MiniMax H3 FL2V Turbo 4-Step v1.2 LoRA: よりクリーンな音声

ComfyUI Wikinews

minimax_h3_fl2v_turbo_4step_v1.2_768p_comfyui_bf16.safetensors のダウンロード：LightX2V の 4 ステップ MiniMax H3 Turbo 更新。よりクリーンで安定した音声生成を実現。

LightX2V チームが、Minimax-h3-Turbo 蒸留ラインの最新エントリーである FL2V Turbo 4-step v1.2 768p をリリースしました。v1.2 は v1.1 と同じ高速 4 ステップ生成セットアップを維持し、弱点である 音声品質 に完全に焦点を当てています。リリース比較では、同一設定で生成された音声がよりクリーンで安定しており、アーティファクトも少ないことが示されています（リリースディスカッション）。

MiniMax H3 FL2V Turbo v1.2 example frame

v1.2 での変更点

v1.2 は新しいアーキテクチャではなく、FL2V（最初のフレーム/最後のフレーム）4 ステップ 768p LoRA の音声品質更新です：

  • よりクリーンで安定した音声、アーティファクト減少
  • v1.1 と同じ 4 ステップ（NFE 4）生成セットアップ
  • Diffusers と ComfyUI の両方の bf16 ウェイトが並列公開されました
ファイルフォーマット
minimax_h3_fl2v_turbo_4step_v1.2_768p_bf16.safetensorsDiffusers
minimax_h3_fl2v_turbo_4step_v1.2_768p_comfyui_bf16.safetensorsComfyUI、変換不要

v1.1 と v1.2 の比較（音声有効化）

チームは、同じ入力、プロンプト、シード、推論設定を使用した連続比較を共有しました：

v1.1v1.2

推奨設定

設定値
ステップ数4
動画シフト6
音声シフト3
サンプラーEuler
解像度最大 768p

動画と音声のシフトは、拡散モデルローダーの後に接続される ModelSamplingMiniMaxH3 ノードを通じて設定されます。Hugging Face のディスカッションスレッドにおける一部の初期テスターは、v1.1 と比較して視覚品質が低下したと感じていることに注意してください。したがって、パイプラインにおいて音声よりも動画品質が重要である場合は、v1.1 を維持するのが合理的な選択です。

ComfyUI の使い方

MiniMax H3 はネイティブ ComfyUI サポートを持っているため、LoRA にカスタムノードは必要ありません：

  1. ComfyUI/models/loras/ に minimax_h3_fl2v_turbo_4step_v1.2_768p_comfyui_bf16.safetensors をダウンロードします。
  2. ベースの MiniMax H3 チェックポイントを読み込み、モデルローダーとサンプラーの間に LoRA を適用します。
  3. ModelSamplingMiniMaxH3 を介してサンプリングステップを 4、サンプラーを Euler、動画シフトを 6、音声シフトを 3 に設定し、最大 768p で生成します。

ModelTC/Minimax-H3-Turbo のプロジェクト独自の例グラフも最新です；T2VA/I2VA グラフが FL2V パスの最も近い一致です。

入手先

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 FL2V Turbo 4-Step v1.2 LoRA: よりクリーンな音声 | ComfyUI Wiki