1. MiniMax-H3 от MiniMax - Качество корпоратов на вашем ПК без цензуры
https://huggingface.co/MiniMaxAI/MiniMax-H3
Принимает на вход тексты, пикчи, звук, видео и может делать с ними всякое. Absolute Cinema. Ждём турбо-лор.
2. LTX-2.3 - обещает сделать локальную генерацию грейт агейн. Подходят лоры от 2.0
https://huggingface.co/Lightricks/LTX-2.3
Известные тюны:
Sulphur
Eros
3. Wan 2.2 от Alibaba
https://huggingface.co/collections/Wan-AI/wan22
VACE модели:
https://github.com/ali-vilab/VACE
https://huggingface.co/Wan-AI/Wan2.1-VACE-14B
https://huggingface.co/Wan-AI/Wan2.1-VACE-1.3B
4. Hunyuan от Tencent
https://huggingface.co/tencent/HunyuanVideo-1.5
5. Ovi
https://huggingface.co/chetwinlow1/Ovi
6. Starflow
https://huggingface.co/apple/starflow
7. MAGI-1 от Sand AI
https://sand.ai/magi
https://github.com/SandAI-org/MAGI-1
8. LongCat-Video
https://github.com/meituan-longcat/LongCat-Video
https://huggingface.co/meituan-longcat/LongCat-Video
https://meituan-longcat.github.io/LongCat-Video/
9. MOVA
https://github.com/OpenMOSS/MOVA
Локальный UI
https://github.com/comfyanonymous/ComfyUI
Установка локальных моделей
Wan 2.2: https://comfyanonymous.github.io/ComfyUI_examples/wan22/
Wan 2.1: https://comfyanonymous.github.io/ComfyUI_examples/wan/
Hunyuan Video (осторожно, ссылки в туторе на предыдущую модель): https://comfyanonymous.github.io/ComfyUI_examples/hunyuan_video/
Гайд для использования Wan 2.2
https://alidocs.dingtalk.com/i/nodes/EpGBa2Lm8aZxe5myC99MelA2WgN7R35y
Альтернативные ноды ComfyUI
Hunyuan Video: https://github.com/kijai/ComfyUI-HunyuanVideoWrapper
Wan: https://github.com/kijai/ComfyUI-WanVideoWrapper
Где брать готовые LoRA
https://civitai.com/models
Обучение LoRA
https://github.com/tdrussell/diffusion-pipe
Терминология моделей
prune — удаляем ненужные веса, уменьшаем размер
distill — берем модель побольше, обучаем на ее результатах модель поменьше, итоговый размер меньше
quant — уменьшаем точность весов, уменьшаем размер
scale — квантуем чуть толще, чем обычный fp8, чтобы качество было чуть лучше, уменьшение чуть меньше, чем у обычного квантования, но качество лучше
merge — смешиваем несколько моделей или лор в одну, как краски на палитре.
lightning/fast/turbo — а вот это уже просто название конкретных лор или моделей, которые обучены генерировать видео на малом количестве шагов, они от разных авторов и называться могут как угодно, хоть sonic, хоть sapogi skorohody, главное, что они позволяют не за 20 шагов генерить, а за 2-3-4-6-8.
Кейворды для дополнительных вещей: SVI, RuneXX, LTX Director.
Предыдущий тред
>>1668832 (OP)
Короче на недельку надо забить хуй, а потом уже по кайфу пользоваться том, что на торопыгах потестят.
> На rtx 5070ti, 64 RAM с llm, нодами: Patch Sage Attention KJ - > MiniMax H3 Mem Eff Sage Attention Patch - > ModelSamplingMiniMaxH3 -> Patch Sol-Attn - > Spectrum Apply MiniMax H3 - > MiniMax-H3 Turbo LoRA (ema ckpt850, srt - 1, low vram +) ->MiniMax-H3 Turbo Sampler (4-step)
> С 8 шагами , euler beta , 10 сек и MP 0.60 -> [INFO] Prompt executed in 275.50 seconds
Из этого я взял лору Лайт2х лору от Киджая (ужатую), 8 (7) шагов euler beta, Sol, и получается заебато, конечно. Спектрум, как мне показалось, толком тут уже не работает, пропуск 1-2 шагов погоды не делает, ИМХО.
Сажа включена по умолчанию, флагом в sh, что ты мне сделаешь.
попробовал сгенерить в 1.5 мп, жалко если ещё RTX video прогнать не влезет в 20мб
в общем ждём апскейлер ихний, всё равно калл
>пропуск 1-2 шагов погоды не делает
спектрум с турбами не работает, вообще любая оптимизация со скипом шага не работает с турбо
>не влезет в 20мб
Через ffmpeg сжимай это мыльное говно и всё влезет.
.\ffmpeg -i "C:\input.mp4" -filter_complex "format=pix_fmts=yuv420p" -map_metadata -1 -map_chapters -1 -c:v libx264 -crf 22 -preset veryslow -c:a aac -q:a 0.9 -movflags disable_chpl -max_interleave_delta 0 "C:\output.mp4" -y -hide_banner
У меня сажа 15 сек, сол потом 11 сек (на похер каком разрешении, для сравнения).
>>1670684
Ну, для 8 степов 1 режет. =)
Но мне понравился лайтх2в, вроде норм, надо тестить кучу разных промптов.
Ну, 60-90 секунд для генерации 15 секунд 640х480 — как будто уже хорошо, ИМХО.
Осталось приделать апскейлер, посмотрю, что там за новомодный RTX.
бле ананас, спектрум то работает, не кто не спорит и время уменьшается, но ты прикинь если у тебя под турбо лорой из 6 шагов, полноценных только 3
это на обычной генерации скип еще компенсируется, на турбе это сразу деградация картинки
Его можно в comfy подключить, ёбаный рот, какие вы все однобокие экспериментаторы хуевы, только циферки дрочить в готовых инструментах можете.
да ладно, всё равно там от этого RTX как от козла молока, толку то. получается мыло то же. надо ждать их апскейлер.
если спектрум сработал значит "полноценность" и не нужна была
а, ну я нодами от труна дебо не пользуюсь, есть человеческая оригинальная нода от comfyui
https://github.com/Comfy-Org/Nvidia_RTX_Nodes_ComfyUI
Дено действительно мылит, но на ртх без дено видно увеличенные артефакты, короче, ну чу-у-у-уточку лучше с ртх и еще чу-у-у-уточку лучше с дено => ртх.
Но за 2,5 секунды как будто и даром.
Надо тестить мелкие разрешения теперь.
вообще поебать что и как подключать, но у спектрум в ридми написано так
тебе уже кучу видосов выложили, свинтус
если не нравится значит модель говно
Двачую. Вообще реф это монстр. Вот я взял лору, сгенерил хенджоб. А там вместо пениса бодихоррор. Ну я думал подождать лору сначала, а потом вспомнил про реф моделку. По итогу в качестве рефа дал рандомную пикчу пениса и вообще отлично вышло.
На. Я все прошлые выходные пытался соединить эти две картинки в одну, нихуя не выходило либо выходило криво. А вчера с первой попытки сделал видеорил, именно то что мен нужно. Хотел пикчу, а получил видос в 1080 рублей. Кадр с тележкйо тоже заебался делать, ван её все время двигал, чтобы я ему не говорил. Эйч три с первого раза взял нужный ракурс.
На
поставь нормальный семплер, а не пердольное говно
подтяни последние коммиты комфи и установленных нод
поставь 6-8 степов
>>1670780
Комфи обновил и заработало. Два дня назад обновлял. Пиздос походу теперь посрать нельзя отойти без обновления.
слово мем увидел а посмотреть не дали
Можно тоже использовать, чтобы нахаляву получить 15% скорости
Ну и нахуй нужна сора? Сварганьте что-нибудь с )(лебо)(0дами
лайтинг лора +сол аттеншн
1 мп 8 сек
настройки киджая оказались закономерно говном, в турбо инференсе связка еулер+бета пока ебет
но её плюс что в отличие от 850 она не делает кожу такой пластиковой,
но динамика движений похуже правда, ну это считай бета 0.1
над потестить на промпте посложнее, с активными действиями
Мой промпт:
subject_definitions:
<Subject 1> is the woman from <Picture 0> dancing like in a <Video 0>
<Subject 2> is the man from <Picture 1> dancing like in a <Video 0>
summary:
[reference generation] The target video is a dark scene where <Subject 1> and <Subject 2> dancing like in a <Video 0>.
retention_analysis:
<Subject 1> fully_preserved
<Subject 2> fully_preserved
detailed_description:
The target video is in a realistic, documentary style with natural lighting and a static camera.
[Shot 1] The video opens with <Subject 1> which dances with <Subject 2>. <Subject 1> and <Subject 2> smiles. Static camera.
overall_soundscape:
Quiet street noise can be heard on the background.
non_diegetic_music:
A romantic melody plays in the background.
Пробовал исправлять с помощью DeepSeek - результат тот же. Использую стандартный воркфлоу из темплейтов для ref2va.
Прогони референесное видео через DWPose или Depth Anything.
Есть еще одна мутная тема с размерам референса. По ощущениям если он совпадает с конечным разрешением, то больше шансов, что модель его затянет как есть в кадр и наоборот.
Я бы подкинул ещё первый кадр, сделанный картиночной нейронкой.
У меня ref2va на 5060ti 16 gb (+ 80 gb RAM) с одной картинкой-референсом на модели int8 c 16 шагами 5 секунд видео 1280 x 736 на дефолтном воркфлоу генерится примерно 15-16 минут
в теории если турбу ебашишь то аудио надо на 6 выкрутить при 4-8 шагах, по умолчанию и так 12 и 3 используются и только увеличиваешь время генерации из-за лишнего патча
Пиздец конеш базированые китайцы, правда походу над было ставить побольше секунд, а то они прям зарашили.
Но вот вернулось то что умерло с лтх, а именно кайф в придумывании промптов всяких
так еще и качество как будто ты корпу юзаешь, ток бесплатно и без цензуры
->
>>1668830 →
>Но если по картинке с референсом модель не сделает рол с каким нибудь иллитидом сосущем ебушем рот тянки, то выкладывать рил будет нечего, ван с лорами останется на пьедестале.
Ну и как, ван всё ещё на пьедестале?
>Ну и как, ван всё ещё на пьедестале?
Да, эт я. Я добрался до компа, что жшшш
Да слов у меня нет попросту.
Но у LTX всё же звук получше будет.
Я хоть и тоже в восторге от китайцев, но расстроен из за того что вместо минутных LTX видосов моя система едва способна на видосы в 15-20-сек в лоу резоолюшене, какой то дауншифтинг или очередная заявка на полумилионный апгрейд системы :(
Также не совсем понял почему Ref2VA по одной пикче генерит результирующее видео раз в 10 дольше чем FL2VA, того же разрешения и той же длительности.
