Скачать MiniMax H3 Turbo LoRA v4: генерация аудио и видео за 2 шага

ComfyUI Wikinews

Скачайте minimax_h3_turbo_v4_step600_ema.safetensors: MiniMax H3 Turbo LoRA v4 для генерации аудио и видео за 2 шага в ComfyUI с поддержкой pruned чекпойнтов.

larryvrh выпустил v4 LoRA MiniMax H3 Turbo, и гонка за минимальное число шагов продолжает ускоряться: новый чекпойнт minimax_h3_turbo_v4_step600_ema.safetensors рендерит нативно за 3 шага, а тесты сообщества довели рабочий проход за 2 шага до чистого аудио (Hugging Face). Он заменяет более ранние файлы ckpt500 / ckpt850 в качестве рекомендуемого варианта по умолчанию: микро-детализация заметно лучше, а перешарпленный «пластиковый» вид ранней линейки v1 полностью устранён.

Пример кадра MiniMax H3 Turbo LoRA v4

Пример результата, опубликованный в репозитории конвертации Turbo LoRA (drbaph)

Что нового в v4

Релиз v4 это не очередной подсчёт шагов, а новый рецепт обучения. При 600 шагах обучения это самый сильный чекпойнт, который larryvrh публиковал до сих пор:

  • Улучшение статичных кадров: большой выигрыш для статичного содержимого и содержимого с малым движением
  • Лучшая микро-детализация: лица, пальцы и мелкая текстура читаются чище
  • Больше нет перешарпа: «пластиковый» вид ранней линейки v1 (~850) исчез

Единственный компромисс проявляется только на 4 шагах при крупном быстром движении, где v4 может давать смазывание движения / остаточные призраки (ghosting). Использование 6-8 шагов в значительной степени его устраняет; для конкретного случая 4 шагов плюс интенсивное движение более дружелюбным выбором остаётся старый чекпойнт v1 (~850). Линейка v4 также лучше переносит большее число шагов, чем v1, которая склонна к перешарпу на высоких значениях шагов при strength 1.0.

Шаги и настройки

В README рекомендуется 4-8 шагов (4 это минимум, 6-8 выглядят заметно лучше), strength 1.0 и планировщик simple. Тестирование сообщества в Discord MiniMax H3 пришло к похожему оптимуму: strength 0.6-0.8 при 6-10 шагах, и подтвердило, что проход за 2 шага работает с неповреждённым аудио (видео получается чуть мягче). Обучение продолжается; аудио и поведение при быстром движении отмечены как две области, которые всё ещё улучшаются.

Использование в ComfyUI

Обновлённые пользовательские ноды ComfyUI-MiniMax-H3-Turbo теперь покрывают все базовые модели: один файл LoRA работает с полными чекпойнтами bf16 / int8 и с pruned-вариантами в форме кривой, нода автоматически определяет pruned-базу и повторно внедряет time-conditioning во время выполнения. Переключатель low_vram объединяет LoRA с весами для минимального пикового потребления VRAM, а встроенный MiniMax-H3 Turbo Sampler автоматически адаптируется к вашей версии ComfyUI (недавние сборки обрабатывают сдвоенные расписания видео/аудио нативно через ModelSamplingAV, более старые сборки используют собственный путь ноды).

Готовый рабочий процесс text-to-video поставляется в репозитории нод:

Pruned чекпойнты (drbaph)

Для встроенного загрузчика LoRA MiniMax-H3 в ComfyUI drbaph опубликовал pruned-конвертации весов v4 на MiniMax-H3-Turbo-Lora-ComfyUI: minimax_h3_turbo_v4_step600_ema_pruned_comfyui.safetensors (рекомендуется) плюс вариант без EMA, с примером рабочего процесса (fl_minimax_h3_turbo_lora_example_workflow.json). Его рекомендуемая стартовая конфигурация: 6-8 шагов, сэмплер Euler, планировщик Beta, strength 1.0.

Демонстрационный результат из рекомендуемого рабочего процесса v4 step-600 EMA, предоставленный drbaph

Доступность

Комментарии

Войдите через GitHub, чтобы участвовать в обсуждении.

Загрузка комментариев…
Скачать MiniMax H3 Turbo LoRA v4: генерация аудио и видео за 2 шага | ComfyUI Wiki