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 фикса турбо-лор.
2. LTX-2.5 - обещает сделать локальную генерацию грейт агейн. Подходят лоры от 2.0, то есть архитектура нихуя не меняется.
https://huggingface.co/Lightricks/LTX-2.5
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
Не особо актуальные модели:
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
>>1674907 (OP)
>LTX-2.5 - обещает сделать локальную генерацию грейт агейн
Братан. Они умерли обоссашись и обосравшись в день релиза. Ты забыл зафиксировать.
Теперь ждём Шлюхс 3. Качество у него отменное. Но база скорее всего максимально стерильная.
>Ты забыл зафиксировать.
Да прост надеюсь, что это поломка инференса, или там не те веса выложили. Не могли же они на серьёзных щах так дристануть под себя.
- Модель понимает, что человек и одежда - это разные объекты, а не особеность человека менять тело 10000 разными пааметрами
- Модель постоянно в кадре видит раза в 2-3 больше объектов, которые постоянно соприкасаются не тривиальным способом
- Модель в целом понимает что большинство изменений на человеке - это физика одежды, будь то складки, порванность, мокрые пятна
- Она переносит это восприятие мира как простыми объектами, близко соприкасающиеся между собой на вообще всё, и ей не надо строить какие-то шизо догадки о природе реальности, как это делают другие модель
Это же просто гениально! Забавно если отсутствие цензуры - это главная причина скачка в прогрессе
да тут думать нехуй так и есть.
Ты посмотри на флюкс2 у бюргеров пошла практика обучать модели на стирильной синтетике чтоб ничьи ип и чувства не задеть.
Модель жрет аи слоп и потом такой же высирает, там на людей больно смотреть. да и позы там исключительно "безопасные" из-за чего чуть что модель рада тебе сломать всю анатомию нахуй, вон клейну до сих пор не выличили до конца эти разьебы анатомии.
Поэтому нет надежды на флюкс3, как генератор задников для караоке он будет пиздат, для всего остального есть минимакс.
При чем анонс весов был уже считай давно, а весов все нет. Таряска наверно ебейшая, но так как они в евросовке, нихуя расцензура не будет, их евробюрократы с говном сьедят, так что рип флюкса еще до выхода и надежды на них нет
Таблы, чел.
Где ты в обсуждении музыкальной модели и сравнении с суно и эйстеп увидел х3?
>>1676760 →
Skill issue, получается, не надо стрелки с себя переводить.
https://huggingface.co/jeankassio/acestep_v1.5_merge_sft_turbo_xl
Берем этот мерж, или аналоги из других репо (лень искать), ставим на комфи его же ноду, генерим.
Вообще, если генерить в их репозитарии, качество заметно лучше, чем в комфи, ну и мерж все еще хорош при этом.
И даже при моем слухи слышно, что суно 3.5 сосет в сбс, так что, тут явно ты что-то не так делаешь.
При этом, минимакс звучит как-то ну совсем не оч, судя по демкам.
Надо будет погенерить свое, может там на демках сидел чел с очень узкой фантазией.
https://github.com/0xShug0/audio.cpp
2026-08-13 - Release 0.6: This release adds 5 new model families - DotTTS, NeuTTS, MuScriptor, MiniMax-H3, and SenseVoice - bringing audio.cpp to 49 total model families and 70+ model variants, alongside the new native WebUI, expanded GGUF packaging, and more shared framework runtime pieces.
хорошо правит на стандартной модели фл2в
но охуенно работает на гибриде с рефами
с турбой ема600 ставил вес 0.3 - 0.2
Все лоры на h3 на цивите выглядят пережаренными, слоповыми, кожа заметно хуже чем даже на ван 2.1
откуда вы, бля, берётесь.
вам цифровой боженькая послал единственный и неповторимый реф2в в локалке с возможностями, ограничивающимися только полётом фантазии
правильно говорят, что от дрочки тупеют
>правильно говорят, что от дрочки тупеют
По тебе чтоль говорят.
Ну да, качать кучу видосов и пикч, давать иксы на время генерации, только чтобы добиться эффекта, который у нас был ещё полтора года назад с одной единственной лорой.
