⚠️ 本文為 R-15 分級的文章，建議年滿 15 歲者觀看。
在 AI 生成技術飛速發展的 2026 年，開源影片生成模型（如 MiniMax H3）憑藉其強大的聲畫同步與多模態渲染能力，成為本地部署創作者的研究熱點。然而，對於許多商業雲端 API 或線上 AI 服務而言，由於審查機制與政策限制，通常會嚴格禁止敏感內容（NSFW）的提示詞解析與生成。這讓許多創作者不禁好奇：作為目前技術頂尖的開源模型，MiniMax H3 在完全本地端運作時，是否具備對成人或特定生理特徵（NSFW）的生成能力與解構邊界？
為了進行學術討論與模型邊界測試，我們在本地環境使用 ComfyUI 搭建了 MiniMax H3 專用工作流，並結合 Spectrum 與 SageAttention 雙重加速方案進行實測。測試選用 Nano Banana 2 生成之穿著水手服的女性靜態圖作為第一幀（First Frame），並透過本地 LLM 構建包含脫衣動作與肢體變化的提示詞。實驗結論非常明確：在完全本地運作的情況下，MiniMax H3 底層的擴散模型（DiT）與 VAE 無任何道德限制，不僅能極其流暢地還原衣物拉起與脫下的連續動態，更具備生成合理生理特徵與肌膚紋理的能力，展現了開源模型無與倫比的自由度與強大表現力。
▲ 此圖展示了在 ComfyUI 中使用 MiniMax H3 進行 NSFW 脫衣動態測試的完整工作流畫面。工作流整合了 Spectrum 頻域快取與 SageAttention 注意力機制優化，並透過中間的 Preview Override 節點即時監控即時採樣進度；右側最終結果顯示，模型成功渲染出流暢的拉衣與脫衣動態，且生理特徵與光影結構皆能合理呈現，證實了本地運作無任何安全限制。您可以到教學文章取得完整工作流喔！
本地模型無審查邊界與實測結論
許多雲端 LLM 或影音服務會在 Prompt 解析階段就對「脫衣」、「裸露」等關鍵詞進行攔截。然而，MiniMax H3 搭配 Qwen3-VL 32B 文字編碼器與 FL2VA 擴散模型，在本地環境下展現了極高的自由度。
在這次 10 秒的圖生影（I2VA）測試中，提示詞精確描述了角色雙手抓握衣擺、將上衣向上拉過頭部與肩膀、布料順著身體滑下並完全脫去的完整連貫動作。實測發現，MiniMax H3 的動態推演能力極強，布料摺皺變化與人體肢體伸縮對齊得相當自然，且解碼出來的生理特徵與肌膚質感亦十分完整，沒有出現變形或畫面走樣的情況。
事實證明，只要在本地硬體環境運作，MiniMax H3 絕對是一款完全開放、無任何限制的旗艦級開源 AI 影片生成模型，非常適合用於高品質專業創作與學術研究！😁
《上一篇》LM Studio x khtsly/skills x h3-prompt-writing：本地無限制的創作 MiniMax H3 影片生成提示詞 
留言區 / Comments
萌芽論壇