MiniMax H3 Turbo LoRA v4 : Génération audio-vidéo en 2 étapes

larryvrh a publié la v4 du Turbo LoRA MiniMax H3, et la course aux étapes minimales continue de s'accélérer : le nouveau checkpoint minimax_h3_turbo_v4_step600_ema.safetensors génère nativement en 3 étapes, et les tests de la communauté ont abouti à un passage fonctionnel en 2 étapes avec un audio propre (Hugging Face). Il remplace les fichiers ckpt500 / ckpt850 antérieurs en tant que valeur par défaut recommandée, avec un micro-détail nettement supérieur et l'aspect « plastique » sur-accentué de l'ancienne gamme v1 entièrement corrigé.

Exemple de sortie partagé dans le référentiel de conversion Turbo LoRA (drbaph)

Nouveautés de la v4

La v4 est une nouvelle recette d'entraînement plutôt qu'un simple changement du nombre d'étapes. Avec 600 étapes d'entraînement, c'est le checkpoint le plus abouti que larryvrh ait publié jusqu'à présent :

• Amélioration des images statiques : un grand progrès pour les contenus statiques et à faible mouvement
• Meilleur micro-détail : les visages, doigts et textures fines sont rendus plus nettement
• Plus de sur-accentuation : l'aspect « plastique » de l'ancienne gamme v1 (~850) a disparu

Le seul compromis n'apparaît qu'à 4 étapes avec un mouvement ample et rapide, où la v4 peut produire un flou de mouvement / un effet de traînée fantôme. Utiliser 6 à 8 étapes élimine en grande partie ce problème ; pour le cas spécifique de 4 étapes avec un mouvement important, l'ancien checkpoint v1 (~850) reste le choix le plus judicieux. La gamme v4 tolère également mieux les nombres d'étapes élevés que la v1, qui a tendance à sur-accentuer avec un nombre d'étapes élevé et une force de 1.0.

Étapes et paramètres

Le README recommande 4 à 8 étapes (4 est le minimum, 6 à 8 donnent un résultat nettement meilleur), une force de 1.0 et le scheduler simple. Les tests de la communauté sur le Discord MiniMax H3 ont abouti à un point idéal similaire avec une force de 0.6 à 0.8 et 6 à 10 étapes, et ont confirmé que le passage en 2 étapes fonctionne avec un audio intact (la sortie vidéo est un peu plus douce). L'entraînement se poursuit, le comportement audio et celui en mouvement rapide étant signalés comme les deux domaines encore en cours d'amélioration.

Utilisation dans ComfyUI

Les Nœuds personnalisés ComfyUI-MiniMax-H3-Turbo mis à jour couvrent désormais tous les modèles de base : un seul fichier LoRA fonctionne avec les checkpoints bf16 / int8 complets et les variantes élaguées de type courbe. Le nœud détecte automatiquement une base élaguée et réinjecte le conditionnement temporel au moment de l'exécution. Un commutateur low_vram fusionne le LoRA dans les poids pour obtenir le pic de VRAM le plus bas, et le MiniMax-H3 Turbo Sampler intégré s'adapte automatiquement à votre version de ComfyUI (les versions récentes gèrent nativement les plannings de flux vidéo/audio via ModelSamplingAV, les versions plus anciennes utilisent le chemin propre au nœud).

Un flux de travail texte-vers-vidéo prêt à l'emploi est fourni dans le référentiel du nœud :

Checkpoints élagués (drbaph)

Pour le chargeur de LoRA MiniMax-H3 intégré à ComfyUI, drbaph a publié des conversions de modèles élagués des poids de la v4 sur MiniMax-H3-Turbo-Lora-ComfyUI : minimax_h3_turbo_v4_step600_ema_pruned_comfyui.safetensors (recommandé) ainsi que la variante non-EMA, avec un exemple de flux de travail (fl_minimax_h3_turbo_lora_example_workflow.json). La configuration de départ qu'il recommande est 6 à 8 étapes, échantillonneur Euler, scheduler bêta, force 1.0.

Sortie de démonstration du flux de travail EMA v4 step-600 recommandé, partagée par drbaph

Disponibilité

• Poids : larryvrh/MiniMax-H3-Turbo-Lora : minimax_h3_turbo_v4_step600_ema.safetensors (recommandé), minimax_h3_turbo_v4_step600.safetensors, ainsi que les checkpoints v4 / v1 antérieurs
• Nœuds personnalisés : Larryvrh/ComfyUI-MiniMax-H3-Turbo (installables via ComfyUI-Manager, recherchez « MiniMax-H3 Turbo »)
• Conversions élaguées : drbaph/MiniMax-H3-Turbo-Lora-ComfyUI