уже переплюнули и нассали на могилу
как вообще можно ставить ван в противовес когда он сука не может удержать в кадре обьект если он на милисекунду пропадет из кадра, буквально годится ток для анимации статичного кадра с поступательными движениями
Примеров попыток в порнуху в треде было навалом, все выглядят смешно в сравнении с ваном.
Кекнул с этого лоботомита. Пользуюсь минимаксом уже вторую неделю, и ни разу не ощутил потребности в какой-либо лоре, кроме турбо. Все работает из коробки.
Пруфов все еще нет. возьми видео с минимаксом, рядом поставь видео с ваном. и пусть это убедит меня что ван лучше.
>Все работает из коробки
Особенно когда тян вместо отсоса втягивает губы так будто пытается есть член.
Поставил тебе за щеку.
https://civitai.red/models/1307155/wan-22-experimental-wan-general-nsfw-model?modelVersionId=1475095
Сортируй примеры по популярности и сам смотри.
бля у челиков память как у кактуса, я юзал ван с его выхода.
5 секунд без аудио, продление ток с генерацией с ласт кадра, причем с ебейшей деградацией, невозможность удержать ебло, объекты.
как на ване было с порно в первый месяц, а потом, нужно было обмазываться кучей лор, крутить 2 модели, при чем если гениталий небыло в кадре, это был пиздец, у модели в отличие от макса, познаний в нсфв 0, из коробки он не мог ничего и нихуя.
И этот умелец говорит что ван никто не переплюнет.....
>>1677023
бля так самообосраться надо уметь
Ван не может так даже спустя все время, а макс уже из коробки умеет такое и не только
>трясущиеся на месте статичные картинки, сделанные как в дешёвом LIVE2D
Круто, а нейронка зачем?
>из коробки он не мог ничего и нихуя
Ван спокойно генерит сиськи и жопы без лор, не пизди. И сиськи у него получше чем у минимакса из коробки.
Даже пизду волосатую можно поймать если правильно запропмтить
ты тупой, это не заслуга вана, ван не мог ничего на базе, НИЧЕГО тупое ты животное, вот вообще нихуя. Даже трусы снять не мог, какой там отсос вообще ты о чем
2 дня до окончания фришных генераций, а не дропа опен весов. Совсем нихуя читать не умеешь?
не будет весов в ближайшее время, лтх 2.5 они бы еще разьебали в говно, но тот и сам себя разъебал в соло
А вот против макса у них нет козырей, тряска ебейшая, айпи уже высрали а вот с весами даже даты нет выхода, походу думают че делать, чтоб не обосраться
Соглашусь, ван не мог в отсос из коробки совсем. Но если ты реально не замечаешь, что минимакс просто посасывает хуй как леденец, и что нужна лора/референс, и что второй очевидно сильно затратнее по времени, смысла продолжать спор не вижу.
> Поэтому нет надежды на флюкс3, как генератор задников для караоке он будет пиздат, для всего остального есть минимакс.
Не понимаю эту логику, искать применение калу. Минимакс можно и для караоке использовать (правда нахера это караоке нужно)
Это как лтх боты на реддите "для говорящих голов или простеньких сцен надо использовать лтх, для всего остального - минимакс"
> мля чел... это сарказм
Погоди, то есть ты не генерируешь задники для караоке?
>смысла продолжать спор не вижу.
ясен хуй спорить нет смысла, на ване тебе нужно отдельно лору тренировать, чтоб баба хотябы к хую приблизилась вообще, никаких тебе рефов, на ване буквально 1 лора ток от умельца хорошая на появление члена при отсутствии его в кадре
конечно это видно проще чем просто сунуть реф с хуем, а лору уж натренируют (уже есть пара) на отсос с правильным звуком это дело времени прост, модели буквально неделя всего, а уже говорят не может сосать хуй так же как ван с кучей нсфв лор под капотом....
>>1677059
вот эта норм, по крайней мере скок тестирую, чел научил именно пенетрейшн концепт, а не просто письку в кадре показать
Да ебанный ваш рот сука чё не так с руками, я уже заебался, ну не хочет он мимикрировать эти руки
Хотя чё я выебываюсь если он кладёт по 2 фрейма в секунду с видео ...
