗LTX-2.5-Distilled-GGUF
AbirayThis repository provides quantized GGUF formats of the distilled transformer from Lightricks/LTX-2.5. These weights are highly optimized for local execution, allowing you to run high-fidelity video and audio generation workflows on hardware with memory constraints while retaining the core visual fidelity of the original base model. LTX-2.5 operates on a split-component architecture. To run these GGUF diffusion models in environments like ComfyUI or local Python pipelines, you must also fetch the official Text Encoders and VAEs directly from the upstream Lightricks/LTX-2.5 repository. Download these from the `text_encoders` directory:
翻訳待ち・原文を表示
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗LTX2.3-10Eros-1.3-GGUF
Abiray基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗LTX2.3-10Eros-GGUF
Abiray基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗MiniMax-H3-GGUF
AbirayThis repository (`Abiray/MiniMax-H3-GGUF`) provides GGUF quantized versions and necessary component files for the MiniMax H3 model. MiniMax H3 is a general-purpose, omni-modal generative system that supports unified understanding of multimodal contexts composed of text, images, video, and audio. It can generate video with native stereo audio at resolutions up to 2K and durations of up to 15 seconds. --- If you are looking for a smaller model with the same great quality that fits better on consumer-tier GPUs, please check out the **MiniMax-H3-Pruned-GGUF** repository. The pruned architecture is compressed down to 8.9 GB – 21.6 GB, bringing MiniMax H3 execution directly to consumer hardware. **Available Pruned Quants:** | Bit Size | Quantization Type | File Size | | :--- | :--- | :--- | | **3-bit** | `Q3_K_M` | 8.9 GB | | **4-bit** | `Q4_K_S`, `Q4_K_M` | 11.6 GB | | **5-bit** | `Q5_K_S`, `Q5_K_M` | 14.1 GB | | **6-bit** | `Q6_K` | 16.7 GB | | **8-bit** | `Q8_0` | 21.6 GB | --- This repository includes quantized versions of both the `FL2VA` (First-and-last-frame mode) and `Ref2VA` (Omni-reference mode) base models. * **FL2VA Models:** * `MiniMax-H3-FL2VA-Q3_K_M.gguf` (15.6 GB) * `MiniMax-H3-FL2VA-Q3_K_S.gguf` (15.6 GB) * `MiniMax-H3-FL2VA-Q4_0.gguf` (18.6 GB) * `MiniMax-H3-FL2VA-Q4_K_M.gguf` (19.9 GB) * `MiniMax-H3-FL2VA-Q4_K_S.gguf` (19.9 GB) * `MiniMax-H3-FL2VA-Q5_0.gguf` (22.8 GB) * `MiniMax-H3-FL2VA-Q5_K_M.gguf` (23.9 GB) * `MiniMax-H3-FL2VA-Q5_K_S.gguf` (23.9 GB) * `MiniMax-H3-FL2VA-Q6_K.gguf` (28.2 GB) * `MiniMax-H3-FL2VA-Q8_0.gguf` (36 GB) * **Ref2VA Models:** * `MiniMax-H3-Ref2VA-Q3_K_M.gguf` (15.6 GB) * `MiniMax-H3-Ref2VA-Q3_K_S.gguf` (15.6 GB) * `MiniMax-H3-Ref2VA-Q4_0.gguf` (18.6 GB) * `MiniMax-H3-Ref2VA-Q4_K_M.gguf` (19.9 GB) * `MiniMax-H3-Ref2VA-Q4_K_S.gguf` (19.9 GB) * `MiniMax-H3-Ref2VA-Q5_0.gguf` (22.8 GB) * `MiniMax-H3-Ref2VA-Q5_K_M.gguf` (23.9 GB) * `MiniMax-H3-Ref2VA-Q5_K_S.gguf` (23.9 GB) * `MiniMax-H3-Ref2VA-Q6_K.gguf` (28.2 GB) * `MiniMax-H3-Ref2VA-Q8_0.gguf` (36 GB) * `qwen3vl_32b_minimax_h3_int4_convrot.safetensors` (15 GB) * `qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors` (27.1 GB) * `qwen3vl_32b_minimax_h3-Q4_K_M.gguf` (14.6 GB) * `minimax_h3_audio_vae_fp32.safetensors` (605 MB) * `minimax_h3_video_vae_fp16.safetensors` (5.21 GB) * **H3-Base-FL2VA:** First-and-last-frame mode. Supports zero, one, or two input images. * No image input: T
翻訳待ち・原文を表示
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗This hybrid model fuses the crisp visual quality, motion dynamics, and clean audio of **FL2VA** with the persistent multi-image character conditioning of **Ref2VA** using a **rank-1024 delta weight merge ($\Delta W_{r=1024}$)** on the pruned 20.1B parameter MiniMax-H3 architecture. With these GGUFs, you can now run reference-conditioned MiniMax-H3 locally on consumer GPUs (16 GB – 24 GB VRAM) with minimal quality loss. Place the downloaded `.gguf` file into: ComfyUI/models/diffusion_models/ *(or `ComfyUI/models/unet/`)*
翻訳待ち・原文を表示
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗GGUF quantized versions of **WarmBloodAban/Minimax-h3_Singularity**, a community fine-tune of MiniMax H3 specialized in enhanced visual fidelity — HDR clarity, distant-face restoration, cleaner skin, stronger action motion, and improved VFX. These quantizations reduce VRAM requirements for use with ComfyUI, enabling local inference on consumer GPUs. Place the downloaded `.gguf` file in your ComfyUI `models/unet/` directory (or `models/diffusion_models/` depending on your ComfyUI-GGUF fork). You will also need the following components: For accelerated generation, you can optionally pair this model with the **minimax_h3_ref2v_turbo_4step_v0.1** LoRA, which enables 4-step fast inference.
翻訳待ち・原文を表示
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Pruned and optimized `.safetensors` versions of WarmBloodAban/Minimax-H3 Singularity, formatted for native ComfyUI custom nodes (such as `comfyui-mixed-quantizer` and native INT8 loaders). 1. Place your chosen `.safetensors` file into your ComfyUI models folder: `ComfyUI/models/diffusion_models/` 2. Load the model using your preferred native ComfyUI loader or mixed-quantizer custom nodes. 3. Pair it with the Qwen3-VL text encoder and MiniMax-H3 Video + Audio VAEs.
翻訳待ち・原文を表示
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗SCAIL-2-GGUF
AbirayThis repository contains GGUF quantizations of **SCAIL-2**, the cutting-edge end-to-end controlled character animation and video motion-transfer model built on the Wan 2.1 14B architecture by zai-org. These weights are specifically optimized to execute the heavy SCAIL-2 Diffusion Transformer (DiT) inside ComfyUI at a fraction of the native FP16/FP8 VRAM overhead. 1. **Required Loader:** Install city96's ComfyUI-GGUF extension. 2. **Node Placement:** Use the `Unet Loader (GGUF)` node. 3. **File Path:** Download your preferred quant from this repository and drop it into: ComfyUI/models/unet/ ---
翻訳待ち・原文を表示
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Sulphur-2-base-GGUF
Abiray基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗This repository contains **GGUF-quantized versions** of the LightX2V Distilled Wan2.2 14B Image-to-Video Model. By quantizing the ultra-fast 4-step distilled models into the GGUF format, this repository allows for drastically reduced VRAM/RAM requirements while maintaining near real-time, high-performance video generation. We provide quantizations ranging from heavily compressed (Q3) to near-lossless (Q8) to fit your specific memory and quality requirements. Both **High Noise** and **Low Noise** versions are available.
翻訳待ち・原文を表示
入力 画像→ 出力 動画
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。