ну звук это уже камень в турбо лору, тут и так 2 раза на дню ломают все, сча допилят и будет заебок
>моя система едва способна на видосы
не зря я себе 128г рама засовывал конеш
Моче придется удалять сидеть 24/7 тогда тут их. А мне похуй, у меня впн надежный
бля аж слезы, грок и сора дома, как сука китайцы уместили сюда то что вановские не смогли в свои 2 ебучие модели засунуть
можешь скинуть название лоры и все настройки? если вф не хочешь делиться
https://huggingface.co/drbaph/MiniMax-H3-Turbo-Lora-ComfyUI/tree/main
лора отсюда ема 850 прунед
оптимальный вес от 0.75 до 0.9
с турбой нормально работает только еулер бета на 6-8 шагах
А ускорялки какие юзаешь? Сажа, сол, спертрум, ферст блок кеш
сажа эт стандарт еще сол, никаких кешей и спектрумов, они ебут картинку
ну кстати чтобы чисто прогнать посмотреть как промпт будет работать можно вообще все ускорялки включить, результат будет кал но что то видно будет
я заебался уже ставить кастомные ноды, чтобы еще и превью кастомное было
А еще как отключить сохранение аж двух результатов, с аудио и без? Жестак тоже не резиновый...
У меня прунед работает через одно место, а оригинальная как раз нормально. Хотя чекпоинт прунед.
там минимум 5 кадров считает, я использовал ноду get image from batch с выбором первого кадра.
NSFW
Нажмите, чтобы открыть
Вот например. Выдаёт реалистичное POV видео на сосание и ёбку.
Как мужик с хуем выдаст норм сосание? Это уже пидорство какое-то. Я думал ты нормальные блоуджоб или секс видеорефы нарезанные скинешь
У мивимекса проблем с сосанием нет (как в принципе с погружением твердого хуя в любую дыру, коей рот и является. Есть проблема с режиссированнием сосания, надо все посекундно расписывать, иначе как во всех 5+ сек генераторах нейронка лениться и забивает хрон однотипным примитивным повторяющимся действием. То есть, так и пишешь [0-3c) заглотила хуй [3-6c) вытащила изо рта облизала [6-9c) снова заглотила подрочила себе на лицо хз че там у тебя, у мамки своей спроси она распишет детальней.
То что выше писали про звуки сосания, там надо подбирать правильные прилагательные просто "гаггинг" даст звук кашля похожий на звук пилы по дереву, звук сосания часто включает режим пылесоса. Но даже с правильными прилагательными прилагательными иногда происходит отвал и звук сильно искажается превращаясь в хруст, я так понял это какой-то косяк самого мивимекса на специфическом контексте.
Те кто пишут, что минисракс не тренировали на порно - долбоебы. Он прекрасно знает теги порнофильм и т.д. То что там гениталии попердолены, так это проблема всех нейронок с первого дня, даже объяснять лень тупоголовым хлебушкам. Гениталии так же точно попердолены и у корпов, и пездояйца грока и хуи бабские все это видели все на гроке, сидримсе и так далее, везде где был отвал цензуры. Наоборот, в отличии от ван22, искоропки мивимекс генерит стабильно какой-никакой но хуеподобный отросток, а не деревянную палку или еще какой треш. Там даже головка и яйки в наличии. Это всё тюны/лоры, но даже сейчас легко купируется и2в с нормальным хуем на картинке, после вынимания его откуда угодно он в 70% даже форму головки держит.
По факту, все остальные лтксы (прости господи, искренне жаль тех кто вообще зарился на эту парашу ебаную), ваны и так далее можно удалять нахуй.
не у всех женщин брухля с выпадающим клитором, это индивидуально. бугорок, конечно, скорее всего, должен быть виден, но можно сослаться на то, что ноги прижаты вместе.
Если ты там здорово наебался с сосательным промптом, мож поделишься? Неохота шишки самому набивать
По поводу аудио тут советовали взять реф, надо попробовать взять секунд 10 с прона и с каким нибудь partially_copy/reference запихнуть в промпт
прикинь, инцелишка, в реале клитор не болтается как хуй.
модератор, тут 24-летнее тело, просто с сиськами и сложением не повезло, не триггерись плез.
Не знаю, как-то неестественно выглядит все равно, намек на наличие клитора в верхней части щелки (особенно настолько высоко поднятой) все равно должен быть. можешь перефорсить и сказать, что клитор это маленький хуй, а хуям не место в генерации тяночек
>>1671017
А если в реф крупный план сунуть и в смене кадра сослаться на него?
ты наркоман, в видео полщели видно, а на твоих пиках щели вообще нет (может это трап нахуй), ясен хуй что и клитора не будет видно
>простите за неловкий вопрос, но где клитор
Двачую, пизду ЗАШИЛИ. Брухля не висит, клитор размером с хуй не торчит. НЕПОРЯДОК!!!
На некоторых настройках отражённые тени своей жизнью жить начинают =)
а с какого хуя щель должна быть прямо на лобке? сам наркоман, лол)
>видеорефы
То есть ты ещё не понял, что эти действия можно просто текстом прописать? Ну окей, может дойдёт когда-нибудь.
>Если ты там здорово наебался с сосательным промптом, мож поделишься?
Не могу скинуть по очевидным причинам. Но я не писал сам с нуля, ты можешь просто адоптировать готовые вановские простыни которые в нф часто кидают, либо используя промпт для агента сделать в любой нейронке, дипсик например.
>По поводу аудио тут советовали взять реф,
Тут в треде половина видосов с прегенерированными рефами на звук, так что оно норм сработает. Так же если тебе нужны крупные планы, то ты можешь как в стандартном примере с бабой на парковке - сделать просто серию картинкорефов из сосания.
>простите за неловкий вопрос, но где клитор
В гроке, легко - 20см длинной.
https://clip.cafe/clerks-ii-2006/emma-are-like-this/
так ты у того кто видео сгенерил спрашивай это, а не у меня, пчел
>Если отрубить этот говняк, то лица лучше с референсов копирует и лоры не перебивает так сильно.
В смысле? Нод ошибку же выдавать будет если клип отключить. Можешь показать как сделал?
Юзай стандартную ноду для сохранения видео, она и сжимает лучше и превью на ней удобнее, я хз че староверы еще дрочат этот древний VHS
эти звуки сосания пиздец хуйня, как промтить нормально чтобы не хрустело?
>>1671085
Бля анон спиздел, я её забыл подключить лол, это на 6 шагах без лоры даже.
Вообще лора minimax_h3_fl2v_lightx2v_turbo_4step_v0.1_comfy.safetensors
Физически выдергиваю кабель из сетевого разъема. И всего делов. :)
На 5070 ti 640х480 (читай 1280х960) ты уже за минуту увидишь, там 56-62 сек генерируется.
Текнолоджи.
Но хорошо, что тае выпустили, у кого видяшки послабее.
>>1670850
Без апскейла — да, но коротенькие и долго.
>>1670863
Мне нейронка хуярит эти тексты и збс получается в рефе.
>>1670898
Первая так себе, вроде норм, но лайтх2в топчик, но с весом 0.5 обязательно.
>>1670935
Две совершенно разные архитектуры. У ЛТХ всегда были realtime видео на 4090/5090. В этом их фишка. И контекст милипиздрический.
Но качество такое себе.
А тут раза в четыре дольше, ну, с апскейлом, раза в два дольше, и контекст толстенький, влезает меньше. Да и апскейл не латентный, а растровый.
НО ТЫ ПОПРОБУЙ ЕГО СЛЕДОВАНИЕ ИНСТРУКЦИЯМ
ТЫ ПОПРОБУЙ ЕГО РЕФЕРЕНС ТУ ВИДЕО АУДИО
Не пихай видео, чтобы не работало долго, а чисто картинка + голос опционально, для скорости.
Оно ебет мощнейше (хотя голос не идеально воис-клонит).
А цензуры и знание персонажей и знаменитостей? Пишешь кого хочешь — и оно с 50% знает кто это и рисует сам, так еще и озвучка близкими к оригиналу голосами.
>>1670992
6 степов: сажа по умолчанию, сол с 0.2 - 0.9, применяется для 3, 4, 5 шагов, пока все. Посмотрим седня, что за ферст блок кеш, а так тебе много не надо.
>>1670999
Эээ… У меня стабильно 1,5 сек на него тратится. И дено, и ориг. Я за 2,5 лишние секунды получаю х2 разрешение (мыльноватое правда, как х1.5 считай).
>>1671002
Заебись с r2v работает.
>>1671072
Вот я дед, больше настроек, привычка, на самом деле хуйня, да.
>640х480
в описании турбы написано что 768 короткая сторона должна быть
вот с турбо лорой, 555 сек, 3090
Какой-то бредогенератор. Какое ещё понимание движения, если референс статичный. Ну и на практике минусов не вижу если на референсе человек. Может несколько сложных референсов и будет проёбывать из-за отсутствия текстовых токенов.
>>1671165
Я в 2012 генерил интерьеры в максе, 1 ракурс генерировался 24 часа. А вы тут видос из блокбастера генерируете 10 минут и вам долго. У меня видюха пашет всю ночь и весь день если я на работе. 3060. Сутки на генерацию такого видео это немного, а я за несколько часов делаю.
это не так работает
https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md
https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md
Лучше генерируй промпт через дикпик
https://gist.github.com/Naxdy/43b7422a1e4a79fb8b0489c6c39eaace
Текстовый энкодер-то поймёт что ты хочешь, но его никто не спрашивает - Минимакс получает текст как есть. Какие-то простые отрицания с "не" или "без" он сможет понять, но не отрицание действия. Пиши "тишина и звук движений".
видос случайно отправил, а вопрос забыл
попробовал ref2va, все почти хорошо только сиськи лезут, лол.
походу триггерится на [Shot 5]: The frame changes quickly into - focus on the breasts of a this girl
пробовал chest - все равно сисик лезет. а говорили что цензура, лол.
p.s. спасибо анону за тикток промпт, моар еще универсальных промптов
>А? ЧЁ? ЗВУЧИТ РЕЧЬ? ЩА СДЕЛАЮ!
Примерно так он тебя понимает.
А если бы тебя вернули назад во времени, ты бы подписался на такое, зная как это легко будет в будущем?
Безусловно. Я устроился на работу тридешником в октябре. Через 10 дней после того как начал локально генерить картинки и даже один убогий видос. Я жалею что в 2006 в эту фирму не устроился, просто о ней не знал. В моем мухосранске все эти годы делали ААА игры, а я хуйней занимался. Студия на 100 человек блядь.
бразик скинь эту отредаченную ноду, а ты ее сам то тестил?
512х512 точно работает, подозреваю, что и 480 на 480 вытянет.
Ниже уже хуйня, да.