>я юзал ван с его выхода
>продление ток с генерацией с ласт кадра
Я хуй знает что с людьми не так, форсил SVI pro 2 пол треда, когда он вышел и нихуя, как об стенку горох. Продлевает видео вообще без склеек, ресурсов жрет точно также как простая лора, ебашить видео можно по минуте, без деградаций.
Минимакс охуенная модель и LTX я сразу выкинул после первой генерации на минимаксе. VACE модули и прочие свистоперделки тоже снёс, но вот ван 2.2 i2v пока не осмеливаюсь сносить, ведь у меня к нему еще 200 гигов лор и под 30 штук WF разной направленности.
Да нормально сосет, если что лорами поправят или уже поправили.
У меня пока не выходит минимаксом делать идеально зацикленные видео, все жду когда допилят. А так идле анимацию он хорошо делает.
А я ван 2.2. до сих пор держу как ни странно в качестве t2i, ибо он практически никогда не делает хуету вида "три ноги и восемь пальцев". Иногда достаю его из под коробки когда нужен сразу какой то шот с правильным светом и пропорциями персонажей.
Слабые текстуры которые он лепит легко исправить закинув в клейн с какой нибудь лорой улучшайзером типа lenovo и получается весьма заебато.
>Я хуй знает что с людьми не так
читаешь жопой наверно, без негатива если что
>форсил SVI pro 2 пол треда
он вышел уже много позже, тут же ктото форсит что минимакс из коробки сосет у вана, забывая каким ван был из коробки.
Тут может и к минимаху прикрутят что мы будем 5 минутные видосы генерить без склеек
Отсутствующий взгляд, и нелепые брызги из члена еще до начала действа вызывают после минимакса только хохот.
Сделай плиз что нибудь на 5-7 сек на нейтральной тетке, если у тебя говоришь хорошо получалось. Реально интересно глянуть разницу.
Для чистоты эксперимента можно взять один и тот же реф оттуда
>>1674655 →
Бля какой же дикий старый нейрокал, аж глаза чуть не вытекли. Тут модель даже в волосы не умеет толком. Я понимаю что когда то мы такое генерили локально и радовались до усрачки, но время не стоит на месте. Сэмплы хуже чем даже то что LTX 2.3 мог высирать с первыми порнолорами.
https://huggingface.co/ethanfel/Qwen3-VL-32B-Ultra-Heretic-H3-ComfyUI-INT8-ConvRot/tree/main
так можно qwen3vl_32b_h3_instruct_generation_tail_50_63_nvfp4_awq хвосты докачать и генерить
еретик прост первый под руку попался
та вроде речь зашла о том что ван пиздаче генерирует чем минимакс (без приложенных пруфов, а те пруффы что приложены иллюстрируют обратное)
с первого раза с 3мя реф картинками
Да трабла не с рефами у меня, а с движением рук, я уже и 8 фпс сую а он всё равно выдумывает. Пытаюсь разобраться нахуй. Мб из-за моих кастомных нод, но я посмотрел вродь всё тоже самое или модель не та(я использую гибрид 30-49). Скинь пж чем пользуешься
Кстати аноны есть для вас пару типсов:
1. Sage Attention 2 МЫЛИТ КАРТИНКУ, для чего-то может быть плюсом, для чего-то минусом. Kitchen Attention - СОХРАНЯЕТ ДЕТАЛИ КАЧЕСТВА. Так что выбирайте что требуется для задачи
2. 30+ шагов позволяет выдать ЕБЕЙШЕЕ качество с хорошей интерграцией и фиксом лица.
3. Можно использовать EasyCache, на 30 шагов деградации из-за реюза вообще не видно
>3. Можно использовать EasyCache, на 30 шагов деградации из-за реюза вообще не видно
Каковы настройки?
>>1677185
Ебать короче разобрался, 30-49 хуйня для таких задач, обычная ref2va int8 convrot справилась с задачей. Вывод такой: надо искать для чего хороша каждая из моделей. В видео он чутка навыдумывал, но руки теперь норм, просто промт подправить.
>>1677186
Классические
Так анимируй реальных женщин, а не пластилиновый сгенеренный нейронкой кал.
