MMH3 Ultimate Upscale: Ampliación de vídeo H3 en VRAM limitada

Por qué importa

MiniMax H3 genera vídeo como un LATENTE anidado que agrupa vídeo de 24 canales y audio de 32 canales en un solo tensor. Los nodos estándar de ComfyUI Upscale no entienden esta estructura, y remuestrear un clip finalizado a alta resolución suele causar OOM en GPUs pequeñas: el miembro de la comunidad WiseDuck reporta que el flujo de trabajo del upscaler original de H3 se queda sin memoria instantáneamente en 4 MP, mientras que el nodo con mosaico alcanzó 2550×1920 (aproximadamente 5 MP) en 18 segundos en la misma máquina — "y puedo ir aún más alto. Simplemente no he probado los límites todavía. Apuesto a que 4K es posible."

Cómo funciona

MMH3 Ultimate Upscale envuelve todo el bucle división temporal → escalado de LATENTE → división espacial → muestreo por pieza → costura espacial → costura temporal en un solo nodo:

• Fragmentado temporal para vídeos largos. Un clip largo se corta en fragmentos de tiempo superpuestos; cada fragmento se procesa independientemente y se vuelve a coser juntos. Una ancla de cuadro 0 reemplaza el primer fotograma clave de cada fragmento con el fotograma de límite remuestreado del fragmento anterior (anchor_strength, predeterminado 0.999), y los fragmentos superpuestos se mezclan con un fundido lineal para que las transiciones sean suaves en lugar de cortes duros.
• Mosaico espacial para VRAM acotada. Cada fragmento se divide en mosaicos y solo se muestrea un mosaico a la vez. Las franjas de solapamiento compartidas con vecinos ya cosidos se precargan desde el resultado acumulado y se bloquean con un noise_mask, para que el remuestreo solo pueda cambiar el interior libre; una escritura con máscara garantiza que la costura ya consistente nunca se sobrescriba.
• Dos modos de ampliación. El upscaler basado en modelo 3D H3 (MMH3 Escalar LATENTE con Parámetros de Modelo, usando los checkpoints minimax_h3_latent_upscaler_3d_*.safetensors), o una ruta de interpolación sin modelo (MMH3 Parámetros de Escalar LATENTE) que redimensiona el LATENTE espacialmente sin modelo adicional — reflejando el Escalado de LATENTE de ComfyUI mientras se mantiene la estructura AV anidada.
• Audio preservado. La parte de audio del LATENTE se transporta sin cambios en cada fragmento y costura — nunca se remuestrea.
• Gestión de modelos compatible con VRAM. El upscaler 3D se descarga de nuevo a la CPU después de cada uso y el modelo de difusión se libera mientras se ejecuta el upscaler, por lo que H3 y el upscaler nunca residen al mismo tiempo.
• Etapas opcionales. latent_upscale_param, temporal_split_param y spatial_split_param son todos opcionales — deje cualquiera desconectado para saltar esa etapa.

Soporte para LTX-2.5 (experimental)

Una actualización del 25 de agosto agrega un nodo experimental LTX25 Ultimate Upscale construido sobre la misma pipeline, admitiendo LATENTES de audio-vídeo anidados LTX-2.5 (vídeo [B,128,T,H,W] + audio [B,C,time,freq]) en un solo nodo: división temporal → ampliación fija de modelo 2× → interpolación a la resolución objetivo → división espacial → muestreo por pieza → costura. El README marca estos nodos como altamente experimentales — el audio aún tiene errores, así que use el LATENTE de audio original.

Instalar

Instale a través de ComfyUI Manager (busque MMH3 Ultimate Upscale) o clonar en ComfyUI/custom_nodes/:

git clone https://github.com/bbaudio-2025/Comfyui-MMH3-UltimateUpscale.git

El nodo se basa en dos proyectos de la comunidad: el Comfyui-MiniMax-H3-LatentSplit de bbaudio-2025 (división temporal/espacial, mecanismos de ancla y apéndice) y el Comfyui_Minimax_h3_latent_Upscaler de LBH-123-AI (la red upscaler 3D H3, cubierto anteriormente este mes). El propio ejemplo del upscaler a continuación muestra el tipo de ganancia de detalle que añade la ruta LATENTE al escalar:

Ejemplo del upscaler LATENTE 3D H3 subyacente (LBH-123-AI).

Enlaces

• GitHub: bbaudio-2025/Comfyui-MMH3-UltimateUpscale
• Comfyui-MiniMax-H3-LatentSplit
• Comfyui_Minimax_h3_latent_Upscaler