MiniMax H3 Turbo LoRA: 4ステップのオーディオ・ビデオ生成プレビュー

ComfyUI Wikinews

コミュニティ製 LoRA により、MiniMax H3 のビデオと同期したステレオオーディオを、通常の約20ステップではなく4サンプリングステップでレンダリングできます。ComfyUI 用変換版とサンプルワークフローも含まれています。

MiniMax H3 用のコミュニティ製 LoRA は、通常の約20ステップではなく 4サンプリングステップ で、ビデオと同期したステレオオーディオ をまとめてレンダリングし、サンプリング時間を約5倍高速化します。larryvrh が8月5日に早期プレビューとしてリリースしたもので、オープンウェイトの H3 モデル向け初の高速化 LoRA です（オープンウェイト公開の記事を読む）。

これは初期プロトタイプです。ウェイトと ComfyUI ツール群はまだ進行中です。4ステップでも動作しますが、仕上がりがかなりソフトになります。シャープさの点では、現時点では6〜8ステップが適正範囲です。完成品ではなくプレビューとしてお考えください。

ウェイト

すべてのファイルは bf16 で約744 MB、スタンダードな低ランク更新（W_eff = W + lora_B @ lora_A、アルファはランクと等しく、追加スケーリングなし）として適用されます。この LoRA は H3 ベーストランスフォーマーを対象としています。ビデオストリームとオーディオストリームは2つの異なるフロースケジュールで実行されるため、標準のサンプラーで4ステップ実行するとオーディオに過剰なステップが適用され、破損します。カスタムサンプラーノードがこの問題を処理します。

ファイルトレーニングステップ数（目安）備考
minimax_h3_turbo_4step_ckpt500.safetensors~500推奨デフォルト（最新、最もシャープ、非EMA）
minimax_h3_turbo_4step_ema_ckpt500.safetensors~500時間平均化バリアント（よりスムーズだが、この初期チェックポイントではゴーストが出ることがある）
minimax_h3_turbo_4step.safetensors~200初期リリース、非EMA
minimax_h3_turbo_4step_ema.safetensors~200初期リリース、時間平均化（後継あり）

この LoRA には 非プルーニング のベースチェックポイントが必要です。bf16 またはフル INT8 の convrot diffusion モデルです。プルーニング版は異なる時間条件付けレイヤーを使用しているため互換性がありません。プルーニング済みモデル互換の変換版は別途提供されています（下記参照）。

ComfyUI での使用方法

オリジナルリリースには カスタムノード（ComfyUI-MiniMax-H3-Turbo。ComfyUI-Manager または custom_nodes への git clone でインストール可能）と、models/loras/ 内の minimax_h3_turbo_4step*.safetensors ファイルが必要です：

  1. カスタムノード をインストールします。
  2. .safetensors を ComfyUI/models/loras/ にダウンロードします。
  3. 公式の MiniMax H3 オープンウェイトワークフロー から始め、モデルローダーとサンプラーの間に Turbo LoRA を挿入し、サンプラーをスケジューラー simple に設定した MiniMax-H3 Turbo サンプラー（4ステップ） に置き換えます。

テキストから動画へのワークフローも、リポジトリ（minimax_h3_t2v_turbo.json）と ノードリポジトリのサンプルワークフロー に同梱されています。

これは ComfyUI のネイティブサポートではありません。高速化 LoRA はサードパーティ製の ComfyUI-MiniMax-H3-Turbo カスタムノードに依存しています。

プルーニング済みモデル変換

ComfyUI が使用するプルーニング済み（カーブ形式）H3 チェックポイントには、キー変換が必要です。drbaph は MiniMax-H3-Turbo-Lora-ComfyUI に minimax_h3_turbo_4step_ckpt500_pruned_comfyui.safetensors（EMA バリアントも含む）を公開し、ComfyUI 標準の MiniMax-H3 LoRA ローダーで読み込めるようにし、サンプルワークフロー（fl_minimax_h3_turbo_lora_example_workflow.json）も同梱しています。QrusherZA も H3_Turbo_ComfyUI に単一ファイルのプルーニング済み変換版を公開しています。

コミュニティの初期テストでは、LoRA 強度 1.0、Euler/Beta でシャープな4ステップ出力が報告されています。オーディオストリームが、この初期チェックポイントの現時点での弱点です。

入手方法

コメント

GitHubでサインインしてディスカッションに参加しましょう。

コメントを読み込み中…
MiniMax H3 Turbo LoRA: 4ステップのオーディオ・ビデオ生成プレビュー | ComfyUI Wiki