Речь про анимацию.
Над звуком еще поработать надо, ну я сильно не старался, отдельно звук не прописывал особо, возможно надо было прописать гагинг
Но в целом уже достойно
Кста тоже интересная инфа есть: короче можно пихать сколь хочешь фреймов в
{
"type": "video",
"data": qwen_frames,
"timestamps": timesteps,
}
для рефа, но и время увеличится. Сейчас тещу на 8 фреймах в секунду. Так что в теории это может означать, что ты вы можете фулл видео редачить, но как я понял, 20 кадров в сек уже не загрузишь в кондишн. Надо тестить смотреть. Если интересно могу попробовать найти разницу между 2 фреймами и 10 фреймами в секунду при редактировании.
Промпти нормально бля, на 5 секунде хуй только в рот входит, непростительно. С таким же успехом можешь на ване генерить где хуй уже в роте
Ты наверно забываешь одну главную вещь, почему минишмакс стрельнул - рефы и редакт + нету колор шифта, если знать как латент инжектить, + качество
Та она смотрит и думает ну какого хуя анон, какой хуй в рот, генерь тиктоки с песенками
А если ты имел в виду старт, тогда согласен полностью. Ван 2.1 был то еще говно, даже с хуньюанем сравнивали что лучше. Да и 2.2 не особо лучше был на старте. Минимакс в этом плане минимум на 5 голов выше:
- аудио
- понимание промта, камера, движения, физика
- 20+ секунд из коробки
- всевозможные референсы и понимание их
- разрешение, да да в ване на старте было 480п если кто не помнит.
Смотри, чтобы было понимания, любой атеншн - это ядро(kernel) для обработки, и ты не можешь использовать сразу два ядра, только одно активно для работы. Так что выбираешь между всеми, я вот тут описал
>>1677179
китчен и сажа по сути одно и тоже, я заменил сажу на китчен. Остальное я бы тоже вырубил, кроме кеша.
Впрочем ты всегда можешь протестировать сам.
Ну смотрю сейчас на скорость итерации, буквально всё то же самое по скорости выдаёт. Это типа та же ускорялка, но менее шакалистая, так?
> У меня пока не выходит минимаксом делать идеально зацикленные видео
Если ты про то, что last frame прыгает в размере относительно первого, то его надо с помощью ноды самостоятельно заресайзить с оффсетом 32 к целевому разрешению
Так всесто ласт енд фрема латент пихуй и будет тебе счасть
> 30-49 хуйня для таких задач, обычная ref2va int8 convrot справилась с задачей
То есть это всё таки оказался васянский мерж, и я был прав
Нет, это не васянский мерж.
После моих нескольких тестов вывод такой: у нас не получится ПОЛНОСТЬЮ совместить fl2va и ref2va модели, те качество от первой и следование рефов от другой. Сейчас делаю видосики на 20-49, вот она уже ближе к fl2va по качеству и реф хорошо сохраняет. Просто, как ты выражаешься, эти васянские мержи - попытка усесться на двух стульях, но как видим - не совсем удачно. Думаю, применение для 30-49 можно найти, но для моих целей 20-49 лучше подходит
Ну вот на 20-49 тебе
Сильно эта хуйня производительность уронит?
Не стоит того, я тестил её всё утро на всевозможных вариантах. Она делает лучше, но не намного.
Да просто вставь penis is static. Если чёт лучше член будет <Subject X>, чтобы легче было видеть в промпте где используется
Да там не только static у меня в промпте. Я уже все синонимы перепробовал. И даже отдельно в начале ввёл определение что такое член и ещё и на изображение на референсе сослался, чтобы потом модель понимала, что там должно быть спокойным между ног. Как трясло, так и трясёт.
Ну так ты когда такое запрашиваешь у анонов ты скинь свой промпт мы же не умеем читать мысли
Ну на вот новый нейрокал
Выложи, сын шлюхи, свою "нормальную" работу, помимо своего высера или сосни хуйца своего дохлого папаши. Заебали пиздоболы.
На 2 видосе джиглинг груди посмотри- выглядит супер натурально, свет - вообще будто ртх ебаный включен, физика волос тоже ничего.