Но тут кое-как пердит.
https://storage.to/qKmKASp9B
Там только ещё вторая правка есть, не обращай внимания.
надо реф модель использовать а не фл, а промт не видно из-за пиксаромы
Это вроде реф модель. Вот промт:
Камера приближается к тумбе за спиной мужчины, женская рука кладёт на неё сумку со второго изображения. Стиль первого изображения остаётся неизменным и переносится на предметы со второго изображения. Тишина. Все персонажи неподвижны. Предмет со второго изображения отрисован в стиле первого изображения.
у тебя fl2va а должно быть ref2va
<Picture 2> is reference for сумка хуюмка надо писать
https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md
ещё вот тут
https://huggingface.co/DmitryDB/MiniMax-H3-ComfyUI-Quants
можно скачать коньврот hq потому что у него меньше слоёв коньврота и больше полных бф16
145 INT8 ConvRot + 63 BF16 semantic matrices
дольше на 10-15 % комфи варианта но как будто эффект есть
видеомоделям надо дохуя места, но выгрузка в обычный рам не так критична как для картиночных
Перестань, пожалуйста. Закрой вообще эту вкладку.
на 5060ti 16gb
да я понимаю, но на ване и лтх фулл загрузка гпу и по враму и по процентам
Красавчики. Пришли на реддит и ёбнули огромную АМА сессию. Ответили на тьму вопросов.
https://www.reddit.com/r/StableDiffusion/s/O0rqbtpxzn
Для староверов и ADHD:
Tldr:
2K Regenerate - будет open-source и, судя по формулировке команды, относительно скоро;
Sparse Attention - первая версия тоже “near term”;
официальный 4/8-step рассматривается, но без обещаний по срокам;
отдельная image-модель из линии H3 - в разработке.
Для нормисов :
Самое главное: нативный H3-Regenerate-2K действительно откроют. Это не обычный апскейлер и не «второй прогон тем же H3». Команда пояснила за отдельный latent-space DiT regeneration checkpoint, который генерирует на более высоком разрешении, используя результат базовой модели как дополнительный контекст. Часть референсов также подаётся в повышенном разрешении. Модуль сейчас дорабатывают по скорости и качеству именно для локального использования, поэтому точной даты нет, но на отдельный вопрос «аскороли?» разработа ответили буквально: “yep, not very far”.
По Sparse Attention ещё наряднее. H3 не использует MSA из MiniMax M3, как многие предполагали. Их схема ближе к MoBA-style block selection: соседние visual tokens сильно коррелируют, поэтому MiniMax делает mean-pooling блоков и по этому представлению определяет важные блоки, без отдельного обученного indexer. Сейчас 3D sparsification применяется только к video tokens, потому что именно они съедают большую часть sequence. Image/text tokens пока изучаются как следующие кандидаты.
Кто нихрена не понял - первую открытую реализацию sparse attention обещают в ближайшее время, причём сначала в консервативной конфигурации с целью получить ускорение без заметной потери качества. (Это круто, скорость - главный минус)
С 4/8-step H3 всё чуть менее нарядно. Выпущенный checkpoint уже содержит CFG distillation, плюс на финальной стадии обучения использовалась дополнительная стратегия, благодаря которой модель и сейчас умеет несколько снижать число inference steps. Но это не полноценная step-distilled Turbo-модель. MiniMax продолжает исследовать distillation и прямо рассматривает официальный 4-NFE или 8-NFE вариант, однако честно пишет, что не может пообещать его в ближайшее время. То есть community Turbo LoRA пока останутся актуальны.
Ещё одна неожиданно прельстивая новость - картинки!!
На вопрос про настоящий Text-to-Image / single-frame H3 MiniMax ответил, что они уже делают отдельную image model из общего предка H3 (круто звучит) и рассчитывают выпустить её для сообщества. То есть нынешние хаки «сгенерировать 5 кадров и выдернуть первый» действительно временные - полноценная H3 image-модель официально в разработке.
Из архитектурных деталей команда также поъяснила за prompt adherence. По их словам, дело не в каком-то одном хитром модуле, а в очень широком и разнообразном наборе данных и задач, обученных на общей масштабируемой архитектуре. Иными словами, меньше магических костылей под отдельные задачи, больше общего multimodal training. (Gemini Omni нервничает и готовится апдейтнуться)
За цензуру не говорили. Но видео в шапке говорит само за себя.
Красавцы, чо.
> 2K Regenerate - будет open-source и, судя по формулировке команды, относительно скоро;
Не булет же он из 480р в 2к переводить, это только для богатых которые в 720р генят.
>
>Будущее Минимакса
Делают х4 и х5 закрытыми и сосут хуи умирая в говне. Никогда такого не было, замечу. Похуй что они там говорят, тактика всегда одна.
в общем, накатил себе на RTX 3090 этих суперквантованых моделей с турбо лорой и теперь уже 5 сек 0.4mp на 6 шагах получаются почти за минуту (на 4 шагах реально за 60 сек).
единственное пожертвовал качеством, но оно выражается только в том, что промпта плохо слушает и съедает некоторые элементы (типа когда прошу советский мультик делает 3d мульт, видимо недодумывает до слова советский, но это можно поправить описав все подетальнее).
Prompt executed in 208.76 seconds
пруфы.
еще подключил спектрум, с ним иногда вообще невероятные ██████████| 4/4 [00:13<00:00, 3.42s/it] пролезают, но полный рандом на турбо в плане качества.
вот на одном сиде (самом удачном) сравнение их, но понятное дело что спектрум может на другом сиде решить подругом порезать шаги и качество, но в плане скорости доволен оптимизоном от этих квантированных моделей.
https://huggingface.co/Kijai/MiniMax-H3-experimental/tree/main
https://huggingface.co/Abiray/Minimax-H3-nvfp4-INT4-INT8-Convrot/blob/main/text_encoders/qwen3vl_32b_minimax_h3_int4_convrot.safetensors
Мне 32 гб гпу мало, а ты с 8 хочешь. Залетай в аренду гпу. Это самое реалистичное решение по-моему, потому что даже 5090 маловато, но не будешь же ты домой брать rtx 6000.
По идее опимизон на ComfyUI позволяет запускать модели на любом железе, только проблема в скорости. Генерить 5 сек за полчаса наверное все таки не в тему.
Хотя, есть GGUF-ы, если они влезут в твой VRAM, то технически может просто замедление 2x в крайнем случае, а это будет где-то 10-15 минут на видео с турбо лорой.
у меня int4\fp4 модели на 5060 ти 16гб врам прибавку скорости не дают но сильно хуюжат квачество
>Минимакс как image edit модель? Стоит ли пробовать?
мылит. впрочем все edit модели этим грешат, где-то сильнее, где-то слабее. но у минимакса понимание анатомии\физики\освещения очень хорошее. лучше править крупноплановые портретные снимки людей. мелкие детали проебываются. оголяет вообще охуенно, не лепит одно и то же тело всем, рисует довольно соответствующие фигуры включая лишний жирок или наоборот костлявость. походу по лицу\плечам\рукам судит.
А вот разница между res multistep + simple и euler + beta уже разительная: res multistep + simple на том же сиде мне перекрутил руку назад неанатомично, тогда как euler + beta сгенерил правильно все. так что пока поставил любимый с вана euler + beta как основной. А вот с convrot так и не определился че лучше, была бы разница в скорости оставил бы ее, а так смысла нет наверное
Умеет
https://github.com/duckyshell/ComfyUI-MiniMaxH3-FirstBlockCache
Можно в комбе со спектром, но лучше не надо, на пресете фаст почти не руинит качество.
5 секунд 0.6 мп за 8 минут. Ну в твоем случае даже быстрее, так как, 4070 на 8гб точно мощней моей 3060 на 6 гб.
>>1671295
GGUF не влезут в VRAM, а скорость генерации при этом будет минимум в 2 раза медленней чем на pruned int8 convrot.
теоретически да, а по факту, как минимум в крее 2 вскрылась особенность что nvfp4 была сильно медленее чем int8\4 кончврот
> 5 секунд 0.6 мп за 8 минут.
Чё накатывать?
Есть готовый воркфлоу для cumфи?
вот kijai модели выложил: https://huggingface.co/Kijai/MiniMax-H3-experimental/tree/main
так ведь чем больше разрешение видео тем больше VRAM будет жрать. Можно вообще сразу bf16 так запилить и идеально на 0.4 будет генерить, но пикселем чуть выше и будет OOM (в Комфи конечно не будет, он просту тупо сделает в 4 раза медленнее). А так, хороший запас на то, чтобы играться с разрешением держа все в VRAM-е.
я не он, но тот кто уже сравнивал тут >>1671284 >>1671290
Скажу что у меня с int4convrot, которому по размеру соответствует w4a8, приводил к ебейшим артефактам, а w4a8 от Kijai вполне себе удобоваримо, без чрезмерной оптимизация в роде спектрума, вполне себе норм результат дает, в отличие от коньврота на int4.
Генерю на 8гб+32 почти что хочу. Пикрил из двух кусков, с первого раза вышло и меньше 20 минут в сумме, но это реф модель без ускорялок, а она медленная сама по себе.
С турбо лорой по пикче 4 секунды в 0.5 мп качестве - 171 сек. Хватит с запасом, чтобы еот раздеть или еще что погенерить для души. Мб дольше будешь думать, готовить рефы и промпты писать, чем генерить. Но на д-нищеспеке каэш сложнее что-то тестить и мотивации меньше.
Есть даже вот такая штука https://github.com/tori29umai0123/ComfyUI-MiniMaxH3-SingleFrame
я коньвротом 8-битным в основном и пользуюсь, w4a8 хорош для погонять на легких весах промпты, понять что как работает, не проебывая качество по полной пизде в сравнении с другими 4-битками.
какой инт4, какой в4а8 ? У меня 5070ти. Со спектрумом, реф модель, 0,7 мп, 10 сек, 4 реф картинки + 1 реф видео в районе 6 минут получается. Без реф видео еще быстрее будет раза в 2.
Кто нибудь их юзает или реф модель полностью закрывает потребности?
Второе. Рефы видео, картинок и детальный промпт все закрывают.
Реквестирую воркфлоу для комфи, с меня сотни нихуя.
Хотя бы что гуглить.
>Рефы видео
Насколько они полезны? Есть пример какой-нибудь.
Квантование в фп4 хорошо для 50хх серий карт, в 30хх он разворачивает его в фп16 один хрен, тратя время, даже фп8 разворачивается в фп16. INT8 твой бро, с ним 30хх серия работает напрямую.
Юзаю лору на диптрот с 0.5 силы. Рефы с видео слишком сильно увеличивают время генерации, их не юзаю, только пикчи и голос
Примеры есть, очень полезны, но не покажу.
