H3 Relay HiresでMiniMax H3を4分の1の時間で1080pに仕上げる

上段: ネイティブ1920レンダリング。下段: Relay Hires。各ルートはそれぞれ独自のテイクをレンダリングするため、ポーズではなく描画を比較してください。

同じ比較をサウンド付きで、続いて半分の速度で収録したものです。

数値

RTX 5090で1920x1088の5秒クリップ（124フレーム）をエンドツーエンドで処理した結果:

仕組み

1. 960x544でのパス1がレイアウト、モーション、演技、音声を決定します。レンダリング時間の大半はここで消費され、1 MP時の151秒に対して60秒で済みます。
2. AnimeSRがデコード済みフレームを約2秒でアップスケールします。H3は解像度に関係なく約2 px幅の線画を描くため、0.5 MPのフレームは1920には線が2倍太すぎます。そこで、この1.3 Mパラメータのアップスケーラーを9,470組のH3スタイルのペアで学習し、太さを元に戻します。
3. シグマ0.60での1ステップがフレームを1920で再ノイズ化し、DMAD 1ステップでディテールを描き直してからデコードします。

作者が計測した設定: シグマ0.60（0.45では柔らかいまま、0.75では顔が描き直される）、1ステップ、ウィンドウアテンション4と8潜在フレームごとのアンカー。これにより長いクリップでの1920ステップが半分になります。H3 Fast Tail Samplerはパス1のeulerを置き換え、テイクを変えずに約20%短縮します。Pika H3 Flexのパス1は最速のルートですが、独自のテイクをレンダリングします。

0.5 MPプレビュー | AnimeSRのみ | Relay Hires、1920での1:1クロップ。

解決しないこと

• 線画は3.1〜3.9 pxとなり、ネイティブレンダリングの2.2〜3.0 pxと比べて太くなります。
• 非常に速いアクションで0.5 MPのテイクですでに潰れているものは、ぼやけたままです。まず作者のde-ropeワークフローで該当フレームを修正してからrelayしてください。
• AnimeSRはアニメ専用です。 実写風や絵画調のクリップには、ノードのupscale_model入力から任意のComfyUIアップスケールモデルを接続してください。絵画調のテストでは、RealESRGAN x2plusが肌やカードのディテールを保った一方、AnimeSRはそれをセルシェーディングに変えてしまいました。
• 4フレームごとに明るさが脈動する場合は、オプションのSol-H3 VAEワークフローがエンコードコスト2倍で修正します。

パス1 | 旧de-ropeスケジュール | 0.8から開始する4ステップ版。パス1のフレーミングを維持します。

インストール

他のノードパックと同様にインストールします（ComfyUI Manager、またはcustom_nodes/へのクローン）。ComfyUIのMiniMax H3、DMAD 4ステップturbo LoRA、エンコード用のtaeh3ローダーが必要です。AnimeSRのウェイトはリポジトリに同梱されています。

example_workflows/には12個のサンプルワークフローがあります: relayのみ、続いてFast De-rope、FaceDetail、Anime Cadenceで、それぞれにFast Tail SamplerとPikaのバリアントもあります。一部は作者の他のパック、FastDerope、FaceDetail、ResCascade、AnimeCadence、さらにMAINodesも必要です。

入手方法

パックはgithub.com/tazmannner/ComfyUI-H3-RelayHiresにあります（MIT、v0.3.0）。独自のAnimeSR用トレーニングスクリプト（training/prep.py、training/train.py）はRTX 5090で約22分かかります。