Вы пиздец охуели, это чуть ли не идеал чего вообще можно добиться от минета
Вот на этой сцене член трясёт буквально всегда.
[Alignment Instruction]
Anime style, high quality cinematic animation. Strictly the same character from <Picture 1> and <Picture 2>.
CRITICAL ANATOMY LOCK:
- Completely flat boyish male chest, white shirt lies flat against the ribcage
- The hard erected cock is the static exact male organ shown in the bottom-right panel of <Picture 2>. It is a rigid anatomical part of the body between the legs.
- This hard cock stays completely rigid, frozen and locked in place for the entire video.
- The white substance on the face, hair, skin and clothes is thick gel from <Picture 1>
- Extremely long slender legs, black stockings tightly constricting the thighs
- Serious tired weary facial expression
- Both legs stay down and resting
The character sits in the same black office chair in the same office as <Picture 1> throughout the video.
[00:00 - 00:05] Scene 1.
Slow smooth camera rises from the high-heel shoes up along the long legs, past the static hard erected cock, over the flat chest, and ends on the tired serious face.
The hard erected cock from <Picture 2> stays rigid and frozen. Both legs remain down. Character remains still.
overall_soundscape: Elegant sensual erotic instrumental music with soft piano, continuous from 00:00 to 00:05.
А зачем что то городить когда можно использовать модель fl2va к REF2VA ноде и всё, без всяких костылей и лор. Сохраняется качество fl2va и можно пихать рефы.
Почему фемки и жидошизы не визжат об этом переходя на ультразвук? Или это другое?
вот что будет с fl2va(30-49)
>>1677076
вот что с ref2va(20-49)
>>1677192
эти мержи пытаюсь сразу и качество и рефы чтобы сохранялись
Ну я так тебе скажу, хуйня, переделывай, вот что тебе нужно:https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md
Вроде 1000000 раз уже обсуждалось
А тут всё просто. У них нет рычагов влияния на китайские компании. Но вот американские/европейские компании они могут знатно задрочить, поэтому постоянно визжат на них.
Выкладывал этот видос Минимакса в треде Грока. Ван по качеству картинки слабый. В лоре Вана тупо одни и те же движения - нулевой контроль действий, его просто нет. В Минимаксе полноценная генерация, ты сам выбираешь что и как тебе нужно, лора здесь просто файнтюн. Хронометраж маленький у Вана, у Минимакса это 15 сек в разрешении 1376х768.
ЗЫ: Сейчас, вообще, по качеству картинке и пониманию промта лучше Минимакса только Сиденс 2.5. Все остальные модели нервно курят в сторонке. И это всё локально.
А может потому что они и визжат по команде китайского барина за 15 юаней? Как все зелёные?
Им не нужны никакие команды. Они с рождения долбоёбы, которые хотят всё запретить, всех посадить.
Даа, так головка хуя и выглядит с этой перспективы.
По видосу - картинка выглядит будто кфг пережарен, но модель обучали без него и его нет, так что это не контролируется.
Вместо слюны какая то блевотина литерали, у меня было так же когда промптил слюну.
Босая нога там явно из промпта. Спорить рефами с промптом - такой себе тест рефов. Если промпт один, то разве что можно сказать, что заявленная большая сила рефов на 20-49 подтвердилась. Но кач-во сильно разное, это тупо рандом у тебя, а не фейловость 20-49. Они не настолько отличаются.
И <Subject 1> и cock, и penis - и как только его не переименовывал и переназначал. Он рисует то видео идеально по запросу, и член берёт именно с рефа, значит, понимает, что это член. Но какого-то хера, он на всём этом идеальном видео его начинает раскачивать как не в себя.
>Вместо слюны какая то блевотина литерали
Попробуй писать "свежая слюна" или "свежая полупрозрачная вязкая слюна". У меня иногда получался литерали настоящий кум (значит минимакс может его рисовать, только нужно точные слова подобрать).
Что depth юзал, что lineart из контролнета, сиськи не растут. А в обратную сторону с маленькими\плоскими почему то работает.