Чтобы они эти плюшевые лапы друг другу в пёзды по локоть пихали? Нет.
Макаба не стерла метадату у видео >>1671308 Просто вставь его в комфи и она должна загрузить воркфлоу
у меня на 4070 минмакс по 5-6 минут генерит 5-7 секунд 0.5мп, воркфлоу i2v из темплейта комфи, только ноды со звуком убрал
Начни с дефолтных как там сказано, у них есть пример вф https://github.com/Larryvrh/ComfyUI-MiniMax-H3-Turbo
Любые прочие примочки сейчас опциональны и не мастхев, как и турболора впрочем. Пайплайны еще не настоялись.
Модели я юзаю int8_convrot, вае minimax_h3_video_vae_int8_convrot
Если прям нужен чужой вф, можешь этот попробовать, там хоть есть че почитать слева https://github.com/darksidewalker/dasiwa-comfyui-workflows/tree/main/C-MMH3
можно попросить минимакс использовать движение камеры из рефа, вроде облёта вокруг или тряски. можно попросить скопировать лицо и голос из рефа. это быстрее чем картинки пихать обрезанные. главное чтобы лицо ракурсы и мимику за тот короткий отрезок времени норм передало. я своим ебалом 4 секунды повертел перед мобилой и покривлялся, норм потом вышло генерить себя самого.
пробовал chest - все равно сисик лезет. а говорили что цензура, лол.
Кто говорил? Нету у него цензуры. :)
>breasts, chest
Чего заказал - то и получил, lol. Не нужны были голые сиськи - так бы и писал: "blouse", "shirt", "uniform top", или на крайний случай "chest area".
Это турбо лора пережаривает, а поверх апскейлер от нвидии.
>>1671365
Майн респектабен.
ну так w4a8 не обязательно должен быть именно в фп4, тем то и хорош, что может быть и на int4 для обладателей 3000-й серии.
версия, запощенная Kijai как раз на int4 https://github.com/Comfy-Org/comfy-kitchen/pull/90
в этом то и прикол новости из этого поста >>1671316
вот что я заметил, в этих квантах реалистик сильно артефачит, ебала перекошеные, зато с картоном норм выглядит
реалистик был апскейлен с 0.2 мп шакалов. иначе нереально 30 секунд выжать, вся оператива забивается.
>1 шаг
под такое надо минимакс в 1 бите выкатывать и заживем
>И как теперь вернуться к нормальной жизни?
Реал лайф оверрейтед, кайфуй пока интересно, рано или поздно и это заебет.
>можно попросить минимакс использовать движение камеры из рефа
Там промптингом можно как угодно камерой вертеть.
>>1671389
Жить можно.
>>1671394
Кринж 80-го уговня я только голос решился.
>>1671411
Заебёт как и картинки и текста.
>И как теперь вернуться к нормальной жизни?
Ты погоди когда это в и2видеоигра транслируют с управлением стрелками. >>1671406 >>1671403 с этим такое реально. Можно тогда сразу на игровое сральное ведро садиться. Даже не представляю кому после такого ирл нужна.
Пока даже мыслей качать лоры не было, хочется кайфануть от оригинальной модели и понять её лимиты. Да и в целом эротика, которая возможна из коробки устраивает.
>и это заебет.
Ну, я на ване около 5к видосов сделал, потом не заебало, а просто лемминги бесплатность заабузили и лавочку прикрыли. Ты немного не о том типе людей говоришь. Я с 7 лет вырезал картинки с голыми тетями из дифицитных пшекских журналов.
На этом моменте можно будет сказать плодячке "прощай навсегда".
>Пока даже мыслей качать лоры не было, хочется кайфануть от оригинальной модели и понять её лимиты.
Я используя промпт для промпта анона смог даже из коробки не покрытые некрозами вполне опрятные хуи сделать, а потом нейронкой дожал чтоб в нужном ракурсе ставило раком и камеру не щелкало, реально получилось охуительно как будто с руки снято. Если еще сверху лору (или реф) на хуй кинуть, кусками по 15 сек можно натурально беспалевную порнуху генерить на минуты хрона.
Чет у тебя как-то бездумно нахуячено все подряд лишь бы инференс ускорить: две сажи подряд (да это именно две сажи подряд, а не улучшалка основной), потом ещё сол-аттеншен вкорячен и спектрум с degree:4
Скорость это заебись, но такой ценой?
В более-менее развитых странах у более-менее развитых людей - безусловно. Но так как это локалка, то хули они сделают? Всё. Порносингулярность.
И будешь генерить каловый слоп.
Игры и так уже генерят одним промптом, кто тебе мешает начать, проблема в том, что как и с пикчами, чтобы сделать нормальную пикчу, надо уметь рисовать, так и для игр, надо уметь делать игры, без этого получишь только ублюдский кусок слопового кала.
Оптимизации AsymW4A8 из PR #90 технически работают на RTX 30xx (архитектура Ampere), но существенно замедляют генерацию по сравнению с INT8. Хотя этот метод позволяет сэкономить VRAM, его вычислительный оверхед на деквантование весов "на лету" делает его неэффективным для 30-й серии, рекомендующей использование чистого INT8.
Это ты через апи фигачил, а тут то локально, что вероятно дольше per gen?
Хотя конечно в твоей самоотверженности ради гуна я ни капли не сомневаюсь и ни капли не осуждаю. Можно отложить польские журналы и ножнички и заняться делом, успехов!
единственное генерировать видосы по 5-15с быстро заебывает. для мемов, стикеров и прочего сгодится, а сделать что то более длинное - тут уже режиссером надо становиться + какую нибудь тулзу типа директора поверх комфи, чтобы на генерацию ставить раскадровку и получать длинный ролик отрезками по 5-15с и уже смонтировать\перегенерировать неудачные дубли
Мне нужны first-last видео и i2v, и у меня есть ажно целая 4060ti-16. Какую модель мне брать под это дело?
>промптингом можно как угодно камерой вертеть
чего, прямо с описанием сложной кривой пролёта?
С физончиком тоже весело.
модель https://huggingface.co/Kijai/MiniMax-H3-experimental/blob/main/minimax_h3_ref2va_pruned_w4a8_mixed.safetensors
текст энкодер https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
vae https://huggingface.co/Comfy-Org/MiniMax-H3/tree/main/vae
>И будешь генерить каловый слоп.
Речь не про качество. ААА-игры и сейчас каловый слоп, что киберпук, что прочие куски невыносимого душного говнища. Тебе норм? Тогда не тебе рассуждать про кал. Любая генерация - это личное, может ты не понимаешь, а я понимаю. И я буду генерить то, что мне лично интересно потреблять, и что мне буквально никто не может предоставить. Я, видишь ли, человек высокой культуры.
>>1671440
Я и тут на апи буду до последнего. Я купил на ранподе, но там дефолтный ворк без оптимизаций, так что думаю не сильно быстрей чем у некоторых в треде. Но у меня есть 5060, конечно, расчехлю ее когда тряска с оптимизациями устаканится.
>>1671443
>тут уже режиссером надо становиться
Не надо, можешь просто выдрочить с нейронки, дав рефы на режиссеров или что хочешь. Куски по 20 сек ты и сам можешь смонтировать.
Тестов нету потому что из-за технических особенностей нормально работает только рез мультистеп и кулер
Все остальное так или иначе херит картинку и звук
С прегеном может, а текст ту имидж только ебанутый будет.
Как вообще звук отключить?
Конечно может
у тебя походу в своп вылезло. 1080р не всякая система выдержит, генерируй хотя бы 1мп+апскейл
а звук можешь либо ffmpegом вырезать, либо просто не подавай аудиовае
minimax_h3_ref2va_pruned_w4a8_mixed будет быстрее чем на int8_convrot? Ведь влезает то все в врам, или тоже самое все будет и лучше сидеть на жопе int8_convrot ровно ?
>у тебя походу в своп вылезло.
Разумеется. Я всегда ебу нейронки за пределы возможного и вам советую. Я не мог до H3 1080 рублей генерить, генерил 1280 по два часа на ване.
>а звук можешь либо ffmpegом вырезать, либо просто не подавай аудиовае
Просто контрол плюс B на ноде поможет?
Ну воре не моё, но неплохо. Почему великанш, потому что сразу понятно что можель может и не может.
да
>>1671477
5с 0.6мп генерит от 280с при холодном старте и 170с при горячем без смены промпта. но ценой качества, если не приглядываться норм
И вообще, я вот думаю, зачем вообще нужна fl2va модель? я просто взял вф ref2va и занулил все рефы и использовал её как t2va.
чел.
Да, там почти в итоге большая часть int8 (что и дает ему лучше качество чем другие int4 врианта), но прям такого оверхеда не ощущается при переходе в int8. Наверное сказывается, что int4 сам по себе быстрее, но замедляется до скорости int8 в итоге.
В общем, прибавки в скорости, но есть прибавка в свободном VRAM, а значит можно выйграть в скорости на высоких разрешениях, если все будет умещатся полностью в видеопамять.
у тебя 32 гига рамы? просто 5070 ti должна быть гораздо быстрее
Великанш уже год любая модель стабильно может, хотя я их делал даже на сидрикселе на первых тюнах еще до пони. Кстати, если задать неправильно соотношения сторон он стабильно сбрасывает картинку.
32гига и 5060ти. постоянно упираюсь в оом если больше 5 секунд генерю. ну и на некропеке с ддр3 генерирую
жена гигачада
>>1671510
мда. а добавить еще 32 никак? ддр3 щас по сравнению с 4 копейки стоит, особенно на вторичке
материнка вроде не поддерживает. тут только новый риг собирать, но когда я посмотрел цены на оперативу - решил что и так сойдет.
Ты не прописал нормально что от него осталась половина без головы.
Я потыкал, мне больше еулер нравится, разрушения выглядят более естественные, насколько это возможно для w4a8
1) euler/beta
2) er_sde/sgm_uniform
> Тогда не тебе рассуждать про кал. Любая генерация - это личное, может ты не понимаешь, а я понимаю. И я буду генерить то, что мне лично интересно потреблять, и что мне буквально никто не может предоставить.
Ты вообще нихуя не понял, ты будешь генрить слоп, потому что нихуя не понимаешь в гей деве, играть в игры это не равно уметь их делать, это вообще про другое, именно поэтому не будет игр в 1 клик, точнее они уже есть, но это не игры, это кал собачий.
Нормально все. откушенную бошку надо прописывать
Ты нихуя не понял из того что я тебе сказал. Бывает. Просто продолжаешь зачем то спорить со своими маняфантазиями. Все современные игры на которые ты надрачиваешь шаблонная хуйня. Они просто не станут хуже, когда шаблоны начнут генерить усредняющие все нейронки, ведь этот процесс усреднения начался очень давно и без них, а они - прямой продукт этого. Но ты слишком туп, чтобы такое понимать.
