待验证50% 置信事实精确时间
REF2VA（Reference-to-Video-Audio）和FL2VA（Flow-to-Video-Audio）是MiniMax H3多模态生成模型的两种核心推理模式
1
来源数
50%
置信度
长期有效
时效性
2026/9/6
首次发现
来源
涉及实体
相关事实
待验证推荐的融合工作流使用REF2VA负责主视频生成以确保视觉质量，使用FL2VA负责音频精修以获得更干净的声音77% 相似待验证静态或慢节奏画面适合使用REF2VA，剧烈运动场景更依赖FL2VA的处理能力69% 相似已验证MiniMax H3是一个多模态视频生成模型，能够同时生成视频画面和匹配的音频（包括对白、音效和环境音）68% 相似待验证LTX-2 是一个音频-视频一体化生成模型，能够在生成视频画面的同时同步生成匹配的音频内容66% 相似待验证REF2VA基于参考图像驱动生成，通过提取参考帧的视觉特征来引导视频合成，更接近于image-conditioned generation范式65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/864625API
curl https://kongchang.com/api/v1/knowledge/claims/864625MCP
get_claim(id=864625)