результат с маленькими выкладывать конечно не буду
Долбоёбам нужно чем-то питаться, чтобы можно было быть долбоёбом и визжать 24/7 в сриттере.
Но он начинает генерировать заново то же самое. ЧЯДНТ, анон?
>>1677243
хз, не получается. я и так и сяк промптил.
1) откуда то берется пауза в конце
2) на лупе видно как дергается изображение, все таки остается смещение
На реддите эта тема тоже поднималась, вроде решения еще нет для минимакса.
https://www.reddit.com/r/StableDiffusion/comments/1vkj1rh/which_would_be_the_best_way_to_do_a_loop_video_on/
модель диффузии -> китчен -> изи кэш -> шифт -> ...
В таком порядке нужно?
Ты вообще пиздец в своём Ване видел?
А в Минимаксе ты всё можешь настроить рефами до деталей, если что-то не нравится.
баба даже нормально трубку взять телефона не может чтоб ничего не разьебывалось, а это блядь элементарная сцена.
Буквально трубка морфится, кольца на пальцах то появляются то исчезают, баба хуй понимает как кожанные мешки пользуются телефонами.
Пизда и это выпускают в 2026, ну нахуй теперь ясно че они так тряслись и пиздели на каждом углу. Закопать и забыть эту хуйню.
да просто бесшовный луп
Типа таких, но в целом они вроде как только лорами и решались всегда.
https://civitai.red/models/1264662/live-wallpaper-style
подожду когда затренят вариант под минимакс
>выебнулся на пустом месте
>опустили
>ЭАААЧЕТЫОТВЕЧАЕШЬ? НУ И ПОШЁЛ НАХУЙ Я ПОМОЧЬ ВООБЩЕ ХОТЕЛ...
>в своём Ване видел?
Где видно что я рвусь за Ван? Я просто хочу научиться делать не хуже в Максе в плане относительно реалистичной кумы и натуральной тряске сисек.
Справедливости ради, минимакс тоже косячит, провод из одного конца в другой конец трубки переходит, она очень неудобно трубку взяла, да.
У меня из 8 видосов, в двух минимакс нарисовал 3 ноги.
только у кого карта за 200-400тысяч, в нормальном качестве и адекватной скорости можно генерить только на +24гб
+- физика и анимации появляются на 0.6 пикселей с +30 шагов, даже на 0.8 и 50 шагов не хватает на полную отрисовку лиц на средней дистанции
отрисовка лиц на дальних планах - это известная бага, на QA об этом говорили и обещали поправить
Я как раз Wan снес сразу.
В режиме «качество» теперь есть минимакс, а в режиме «скорость, но говно» кроме лтх ниче нет, а кроме скорости она и не нужна была и с ваном, и без него.
———
Я уверен, ван форсит здесь тролль, который и сам не генерил, а просто старые видосы скидывает.
Ничуть не умаляю достоинств и качества модели, но это дичь, конечно, рейтить миньку ниже чего-либо.
А на дваче поддерживаются видосы залупленные? Я сделал, но не уверен, что тут будет работать или чё куда
у меня в 32/12 влазит и чё. просто мегапиксели меньше ставлю. в ване все лоры скучные, база не умеет нихуя, лтх не смог завести нормально
че юзаешь, как будто пережарена мальца генерация
не турбу от лайтингов часом
Это не пережато, это либо турбо лора, либо мало шагов, я выше писал, что при 30+ шагах такая хуйня пропадает
>только лорами и решались всегда
Они решались через FLF и сшивкой через VACE. Кстати, VACE и сейчас может клеить за H3/FLF. То, что при этом FPS не совпадает, идет на пользу, ваныч медленные видео качественне клеит.
Да, да.
Влазит, лучшая.
Если нет особых предпочтений по WAN'у и его тюнам, то просто бери минимакс.
Я бы первое, что сделал, это подрубил реф-картинку с тем ласт фреймом и отдельно указал как ферст фрейм. Ну и промпт нужен конкретный че там дальше, конечно.
если передавать только последнюю картинку, он окружающий контекст будет терять.
оригинал
Оригинал который подрезал
В т2в/и2в грамотным описанием саундсорса с контекстным упоминанием.
В реф2в - референс аудио.