>но когда я посмотрел цены на оперативу - решил что и так сойдет.
можно вырулить 64 гига на зивоне за примерно 15к.
подари мне риг на стопицот гигов рам\врам
>>1671545
ддр3? если и собирать норм риг - то на ддр4 и памяти хотя бы 128 и на пару-тройку видях. тут просто еще проблема что из материнок были на выбор китайские материнки, а с ними как то стремно.
>>1671540
тот же промпт и сид но на инт8-кончврот-хаку.
0,4 мп 8 секунд - 8 минут (с апскейлом rtx x2)
0,6 мп 5 секунд - 10.5 минут (тоже с апскейлом).
Учитывая бомже спек считаю это вин
>ддр3? если и собирать норм риг - то на ддр4 и памяти хотя бы 128 и на пару-тройку видях
нет, ддр 4 ецц реги, обычные серверные на четырехканал
>памяти хотя бы 128
ну щас это оверкилл
>тут просто еще проблема что из материнок были на выбор китайские материнки, а с ними как то стремно.
а че стремного? берешь то что все берут и всё
Много уже полноценных книг/манг/анимаций сгенерировал, нетакуся ты наша?
>Много уже полноценных книг/манг/анимаций сгенерировал, нетакуся ты наша?
Да, много.
Теперь я понял откуда эти тупые кринжевые диалоги.
Это не акцент, а текст написанный лоботомитом, я не проверил.
>анон ты гений няху, убрал энкодинг картинок в и2в и стало идеально, а вчера пердолился весь вечер с промптом чтобы картинку точно копировало
Ват? Можно подробностей? Я тоже так хочу.
tokens = clip.tokenize(prompt, images=images)
tokens = clip.tokenize(prompt, minimax_ref_items=ref_items)
меняешь их на
if text_encode_refs:
tokens = clip.tokenize(prompt, images=images)
else:
tokens = clip.tokenize(prompt)
и
if text_encode_refs:
tokens = clip.tokenize(prompt, minimax_ref_items=ref_items)
else:
tokens = clip.tokenize(prompt)
и прокидываешь text_encode_refs в аргументы.
он скинул хуйню, я думал это патч для комфи, а это говновайбкод нода. Но идею можешь почерпнуть
и какая няхуй разница реф или фл модель если пикчи энкодятся что там что там
в общем вы пробуйте мы вам удочку дали а дальше вы сами
Так если пикчи не энкодить, то как они вообще в модель попадут? Чёт не понял прикола если честно.
> патч
Сейчас бы редактировать код комфи. Ты вообще ёбнутый? Тебе дали кастомные ноды, но нет, надо заниматься хуитой.
пикрил бля, они вставляются в латент первым кадром или типо того. я не говорю что это какая то имба но мне лично помогло в моих видосах
>>1671664
пишов ты нахуй с кастмомными нодами, и так наустанавливал этих мокрописек за неделю сотнями, щас бы ещ двачерские вишмастера ставить
>они вставляются в латент первым кадром
И патч это отключает? И как это должно помочь? Просто сколько не читаю, не могу понять сути, что они там патчат.
сууука пиздос нахуй какой же ты тугой, они вставляются в латент И энкодятся текст энкодером, ДВА действия совершаются. Эта хуйня отключает второе, ибо выглядит ненужной хуйней которая портит идентику
Вот, теперь понятнее ты наконец большие буквы начал использовать, хоть и не правильно, но направление верное, два действия, окей. Но почему это считается ошибкой? Текстовому энкодеру тоже может полезно знать, как выглядят первые/последние кадры. Хотя я конечно потещу, у меня проблемы с продолжением видео правда, к первым/последним кадрам у меня претензий нет.
>ищещь строчки
a где их искать?
скинь твой воркфлоy если не в облом
>
>Что то еще никто не делал на 9 референсов.
Ты можешь ан одну пикчу несколько объектом запихнуть и будет 30 референсов.
ты не меня спрашивай а автора вишмастерской ноды, я человек простой вижу интересное решение - пробую, тем более как я уже писал вчера долго очень стукал промт чтобы он универсально подходил под любую пикчу, а выходило так что с одной пикчей норм а с другой уже пол деталей проебал и наоборот
>>1671675
в коде комфи, при чем тут вф. если не умеешь в код то попроси лоботомита пояснить
на реддите пишут что надо торч и куду обновить. у меня до сих пор оказывается торч 2.9, время обновляться
я так понимаю это для гоев которые используют встроенную ноду для инт8. Тритон по дефолту отключен в комфи а куда выключается если не 13я, поэтому я использую старую добрую инт8 фаст ноду на тритоне и не ебу себе мозги. но может у блеквеллогоспод там все по другому, хз
В процессе. У меня по 2-х секундному отрезку продлял, но херил сам отрезок, так что кадры не совпадали 1к1, и склейку видно.
Сейчас пробую вишмастер ноду, авось поможет.
>>1671681
>вижу интересное решение - пробую
И тебе помогло?
>в коде комфи,
там файлов тысячи, в каком менять? в одном из вишмастерской ноды?
>при чем тут вф.
да просто хотел глянуть как ты это используешь, т.к. сам ещё не поставил H3 (займусь вечером).
Да ничего, у меня у самого такое, что если и получится, выкладывать не буду.
А так хуй, не получилось. Я правда по коду не увидел, где там двойная отправка, точнее не нашёл места, где оно в латенты VAE отправляется, ну да ладно, может это я еблан.
По хорошему вообще для задачи продления видео надо исходные кадры жёстко в латенты на каждом шаге кидать, чтобы нейросеть в принципе не могла с них съехать, но я слишком тупой, чтобы это навайбкодить/смастерить в лапше.
>>1671692
>там файлов тысячи, в каком менять?
Искать ноду MiniMaxH3ReferenceToVideo офк, грепай. Либо качай вишмасстер, там всё сделано, будет отдельная нода MiniMax H3 Reference to Video (1 Frame).
Спс, ещё больше вишмастеров.
Не, понятно, что яйцеголовые проблему решат, и через неделю/месяц у нас будут воркфлоу и ноды, но интересно же и самому покопаться.
Через месяц илюха нам фокус2 сделает.
надо поковыряться, у меня тоже зреет похожая идея насчет сторибордов, только я думал в отдельном интерфейсе делать чтобы не привязываться к комфи.
5090, Турболора 4 шага, 768 10 сек - время генерации 3 мин. + порно лора с Сивитая HMNSFW - AIO Sex LoRA которая нормально полирует
И, да, если кто не знал, к турбо лоре нужна своя нода загрузчика лоры и свой турбо семплер
Я думал что только японское порно может быть смешным, ан нет.
>А так хуй, не получилось.
Поборол продолжение. Нода, патчи и прочая хуета не нужны. Нужно правильно обрезать видео (и аудио), чтобы оно выравнивалось по ебанутой границе со всякими 17 и 5, и правильно описать кусок, что продолжаешь. Я просто как еблан написал "Они смотрят друг на друга", а в видео у девушки были закрыты глаза на последнем кадре, поэтому нейронка и пидорила продолжаемое видео. Со всем этим минимакс склеивает практически идеально. Чуть яркость пердолит, но как будто бы можно решить через плавное смешивание перекрывающихся кадров.
Кто-нибудь знает, как на изях сделать это? Я вижу ноду бленда пикчи, но тут надо 36 пикч так сделать с плавно нарастающей силой.
>HMNSFW - AIO Sex LoRA
Спасибо за наводку, скачал лору. но где взять форкфлоу с лорой? Видосы по ссылке их не открывают в комфи.
Я вообще не понимаю нахуй тут прон с картинки которая и так из прона, это шизофрения. Модель так много прикольного может делать.
С такой моделью где впервые можно делать полноценные сюжеты, генерить обычное притивное порно , это самое последнее, что приходит в голову. Даже просто обнаженки уже достаточно
А там порно было что ли?
Кстати, дайте сора промпты прикольные, потестить тут. Например, я помню рофлы про банк империал, мб остались у кого
>>1671827
Ну, а чего вы хотели? Идеального прона сразу?
>>1671856
К входу ноды загрузчика лоры подключаешь модель и клип, с выхода всё к чему подключается модель и клип. Клип ставишь 0.0, лору 0.3-0.5. Комфи интуитивно понятен.
Попробуй запихнуть текст:
detailed_description:
Camera is static. {Твоё описание на ангельском}.
Так же заметил такое поведение с турболорами и редкими генерациями.
Так же советую использовать инжект картинки в condition, чтобы быть увереным, что именно с этого фрейма начнётся видео
написать по типу (high angle, medium view),
или там раньше в тексте было упоминание движений камеры и он везде добавляет
На счёт порнухи можно и без лор, у меня удачно получилось сделать через калажи нужных объектов. ref2va обязательно. Кстати, колаж как реф - просто имба.
>Static shot, camera is stationary и т.п. не работает
Работает, просто структурируй промпт нормально. В том треде кидали промпт агента. Пишу все что нужно через него.
>ужас вместо дырок надо фиксить
Шкила ишшуе. Секрет: напиши красивый хуй, красивая дырка
Тоже варик не плохой, фиксит если не всматриваться, но реф всё таки советую сувать
О, у меня есть, адски проигрывал с него.
>>1671895
>>1671901
В общем идеально работает если персонаж просто перемещается по сцене. Но если нужно какие-то дополнительные действия совершить, то камера уже начинает дрейфовать. Ладно, буду ещё возиться с промптом.
Накачал такое количество турболор за последние 2 дня,что начал путаться между ними уже.
В 8 шагов, эйлер, бета на прюнед камвроте делает вполне себе качественно не убивая звук и без особых заметных артефактов. Ну либо у меня уже глаза за мылились.
>плавное смешивание перекрывающихся кадров
KJ nodes, "Cross Fade Images"
Да всегда так было, скорость не даётся бесплатно. Я лично вообще не собираюсь ничего кроме стандартных воркфлоу юзать, все эти ускорители кроме может быть sage attention, убивают картинку и отупляют происходящее.
В ване и лтх нормальные турболоры были, а здесь всё что пока не пробовал какое то гавно, либо криво вообще генерит, либо пережарка.
Покажи вес и какая лора у тебя там, кол-во шагов и семлер/шедулер
Соратреды убили, а утащить наши видосы в тг и шлепнуть ватермарочку не обломались.
Да какие там промпты, там пары предложений было достаточно.
Я не пользуюсь никакими лорами снижающими cfg, ускоряющие степы, кроме qwen image edit, т.е. без неё слишком долго. От них всегда очень сильная деградация сцены, стиля, кроме может быть совершенно тупорылой хуйни типа "баба делает сэлфи"
https://github.com/NikoDemon80/ComfyUI-H3-Motion-Context
Не моё, это для латента, для картинки я чатгэпэтэ просил сделать. Я не уверен, что это будет работать, тк я чатгэпэтэ просил самостоятельно сгенерить код, так что я своим пользуюсь.
https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md
Можешь просто в system prompt кинуть и, допустим, qwen 3.6 35b a3b uncensored запустить. Я делаю так: You receive: {описываю по очереди что каждая кратинка представляет из себя, типо <Picture 1> - is reference for woman's face and details}...
