MiniMax-H3-Turbo-Lora

קוד פתוח

larryvrhapache-2.02026-08-05

minimax-h3
text-to-video
text-to-audio
audio-video
lora

תוספת LoRA שמורידה את זמן הרינדור של MiniMax-H3 מאזור 20 צעדים ל־4 עד 8 צעדים בלבד. מתאים למי שרוצה וידאו עם סאונד סטריאו מסונכרן בלי לחכות דקות ארוכות לכל קליפ.

105 GBמשקל הקבצים
389,733הורדות בחודש
943לייקים

מה זה

מדובר במשקולות אימון מסוג LoRA עבור מודל הווידאו MiniMax-H3, שנועדו לקצר את תהליך הדגימה פי חמישה. במקום לרוץ על כעשרים צעדים כמקובל, הוא מחלץ וידאו יחד עם פס קול סטריאו מסונכרן ב־32 קילוהרץ כבר בארבעה צעדים. הדור הנוכחי, גרסה 4 בצעד 600, פותר את המראה הפלסטי והחידוד המוגזם שאפיינו את גרסה 1 הישנה, ומביא פרטים עדינים יותר באצבעות, בפנים ובמרקמים כלליים.

בניגוד לרוב מודלי הווידאו שמייצרים תמונה אילמת ודורשים כלי נפרד לסאונד, כאן הרינדור הוא משולב וכולל שני לוחות זמנים מקבילים לתמונה ולשמע. המודל מתאים גם לטקסט לווידאו וגם מתמונה לווידאו, ויודע להתחבר לכל גרסת בסיס של MiniMax-H3, כולל גרסאות שעברו כימות או גיזום, באמצעות זיהוי אוטומטי של תנאי הזמן בריצה.

הרינדור מאומת לטווח של 124 עד 362 פריימים בקצב של 24 לשנייה, כלומר חמש עד חמש עשרה שניות של תוכן. הרזולוציה עובדת בקפיצות של 32 פיקסלים עם צלע קצרה של 768 פיקסלים בדרך כלל. חשוב לקחת בחשבון שהתוסף נמצא בשלבי פיתוח מוקדמים ומוגדר כגרסת תצוגה מקדימה, בעיקר סביב איכות השמע וההתמודדות עם תנועה מהירה.

מתאים ל

הפקת סרטונים קצרים עם קול
מייצר וידאו יחד עם שמע סטריאו מותאם ב־4 עד 8 צעדים, מה שחוסך סנכרון חיצוני.
בדיקת רעיונות מהירה בסטודיו
קיצור זמן הרינדור פי חמישה מאפשר לחלץ גרסאות ראשוניות בתוך שניות במקום דקות.
הנפשת תמונות סטילס
גרסה 4 מותאמת במיוחד לשוטים עם תנועה עדינה ושומרת על פרטי פנים ומרקם בלי מריחות.

איפה זה נופל

הבעיה הבולטת ביותר בגרסה 4 מופיעה בתנועות חדות ומהירות בריצה של 4 צעדים, שם נוצרות מריחות תנועה ורוחות רפאים מטושטשות בעקבות האלגוריתם לשיפור תמונות סטטיות. כדי להתגבר על זה חייבים לעלות ל־6 או 8 צעדים, או לחזור אחורה לצ'קפוינט v1 הישן, שמגיע עם מראה פלסטי אבל סובל פחות ממריחות. מעבר לכך, מעל 8 צעדים התמונה מתחילה להתקלקל ונוצרים עיוותי חידוד קשים, כך שאין שום טעם להגדיל את מספר הצעדים. תחום האודיו עדיין לא יציב ומוגדר רשמית כעבודה בפיתוח.

שאלות
נפוצות

באיזה צ'קפוינט כדאי לבחור ומתי?

ברוב המקרים מומלץ לקחת את v4-step600 עם EMA, שמציג את האיכות הגבוהה ביותר בלי מראה פלסטי. החריג היחיד הוא אם אתם מוגבלים לחלוטין ל־4 צעדים ויוצרים סרטון עם תנועות מהגרות מאוד, מצב שבו גרסת v1 הישנה תמרח פחות.

האם אפשר להריץ את המודל על כרטיס מסך ביתי?

כן, בתנאי שעובדים דרך הצומת ב־ComfyUI ומפעילים את מצב low_vram. המצב הזה מזרים את המודל וממזג משקולות לתוך כרטיסים צנועים יותר, אם כי עלול לרכך מעט את החדות לעומת ריצה על כרטיס 80 גיגה בייט.

למה התמונה יוצאת גרעינית וחדה מדי?

זה קורה בדרך כלל כשמגדירים יותר מ־8 צעדים בסמפלר, טווח שבו התוסף מייצר עיוותים. אם מופיע חידוד יתר בתוך הטווח התקין, אפשר להוריד קלות את עוצמת ה־LoRA לאזור 0.85 כדי לאזן את התוצאה.

איך מריצים

המשקל של קובץ ה־LoRA עצמו קטן, כ־744 מגה בייט, אבל הוא מתלבש על מודל בסיס עצום של כ־33 מיליארד פרמטרים. בשביל להריץ אותו ברזולוציה המלאה בלי פשרות צריך כרטיס מסך של 80 גיגה בייט VRAM. אפשר לעבוד גם על כרטיסים ביתיים חלשים בהרבה דרך ComfyUI, בזכות מתג זיכרון נמוך שממזג את המשקולות ישירות פנימה במחיר של ירידה קלה בחדות, או להשתמש בהרצה ישירה דרך פייתון עם פריקה של כ־13 גיגה בייט לזיכרון המחשב.

בפועל רוב העבודה נעשית דרך ComfyUI עם צמתי ההרחבה הייעודיים, כשהדוגם מזהה אוטומטית אם המערכת תומכת בדגימת וידאו ושמע משולבת. משתמשים בצ'קפוינט המומלץ v4-step600 עם מתזמן simple, ומכוונים ל־6 עד 8 צעדים. אם אין לכם גישה למחשב עם כרטיס מקצועי חזק או סבלנות להורדת קובצי הבסיס הענקיים, עדיף להשתמש ב־API מנוהל.

pip install -U huggingface_hub
hf download larryvrh/MiniMax-H3-Turbo-Lora

הקבצים

23 קבצים במאגר, 105 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל משוחרר ברישיון Apache 2.0 המוכר. הרישיון הזה מתיר שימוש מסחרי מלא, הפצה, שינוי ושילוב במוצרים פרטיים או מסחריים בלי תמלוגים. התנאי העיקרי הוא שמירה על הודעת זכויות היוצרים והצהרת הרישיון המקורית לצד הקוד או המשקולות שמפיצים.

שימוש מסחרי
שינוי הקוד
הפצה מחדש
שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