это немцы из евросовка, шансы на отсутствие цензуры можешь сам прикинуть
Без цензуры - 0, на 3060 - 100%. Только вот время для генерации ты не уточнил
у меня норм картинка, когда модель - лоры (в т.ч. турбо) - минимакс h3 мем эфф - сол аттеншен - моделсэмплинг - ... Все это на 8 шагах, эулер/бета.
У них довольно дорогой API. Значит флакс будет ещё требовательнее, чем минимакс. А насчёт цензуры - скорее всего они использовали максимально стерильные данные для обучения.
Интересно можно ли и качество минимакса и скорость лтх в одну модель уместить, ведь они одного размера
СидВР хуйня какая то долгая. не предлагайте.
помимо ещё этих типсов >>1677179 , ещё один который я использую: я попросил чат гопоту сгенерить прогу на пятоне которая позволяет визуально обрезать фотки под формат и кол-во МП. Так что тоже этим можете заняться, тк далеко не все фотки нужного размера, или просто используйте какую-нибудь ноду которая по входной высоте и ширине находит их отношение и подбирает наиближайшие размеры для заданного кол-ва МП
Так же докину: если хочешь чтобы вообще был идеал - вот отсюдава первый неизмеяющийся фрейм в конце вырезаешь >>1677377 и вставляешь в начало видева - в итогде будет идеально одинаково
смотришь на выходной результат и все становиться понятно, откуда такая скорость, архитектура такая что модель походу делает крайне усредненые с сильной погрешностью расчеты и обьем удержания контекста крайне мал
У меня она чуть быстрее. А так поюс в том, что она из коробки, стабильнее же.
>>1677238
Чёт мне кажется, что мыльные видосики не равно полапать живое тело. Короче остров для бедных, мусорный.
знаешь почему приходится обрезать? потому что последний фрейм стоит в промпне на 4:00, а модель генерит 107 фреймов, то есть 4:46 секунд
Там из мое только промпт энхансер. Их CEO писал что они планируют мое, может будет в их следующей версии убийцаминитраха3.0. Они ещё метят в модель мира. Так и имаджинирую как будущие T1000 будут обучат с помощью их модели, и он будет ломать всем конечности, чтобы соответсвовали его видению мира.
Заметил еще такой косяк на минимаксе, смотрите внимательно на лицо с 6 секунды. И такой тайлинг есть на всех видосах, один раз заметишь потом уже не развидишь...
как я понимаю, тебе нужны только позы, тогда попробуй снизить влияние рефа взяв либо pose controlnet либо любой другой типа canny но с снижением веса, чтобы оно нафиг все детали потеряло кроме основного положения тел и их движения (хз правда, получится или нет).
Фубля лапать живое тело, ещё и некастомное. Сдрисни в свой 19й век австралопитек. У нас тут эпоха цифры.Ты ещё скажи хуй куда то пихать в склизкое или мокрое. 21й век на дворе, если ты тактильное чмо то думать надо о том как скоро порноандроиды появятся и сколько будут стоить моды на них.
вф... вф.... не могу отправить, тк она фул на кастомных нодах чата гопоты, а это надо ещё их отправлять. Просто попроси чат гопоту сгенерить ноду которая будет reinforce переданную картинку для начала и конца. Ниже коммент почему нужно обрезать
>>1677416
Приходится обрезать тк я вставляю 2 последних латент блока эту картинку, а это 8 фреймов, так что обрезать надо всегда в таких случая, это только первый латент блок состоит из одного фрейма, все последующие латент блоки по 4 фрейма.
Позы то меня устраивают, про ту фишку знал, спасибо, в старых тредах. Вот именно размер бидонов. Конкретно что они не бидоны получаются а как на видео. А все эти ноды как раз и передают объёмы и очертания, по сему вродь как и должны сиси привезти к общему знаменателю.
Однако маленькие почему то простятся и становятся маленькими. А вот огромные таковыми становиться не хотят почему то, у них решает внезапно реф видео, а не промт, требующий показать бидончики тянки с моего пика, но чтобы их мяли как в реф видео, ну ты понял.