{Описываю что происходит}
И получаю текст, текст в промпт для mmh3 и всё отлично. Только прочитывай текст перед созданием видео, иногда нужно корректировать. При этом, такое чувство, что detailed_description имеет, иногда, 0 смысла, а всё берется из summary
Я этот гайд опусу и скамрливаю. Грок с ним вообще хуйню лепил, боюсь представить что там квен выдает
А я просто картинки в qwen кидаю, короткую идею в промт, сис промт этот, и он мне мутит.
qwen 3.6 на данный момент, лучшая локальная нейронка общая, 27b будет получше, чем moe 35b, но всё равно делает своё дело. Но надо понимать, что не все картинки лучше грузить в интернет, так что советую перейти на локалку.
Так же для сцен лучше делай клипы по 5 секунд, чтобы можно было что-нибудь подправить. Сейчас чел https://github.com/matlowai/ComfyUI-MAINodes сделал вот такую штуковину, на её базе ты можешь править отдельные участки. Скармливай гроку/гпт этот репо и говори: сделай мне ноду которая может принимать латент и указывать какие блоки надо поменять а какие нет, условно. Но и для этого так же попроси, чтобы ноды для сохранения латента сделал(гпт мне написал ноду для сохранения и загрузки латента mmh3). В общем тут лучше разобраться как латент работал в wan 2.2, чтобы понимать как делать в minimax h3. Если что, всё что сверху писал - ознакомительно, по факту в mmh3 латент менять нельзя, а только condition где устанавливается значение для денойзинга и позиции keyframe.
новостной репортаж без комментариев, проезды камеры, смена планов. аэродром, старые винтовые самолеты, "кукурузники". крупный план на фюзеляж, винта нет. к самолету подходит техник, руками размещает на месте винта вытянутую собаку породы овчарка. установленная овчарка своим туловищем полностью заменяет пропеллер. голова собаки ориентирована в небо, хвост - в сторону земли. слышен голос со стороны: "От винта!" Мотор заводится, собака начинает раскручиваться. самолет ускоряется по взлетной полосе и взлетает
POV, вид как из камеры видеонаблюдения, помехи, grainy, slight blur, little bloom, цветная плёнка 1990, 15yo young girl, европейской внешности, bob hair, едет в метро в бронежилете с принтом, кеды, смеётся закрывая рукой лицо, на бронежилете наклейки с котиками, смотрит вверх на зрителя, bob hair, hairpins, skinny, романтическая музыка на фоне, сменяется несколько шотов с разными моментами в вагоне
Японская телевизионная программа. Много надписей. Камера постоянно меняет ракурс.
где порнуха блять... неужели реально модель не тренится
рабочие веса столько занимают в процессе самой генерации видео, остальное (текст энкодер, vae) ждет в ram своего череда, им в видеопамяти в этот момент совершенно нехуй делать, только тормозить всё будут.
Что то не сходится, я беру модель инт8коньвротHQ 23 гига + контекст, а занято всего 16-18.
> Аноны, а можно ли докончить к H3 апскейлер от special ltx 2.3 ?
У них разный latent space
>Не моё
((
>Я не уверен, что это будет работать
Со звуком приколы. Плюс заморочно делать, какие-то костыли с сохранением латентов.
https://github.com/NikoDemon80/ComfyUI-H3-Motion-Context
Он это типа за два дня сделал? Где наш зеленый слоник?
Да можно сюжеты для порно делать, минимах шарит за появление мужика и секс утехи, можно из коробки наделать разных сцен (ток фантазия твой предел)
Но вот чему все поражаюсь это понимаю у минимакса, это пиздец ахуй, я хуй знает мог ли кто из сеток сделать так же как в примере тут, но минимакс делает это не напрягаясь и сука локально.
Удержание деталей просто писец, он может снять с бабехи шмотку, оставить эту шмотку на кровати, и эта будет та же шмотка а не рандомного цвета хуита.
еще недавно страдал на лтх поливая все матом, а тут теперь делаешь видосы уровня корпоратских
>>1671887
сценки без показа гениталий (ну как в фильмах с постельными сценами) делает хорошо, для кума пойдет, даже поинтересней будет если какой сюжет наварганить
Там нет проблем со звуком, там можно расставлять руками ударения и на всех языках кроме английского нужно тегать язык говорящего, если не хочешь аудиореф использовать. Как ты видел выше, у Дженифер Анестен из коробки был голос ее дубляжа на русском. Кроме того, если промпт достаточно подробный чтобы была консистентьность, полагаю, можно сперва генерить шакала, выдирать с него удачный звук, а потом использовать как реф. Это вариант для нищих двачеров, кстати.
>Да можно сюжеты для порно делать, минимах шарит за появление мужика и секс утехи, можно из коробки наделать разных сцен (ток фантазия твой предел)
Я уже наделал вчера. Можно разбивать свой текстопорнослоп аж от 22го года (наверняка у любого его тонны) на сцены, делать прегены в креа2 или чем угодно, ну и сюжет-то готов, дальше дело техники.
>там можно расставлять руками ударения
Отзыв был конкретно на ноду с продолжением латентов, к самому минимаксу претензий 0.
Я больше месяца так делаю, в первый день 24 раза кончил, до этого рекорд был 13 в 13 лет
А почему если промпт на русише, то персы так стремятся его проговорить? Это как то можно ограничить кроме как использованием эльфийского?
Можно руками:
I've had good success in creating long videos from 10 second sections using this technique:
Create your first video.
Then for your next generation (continuation of video):
Load the last 2 seconds of the previous video as <Video 1>. I use the 'Load Video (Upload)' node - from ComfyUI-VideoHelperSuite - (this node allows you to skip frames and start at, say, the last 48 frames (for 2 seconds at 24fps) - this means that the whole previous 10 seconds don't need be passed to the next generation. This is <Video 1>.
I'm using process this with reference images for the subjects so these are used again with each continuation - so I don't see any drift of faces.
This is the wording I found works well:
[Shot 1]
Target video is a seamless continuation of <Video 1>. First frame of [Shot 1] is the last frame of <Video 1>.
The important part is explicitly telling the model that the first frame of the new generation must continue directly from the last frame of <Video 1>. This helps maintain temporal continuity between the clips - because you provide the last 2 seconds of the previous generation is knows what movement it needs to continue from.
You then just join the generation videos with a video joiner of your choice.
>А почему если промпт на русише, то персы так стремятся его проговорить?
Потому что у него там скорей всего вообще реплики нет и это просто звуковые галлюцинации. Ну и на русском реально лучше не промптить, я обычно топлю за промптинг, но тут нет необходимости. Для агента пишешь на русском вводную, он сам все делает на англ и структурирует. Кирилицу мивимекс явно хуже понимает.
https://civitai.red/models/2621242/epic-cumshots?modelVersionId=3202064
Только я вместо white написал translucent. И ещё уменьшил количество, чтобы было реалистичнее.
Что меня поразило что он вообще без напряга из коробки делает кримпай, как я ебался с ваном кучей лор, милион весов перепробовал и всё какая то хуйня получалась, а тут с первого раза, еще и персы всё дословно повторяют (баба например шевелится перестаёт когда надо), вообще ахуй.
я глянул, вроде неплохо, для тестов так сказать
на cuda130 нативная нода комфи для загрузки моделей быстрее чем кастомная int8 фаст.
Допустим в euler beta при +30 +40 степах заметно улучшение физики и деталей, даже новые выражения при игре актеров появляются и тд
А я еще зачем-то взялся посмотреть что на разных сеплерах бывает. И блин на всех получил разное. Как выбрать хз.
>Как выбрать хз.
Юзай рекомендованное производителем и не выёбывайся.
Тоже задолбался сравнивать, мало того, что на каждом комбо разные генерации, так еще при смене разрешения тоже все меняется. На первый взгляд euler более натуральный и реалистичный самплер из всех. На deis текстуры лучше и тд
Вот тут: https://www.dns-shop.ru/product/dab5d7dedf90d582/videokarta-palit-geforce-rtx-5090-gamerock-ne75090019r5-gb2020g
Нужен этот пак https://github.com/Fannovel16/comfyui_controlnet_aux
Скорее всего он у тебя есть, если генерил картинки, пак старый. В нем дохера всяких нод на canny, различные версии depth, openpose и всякого такого. На скрине малая часть.
Подключение такое:
нода загрузки видео -> одна из выбранных нод из пака -> подключение к входу реф видео. Т.е. делаем из нашего видео например очертания персонажей через кэнни и закидываем это в реф. Все.
Также выход ноды из пака одновременно можно подключить,например, ноду видео комбайна, чтоб видеть то, что получилось у контролнета и что передаешь в реф.
Нужна реф модель и соответственно реф ВФ. Стандартный подойдет.
Зачем это существует скажите -qwen3vl 32b heretic minimax_h3 .safetensors? Что бы что? Всем известно, что в режиме текст энкодера это уже не ллм.
с наскока попробовал - не сработало
Ты что две разные турболоры в связку поставил, или у тебя там переключатель?
это скорее просто отсутствие писиков в датасете. прикладываешь реф, кайфуешь
>>1672172
нет, там используется загруженный clip
Лора Synth Pussy на цивитае частично решает эту проблему.
У него старые кванты если смотреть по времени коммитов. самое свежее сейчас - test3
https://huggingface.co/TenStrip/10Eros-Max/commits/main
https://huggingface.co/QrusherZA/10Eros-Max-int8-convrot/blob/main/10Eros_Max_h3_fl2va_int8_convrot_test3_pruned.safetensors
меня смущает что там только fl2va, ref2va еще не сделали походу. ну и судя по описанию - там какой то лютый франкенштейн из креа2, лтх и вана
So far, this release is an experiment on MiniMax H3 base model that combines learned patterns from two other video diffusion models — LTX 2.3 and Wan 2.2, and in test3 and later, one image diffusion model — Krea 2 — into H3's transformer architecture.
а бля я ток заметил что не ту ссылку дал, вкладок дохуя было, но да
>https://huggingface .co/QrusherZA
у этого посвежее
Я искал в яндаксе (реально годный поиск картинок) и ещё годные фото есть на хамстере в разделе фото.
Лол, вижу, что вы здесь. Ща все свои банки дам, генерала уже скинули. Там кроме меня ещё генерили видосы про банк. У меня созданы в соре были рекламы банка/квны/аниме трейлеры и куча политической ржаки, за которую тёрли регулярно.
