MMH3 Ultimate Upscale: Плиточное видео H3 при ограниченном VRAM

Почему это важно

MiniMax H3 генерирует видео как вложенный латент, который объединяет 24-канальное видео и 32-канальное аудио в одном тензоре. Стандартные узлы увеличения разрешения ComfyUI не понимают эту структуру, и пересэмплирование завершённого клипа в высоком разрешении обычно вызывает переполнение памяти на небольших GPU: участник сообщества WiseDuck сообщает, что оригинальный рабочий процесс апскейлера H3 мгновенно заканчивает память на 4 МП, тогда как плиточная нода достигла 2550×1920 (около 5 МП) за 18 секунд на той же машине — "и я могу пойти еще выше. Я просто еще не тестировал пределы. Ставлю на то, что 4K возможно."

Как это работает

MMH3 Ultimate Upscale оборачивает весь цикл временное разделение → латентное увеличение разрешения → пространственное разделение → выборка по тайлам → пространственное сшивание → временное сшивание в одну ноду:

• Временное чанкование для длинных видео. Длинный клип разрезается на перекрывающиеся временные чанки; каждый чанк обрабатывается независимо и сшивается обратно. Анкор кадра 0 заменяет первый ключевой кадр каждого чанка пере-сэмплированным граничным кадром предыдущего чанка (anchor_strength, по умолчанию 0.999), а перекрывающиеся чанки смешиваются с помощью линейного кроссфейда, чтобы переходы были Сглаженные, а не резкие.
• Пространственное плиточное разделение для ограниченного VRAM. Каждый чанк разделяется на тайлы, и только один тайл выбирается за раз. Полосы перекрытия, общие с уже сшитыми соседями, предварительно заполняются из накопленного результата и блокируются noise_mask, так что пересэмплирование разрешено изменять только свободную внутреннюю часть; маскированная запись гарантирует, что уже согласованный шов никогда не перезаписывается.
• Два режима увеличения разрешения. Апскейлер на основе 3D-модели H3 (MMH3 Latent Upscale with Model Params, использующий чекпойнты minimax_h3_latent_upscaler_3d_*.safetensors), или путь интерполяции без модели (MMH3 Latent Upscale Params), который изменяет размер латента пространственно без дополнительной модели — отражая функцию ComfyUI Увеличить латент, сохраняя при этом вложенную AV-структуру.
• Аудио сохранено. Аудио-часть латента передается без изменений через каждый чанк и шов — она никогда не пересэмплируется.
• Управление моделями, дружественное VRAM. 3D-апскейлер выгружается обратно на CPU ПОСЛЕ каждого использования, а диффузионная модель выгружается во время работы апскейлера, так что H3 и апскейлер никогда не находятся одновременно.
• Опциональные этапы. latent_upscale_param, temporal_split_param и spatial_split_param все опциональны — оставьте любые неподключенными, чтобы Пропустить этот этап.

Поддержка LTX-2.5 (экспериментальная)

Обновление от 25 августа добавляет экспериментальную ноду LTX25 Ultimate Upscale, построенную на том же конвейере, поддерживающую вложенные аудио-видео латенты LTX-2.5 (видео [B,128,T,H,W] + аудио [B,C,time,freq]) в одной ноде: временное разделение → фиксированное увеличение модели 2× → интерполяция до целевого разрешения → пространственное разделение → выборка по тайлам → сшивание. README помечает эти ноды как очень экспериментальные — аудио все еще содержит ошибки, поэтому используйте оригинальный аудио латент.

Установка

Установить через ComfyUI Manager (Поиск MMH3 Ultimate Upscale) или Клонировать в ComfyUI/custom_nodes/:

git clone https://github.com/bbaudio-2025/Comfyui-MMH3-UltimateUpscale.git

Нода построена на двух проектах сообщества: Comfyui-MiniMax-H3-LatentSplit от bbaudio-2025 (временное/пространственное разделение, механики анкора и добавления) и Comfyui_Minimax_h3_latent_Upscaler от LBH-123-AI (сеть 3D-апскейлера H3, рассмотренная ранее в этом месяце). Пример самого апскейлера ниже показывает тип выигрыша деталей, который добавляет путь латента при масштабировании:

Пример из базового 3D-апскейлера латента H3 (LBH-123-AI).

Ссылки

• GitHub: bbaudio-2025/Comfyui-MMH3-UltimateUpscale
• Comfyui-MiniMax-H3-LatentSplit
• Comfyui_Minimax_h3_latent_Upscaler