Такое ощущение, что в плане составления сцен сора2 опередила время. Только качество картинки хуеватое. Но в остальном просто имба.
Вот такие аниме трейлеры тогда пилил ещё. Щас вот квн затестил - спокойно рисует локально.
видео отвалились
БЬлядь, два раза сообщение отвалилось
Это к вот этому
>Подскажет кто-нибудь - стандартный ворклфлоу с турбой хорошо работает, звук не хуёвит, но в реф2видео с теми же самыми данными и с таким же промптом и параметрами звук резко становится хуёвого микрофонного качества, да и само видео становится каким-то странным.
Для Турбы это норма. Ударения без проблем заглавными буквами стАвятся, он понимает.
Просто турбо в т2видео меня устраивает в 9 из 10 случаев, а в реф2видео начинает очень хуёвит. Неужели реф2видео без турбы только работает нормально?
Поверь, я щас 3 дня тестирую - новый китаец в разы лучше. Правда не тестил ещё трейлеры аниме, но ржаку рисую на ура. Сбрасывать ток не знаю куда - на ваших двачах не появлялся практически с момента закрытия соры (точнее ввода телефона)
>Американцы воют на тупых porridges с их gigagrok-video-xxx1488 и выделяют lube из сраки, вспоминая времена артефактной соры
>Европа, Азия и Rub Sea Anne вспоминают времена евро-5 за горшком человечины, поглядывая на небо - ибо палантир никогда не спит
Для нищуков вроде меня с 16врам\32рам есть решение - присрать очистку врам и кеша. итого теперь я могу генерировать 15с 0.4мп за 500с или 1мп 5с тоже за 500с.
У меня ваще другой воркфлоу, из телеги. Ноды ускорялки юзаешь? Саге, спектрум? Я как спектрум подключил (ну саге и так было)- скорость на 30% взлетела. Тоже 16 vram, 32 озу
>Но Макс таки пёзды цензурит, что странно.
Как вы блядь заебали дауны ебаные. ЭТО НЕ ЦЕНЗУРА. эТО СУКА ТЫ ТУПАЯ базовая модель. пОКАЖИ МНЕ хоть нахуй одну базовую модель которая 10 из 10 раз сделает гениталии, ОСОБЕННО В ПРОПОРЦИИ К ОБЩЕЙ ПЛОЩАДИ КАДРА. Гвозь тебе блядь вбить в тупую башку нахуй, скворец ебучий.
>вспоминая времена артефактной соры
Мне нравилась артефактная виду. >>1672236 вот это каловый перетрен на маняме, ничего интересного. А там в режиме анимации очень прикольные штуки генерило, недотрененые корп модели вообще пушка для концептов.
Я в локальный qwen конечно же, во всех случаях, даже когда картинки из инета и делаю полное SFW.
У меня таких проблем нет. Если посмотреть на хуи по умолчанию, покрытые гноем и некрозом, и так ясно откуда там в датасете крупным планом гениталии - из блядь медицинских картинок с болезнями всякими, они там и протеганы были как хуи и пезды. Это старый прикол, я даже в зацензуреном уже 4,5 сидримсе и гроке спокойно пезды поднимал медицинским контекстом, потому что это очень сильный вес, который все передавливает. Соответственно, конкретно по минисраксу там всегда надо писать что гениталии - чистые, здоровые, красивые, это их вид улучшает автоматом на 30%.
https://pastebin.com/pCQvJFr5
Вот то что я для сохранения латента использую
Кстати тоже была такая мысль что оно слишком много из всякой медицины берёт а не из прона, попробую использовать вашу фишку.
EasyCache + sa2 будут все равно быстрее чем spectrum, при этом spectrum меняет поведение даже на одном сиде из-за особенности его работы(это так же написано и в самом гитхабе), так что не советую его юзать
У меня реф2видео с турбой и аудио рефом вываливается с ошибкой, но это норма, как выяснилось https://github.com/Larryvrh/ComfyUI-MiniMax-H3-Turbo/issues/9
ускорялки юзаю + турболора, но без спектрума. мне показалось что спектрум хуюжит картинку, но проверю еще раз.
попробовал изикеш, в целом 15с 0.7мп за 780с - норм результат, для чистовика сойдет.
с промптом на видео наебался немного, надо было сначала чекать на маленьких разрешениях типа 0.1мп, а потом уже гнать чистовик.
Юзай другую лору турбо, 600 ема.
>>1671926
>drbaph на обнимиморде запилил minimax_h3_turbo_v4_step600_ema_pruned_comfyui.safetensors
Вот эту. Не на 4, а на 8 степах. Тогда норм. Других нсфв нет лор.
Единственное что еще могу посоветовать что сам тестил это использовать референс видео секса и заменить там персонажей просто. Выходит классно.
Затестил synth-pussy с civitai red. Работает нормально на 4-х шагах с силой 0.5-0.75 + lightx лора.
бразик заменил лайн как там написано теперь нода проебалась😥
Missing node type
A node type is missing or unavailable. The workflow may be corrupted or require a custom node.
Чекни в логе консольки кастом нод вообще загрузился данные, если нет - выключай консольку, правь и потом снова запускай комфи, делай так пока не пофиксишь
>показалось что спектрум хуюжит картинку
не показалось так и есть
он конечно ускоряет но качество страдает, особенно в движениях, мелким деталям там вообще пизда
Это точно, подтверждаю. Кто фома - сгенерируйте без него допустим человека в фокусе и улицу вне фокуса и смотрите на людей на заднике. Они и на чистой с 20 шагами не сказать что прям консистентные. Но со спектрумом они в каловую массу превращаются теряя облик людей совсем.
>>1672213
>>1672210
А как правильно произноситme дарения заставить? Я в своём рассказе их расставил, научился. Но в прост как вбить правильно?
Если сеткой промптишь, то так и пиши - (ударение на "А" в подвергАл). На выходе будет чето типа clear stress on the letter "а": <d>[Russian] подвергАл</d>
Если вручную, то пытайся что-то подобное изобразить.
--fast-disk --disable-pinned-memory --cache-none
Дело в том что в тексте трудно изображать ударение. В промпте тоже?
>>1672329
>minimax_h3_turbo_v4_step600_ema_pruned_comfyui
хуже чем 20 шагов, проебываются детали жоско. Хорошая турбо должна выдавать картинку даже лучше чем база за счет отсутствия вариативности, пока что к этому идти и идти
Вот такое видел где-то, или в прошлых тредах или на реддите, или ещё где-то, хз.
>Гласные буквы с ударением Á á Ó ó É é ý и́ ы́ э́ ю́ я́а́ е́ и́ о́ у́ ы́ э́ ю́ я́А' а' Е' е' О' о' У' у' И' и' Ю' ю' Я' я'
Сам пока не проверял.
>>1672205
>>1672193
Запилите что ни будь со смыслом, как во времена соры.
Так дайте промпты епта, я изначально не видосы соры просил, а промты. Мне слишком лень ебаться с промтами для приколов, на приколы же письку не подергаешь
Это надо думать, но мы уже давно обменяли мозг на нейронку.
А голос можно натуральный запромптить? А то во всех видосах что постят будто говорилка, с сорой не сравнится
Может и можно без ускорялок, но на турбе нельзя. И я не хочу дольше пары минут ждать.
>Запилите что ни будь со смыслом, как во времена соры.
Я видео по мотивам своего рассказа генерю. К осени точно закончу.
Так скинь голос семпл. Я вставлю. Мне лень вырезать чистый семпл.
Не понял. А как это вообще работает? Потребление памяти в нулину упало. И ССД не дрочит. Какие подводные камни от этого?
твоя оператива уже украдена китайцами
не веришь загляни в корпус сколько там планок осталось
С диска? Я за ссд слежу, там тоже по нулям. Может из-за того что грузит из .m2 nvme и там вообще незаметно нихуя эти капли гигабайт.
Без турбо
Голоса всё равно залупа по сравнению с оригиналом
Погенерил, какая то унылая хрень в стиле мёрджей от васянов с цивитая. Лица меняет, тела иногда меняет как это уже было в эросе, когда из обычных тянок делает порнозвезд 35 летних, вернулся на обычный минмаксовый бейс.
>А голос можно натуральный запромптить?
Можно, просто дай реф на чей то голос прям в промпте.
А сделаешь подобное с этим фото?
Добавь еще вторую танку которая тнусит на унитазе и в ахуе с блогерши но сказать что-то стесняется, зажалась.
>>1672536
Такой смысл тебе достаточно глубокий? (этого не было в промпте, и я в душе не ебу почему она держит эту карточку). В промпте было только "выполни промпт со сториборда". Сора твоя так может?
>intimstory
оживлять фотки блядей, которых можно просто выебать
ну кстати да, сам тоже вернулся, от долбоеба надо было только чуть полирнуть гениталии, остальное минимакс уже и так делает, еблю с норм движениями уже промптил выходит хорошо и красиво
но ебаный долбоеб пошел творить какую то хуиту с моделью что пиздец, там теперь ебаный франкенштейн какой то
В гроке без цензуры была такая я же хуита. И тут она всегда, нижняя губа распидорашена.
У анона в агенте специальную строку генерит, которая блокирует это. Она ниже саундскейпа идет.
>>1672578
Что то как то хреново, особенно звук.
Нет это не у тебя, оно там всегда так. Это общая проблема нейронок. А у минисракса личная проблема это язык. Не так страшно как на пиксверсе, но все же бывает.
Залупа у тебя в голове, а это локальная модель которая в 16 гиг лезет.
еулер бета 8 шагов турболора 600 и сол атенш, ток пока не понял какой лучше из этих двух (не фиолетовые)
на 1мп 7с 8/8 [03:33<00:00, 26.69s/it
но следование промпту и качество самое топ
остальное все, все кеши, спектрумы, эффект и мемори патчи вся та залупа что в байпасе это кал ебаного говна херит или картинку или следование промпту, или добавляет небольшие галюны или артефакты, в пизду короч всю эту хуету.
я могу ответ гвена скинуть
subject_definitions:
<Video 1> is the source film clip to be edited. Its camera angles,
framing, cut rhythm, and scene layout are retained.
<Audio 1> is the synchronized audio track of <Video 1> and is reused
in the target video.
<Subject 1> is the cartoon-style replacement character from <Picture 1>,
with [описание: стиль, цвета, пропорции, ключевые черты].
<Subject 2> is the environment and background from <Video 1>, including
[описание локации, освещения, реквизита].
summary:
[video editing + reference generation + audio reuse] The target video is
an edited version of <Video 1>. The original human character is replaced
by <Subject 1>, a cartoon-style character defined in <Picture 1>, while
<Subject 2> (environment, camera angles, and edit rhythm) and <Audio 1>
are fully preserved.
retention_analysis:
<Video 1> (camera angles, framing, cut rhythm, scene layout):
fully_preserved - all camera positions, angles, and edit timing are kept.
<Audio 1>: fully_copy - <Audio 1> is reused 1:1 as the target video's
complete final audio track.
<Subject 1> (appears in [Shot 1], [Shot 2], ...): fully_preserved -
cartoon style, colors, proportions, and key features are retained.
<Subject 2> (appears in [Shot 1], [Shot 2], ...): fully_preserved -
background, lighting, and props are retained.
detailed_description:
The target video keeps the cinematic style, camera angles, and edit
rhythm of the source film while rendering the lead character in
[2D-animated / 3D CG / cartoon] style.
[Shot 1] The framing matches <Video 1>: [ракурс, крупность].
<Subject 2> fills the background. <Subject 1> occupies the same
position and performs the same actions as the original character:
[действие 1], [действие 2]. The camera [статична / движение из оригинала].
[Shot 2] At 00:0X.XXX, the shot cuts to [крупность/ракурс из оригинала].
<Subject 1> [продолжает действие]. <Audio 1> continues unchanged.
[...повторить для каждого кадра/шота...]
overall_soundscape:
<Audio 1> is reused as the complete audio track. All dialogue, ambient
sound, and effects from the source clip are preserved without change.
non_diegetic_music:
N/A
Не соглашусь, без всех ускорялок результат тоже бывает иногода так себе. Я вот на sa2 + easycache достаточно хорошие результаты получаю. Мб с промптом что не так?
Скорми Minimax-H3_VIDEO_PROMPT_WRITING_GUIDE_ref_en.md локальной гемме 4 или квену 3.6 и буквально потребуй то, что ты написал.
Можно и с ней.
Хорошее аудио для реф2видео. Это с турбо? Если да, то с каким?
я делал покадровое сравнение на сплите с референсным видосом без ускорялок на тестовом промпте, там сразу видно где нейронка начинает проебываться и срать в качество.
Турба 650, 8 шагов. Если референс голоса добавить, то становится лучше. И у меня ещё отдельный семплер для аудио - латент разделяется и семплится разными.
кеш няху, он не включается в потребление и доступен всем процессам, теперь можно хоть в 10 карт генерить
Вот такое можно без лор и на чистой моделе(с ускорялками)
А хрумканье (морковкой?) как побороть? Специально держать реф blowjob_sound.mp3?
Да, для такого реф нужен если без лор, но иногда выходит и норм звуки. Я без звука в общем-то для себя делаю, тк звук потом можно докинуть сверху, а это пример того, что можно сделать и без лор, только рефами.
Вроде fp8_scaled по итогу самое норм. Эти новые w4a8 кванты вообще хуйня какая-то для 3060 бояр. Главное не забывать про --fast-disk --disable-pinned-memory --cache-none , это вообще имба уровня лайтнинг лор
8конь топ, но с фп8скейлед можно чуть больше микродеталей вытащить
я кажется напиздюнькал что быстрее работает с этими аргументами, все же помедленнее слегка, но у меня рам выжирает критически, так что делать нечего
Да с ними вообще в принципе работает, у меня почти всегда выжирал 32гб врам/64 рам на семплере и все.
тоже хочу 5090 няху, но хочется застрелиться когда вижу цену в 420к когда она была по 220к
А ведь были времена когда 4090 стоила 100к.... Не могу поверить, что упустил это время и взял 4080 за 100...
а чем тебе 4080 не нравится, я спокойно генерю на ней в 1мп без всяких изикешей и спектрумов
ток с сол атеншеном
8/8 [03:47<00:00, 28.40s/it]
Нравится... Но представь, за те же деньги 24 гб врам, +50-70% мощности.
По производительности тут тяжко, 1.35 mp 3:4, 2 рефа 2+ mp, 5 сек 471 секунду весь воркфлоу, а было бы 200-250. Я не хочу скзаать, что зашквар, кайф по времени, по качеству, но смотришь на этих гигачадов с 5090 и 4090 и чувствуешь себя нищуком.
та будем честны, она бы нахуй сгорела изза кабеля, а так ну есть время отложить монеты на следующую карту
А по таймингам я вспоминаю ван на старте, и тут минмакс считай генерит почти мгновено
>>1672796
>easycahce
нахуй это говно честно, потом смотреть как пиксели разваливаются
Надо потерпеть, cкоре всего в новых ртх добавят новые фишки для ии на уровне железа и там даже 6070 будет выдавать скорость как у 4090 и тд
Надо ждать новую серию с 40 врам и ии оптимизированным железом, а не дрочить этих мамонтов.
7-8 секунд для тестов юзаю, 10+ уже для промптов побольше, 11 секунд в 1 мп уже гдет полным прогоном по вф мин 10 занимает
юзаю турбо 600 с 8 шагами, качество пушка, вижу бля текстуру ткани на трусах бабехи
но если ты насыпешь всяких спектрумов, кешей и прочей ускоряющей залупы, (ну кроме сол атеншена, его по всем тестам оставил) то конеш будь готов что у тебя начнется нихуевая просадка по качеству.
я просто так не обращал мб внимание, но когда турбы тестил, вырубал и подключал ускоряки, и сравнивал видео на сплите, во тпосле того как один раз эту хуйню увидишь прям на разнице, уже хуй развидишь эту хуиту
Сейчас сам затестил, отключил все ускорялки и посмотрел на лицо/ткань для видео где таргет далеко, но разницы не заметил. sa2 + easycache. Я тоже видел, что писали на reddit об ec, но такого захерения я никак не смог добиться как у них. Может это только воспроизводится если делать fl2va, где денойз всё равно есть у фреймов? Я просто делаю без денойза фреймов и макс разрешение рефов. Просто я сразу отказался от лор, когда у меня на тестах с персом далеким от камеры потекли лица, после чего вернулся обратно на ускорялки.
Короче я ещё потещу, спасибо за инфу.
чёт у меня турбо 600 с 8 шагами пиздец мыло выдаёт, хотя больше не подключал ничего. чяднт?
>output00403
Нихуя товарищ сталин 6урундук сверхглубокого залегания, судя по флагу!
брал отсюда https://huggingface.co/drbaph/MiniMax-H3-Turbo-Lora-ComfyUI/tree/main
>>1672827
это на движениях заметно больше, просто движение рук например посмотри в сплите
сол атеншн топовый от киджая, есть еще один но он говно говна, с ним на сравнии модель промпт игнорила местами
>>1672060
вот я на турбе делал тестово, на разьеб звука в одном месте не смотри я там просто в одном месте запромптил мычание бабехи как мммммм, дохуя эмок захуячил и в этом месте зашакалило звук чуток
бля ор, а я еще только щас понял, что на первой они ВСЕ усатые сцук ахах. ну в соре однозначно знаний больше было, чтобы сгенерить на уровне соры, надо в рефы всех персонажей кидать и герб тоже.
>>1672814
>>1672829
вот еулер бета с 600ема прунед на 8 шагах
1мп.
453сек на холодный старт гена без кешей и спектрума и прочего
ток солатеншн киджая
это охуенно, спасибо бро. теперь не съедает все 64 гб и не лезет в своп. скорость генерации 26 s/it (0.5 мп, 15 сек). убрал --disable-pinned-memory, всё также хорошо пашет, скорость 24 s/it (теперь та же самая что при настройках по умолчанию), оперативу стало хавать где-то на 10 гб больше, но до предела забивания все равно еще далеко. хз что там автор комфи нахимичил в дефолт настройках, нехорошо когда своп постоянно дёргается.
>Главное не забывать про --fast-disk --disable-pinned-memory --cache-none
Это ключи для батника что ли? Впервые вижу
Потестил, 600ему прунед на 8 шагах заебись работает на т2в/в2в генерациях
На реф2видео начинает жёстко шалить и блюрить, зато на реф2видео 850прунед на 12 шагах (не спрашивайте) отлично работает.
Долго терпеть придется, поговаривают что 6 серия выйдет году так в 28-29, и и представь какие цены хуанг за неё заломит? У народа за это время сломается множество карт пригодных для генерации, а новые брать негде. На рынке взлетит цена за б/у карточки по тому что их количество будет сокращаться. Память все также будет в дефиците по этому скорее всего даже 6090 вернётся к 24 гигабайтам.
Я надеюсь на то что разработают специальный чип для ИИ который можно будет пихать в отдельный pci слот, типа как в своё время была Ageia Physx. Но боюсь что и на него цена будет нифига не потребительская.
>Модели каждый раз грузятся заново.
что-то не заметил чтений с диска на 64 гб рама. модели скорее всего в скрытом ram кэше windows сидят и оттуда подгружаются.
Блин, как этот сол атеншн поставить? Ручками в кастом ноды закидывать? Через менеджер нифига не взлетает, пришлось байпассить
Сам не знаю, а у ИИ спрашивать пока рано, по тому что он будет всякую хуйню нести по этому вопросу, тема то новая.
через git clone https://github.com/Saganaki22/ComfyUI-sol-attn
а нет стой не тот, это хуита
лучше этот https://github.com/kijai/ComfyUI-SolAttn_triton
>починил выжирание рам, еще и семплер работает чуть быстрее вдобавок, чудеса няху
>--fast-disk --disable-pinned-memory --cache-none
попробуй оставить только --fast-disk --cache-lru 4, тогда не гоняет текстовый энкодер туда-сюда, если промпт не изменился - более быстрое начало генерации следующего видео.
Одно лишь точно - sa2/sol-attn юзать можно, а остальное по желанию.
У меня оно только замедлило. В итоге я оставил лишь Patch Sage Attention KJ, ускорение х2 примерно.
Мимо другой анон
Но голос 1 в 1 с 5 сек рефа, даже не на реф модели
>Генерю на 8гб+32 почти что хочу.
Можно ли генерить хоть что-то на 8gb VRAM + 16bg RAM, хоть на самом ужатом gguf? Какой низший предел у модели по железу с реальным результатом?
>>1672923
minimax fl2va модель, на вход подавать одну и ту же картинку как первый и последний кадр, промпт я ллмку попросил написать: >The camera immediately transitions into a 3D cinematic orbital tracking shot, moving along a continuous horizontal circular path around the subject. The subject remains completely frozen in 3D space as the camera pans around them to reveal the background from all angles. Smooth and steady parallax effect in the background, deep depth of field, 3D spatial camera movement
>или чтоб модель в одну карту грузилась а ллм в другую.???
Расширение с мультигпу, и туда текстовый энкодер.
Чушь получается бессмысленная, когда они в одно помещение входят. Первый должен в одну комнату входить обязательно, желательно еще табличку сделать, что там приемная Сталина, а берия должен быть "снят" с другой стороны другого кабинета. Бля, ну ты понял, короче.
По какому принципу в патч атеншен тау и денсе блокс ставил?