хотел минишмяксу скормить видео как референс не досмотрев до конца. Описать вторую часть видео я бы ему не смог, ди и он бы не смог воспроизвести. Вот это уровень у Ванька, вот это да!
Он бы смог воспроизвести только ебать промпт придумать надо, даже в голову не приходит ничего кроме: заходит мужик в кадр и держит в руках член который ни к чему не прикреплён, залупа у этого члена дёргается, мужик надрачивает этот член в воздухе.
Боюсь что и такой промпт не точный, но ебать хихихаха можно будет нагенерить
По крайней мере у тебя члены не дрыгаются вверх и вниз, как будто от Пистолетова убежали. Я и промпт с нуля переписал через сабджекты по шаблонам - стали ещё сильнее качаться. Добавил реф видео и подвязал анимацию... анимацию повторяет но сука также при этом вверх вниз дрыгается. И никто не знает, как это фиксить.
Потому что у тебя чувак движется, а у меня лежит статично, и модель сама ему движения пихает. У меня при идущих персонажах тоже качение исчезало.
А ну ещё у меня персонаж нарисованый и мультишот. Если 1 сцена в 5 секунд, есть шанс в 20% что будет без тряски. Пробовал с лорой - там начинает примешивать реализм к рисовке, уродуя весь исходный стиль.
Тщемта больше похоже на артефакт хреновой кодировки в MP4, чем баг ИИ.
Да и в ИИ это может проходить как "фича" определённого стиля съёмки, типа "VHS прям как из 90-х"
С 8 референсами начинает путаться. Сперва думал самый умный -для каждого сегмента свои референсы подгружать, а хрен там надо сразу все грузить или ВФ переделывать, по тому что после первого запуска он уже не воспринимает другие рефы. А если все рефы грузить то он без спроса начинает брать рефы даже не указанные в промте.
https://www.reddit.com/r/comfyui/comments/1vo0o5r/i_tested_every_sampler_scheduler_combo_for/
https://darkstarrddev.us.ci/
Бля я могу только похлопать, но.... Зачем? Почему не генерить просто по 5-7 секунд и потом склеивать?
>Думер снял маску и броню xD
Выглядит охуенно.
>Долго это всё и утомительно
Да нет, нужно просто не полагаться только на один инструмент, и уж тем более не генерить всё в один проход.
у чела сорвало башню прост, после вана и лтх получить в руки бесплатно такую ебалу, у меня у самого печка коптит не переставая
Что за директора ты юзал? Ибо минуту на чистом минимаксе ты бы никак не сделал бы.
>>1677564
Это не 1 проход, это 4 ролика по 15 секунд. Там просто петля и время считается в том числе и на перегенерацию неудачных фрагментов и на ковыряние в жопе.
Утомительно что каждый фрагмент генерится по 8-12 минут и пока не подтвердишь фрагмент - следующий не генерится. Она то с одной стороны удобно, а с другой - пока джешь генерацию уже забываешь чем предыдущий ролик закончился.
>0.4MP 4 steps
бля ну пиздец а побольше нельзя было, там же ебучие джипеги
Вот это
https://www.reddit.com/r/StableDiffusion/comments/1vkfb49/longform_videos_1_min_long_are_very_possible_with/
ТЫ эту штуку используешь?
https://www.reddit.com/r/StableDiffusion/comments/1vkfb49/longform_videos_1_min_long_are_very_possible_with/
Шизик, у тебя даже кинематографично оно состоит из кусков по 15-20 сек. Еще один любитель ебать гусей, вместо того чтобы делать свой калтент.
Ну вы ребята конечно даёте. Просто берешь просишь ану гопота сгенерь мне сохранение латента в пап очку, потом просто этот латент переюзываешь, чтобы кайф был. Я так с лтх и вованом делал, чтобы времени в сотню раз было меньше потрачено. Так ещё и плюс в том, что потом снова этот латент раскрываешь и сохраняешь в нужный тебе формат, так скажем сорцы всегда под рукой
>Утомительно что каждый фрагмент генерится по 8-12 минут и пока не подтвердишь фрагмент - следующий не генерится.
Ну ок. Тогда другой вопрос: почему нельзя динамически подстраиваться к сгенереным кускам меняя промпты и сюжет немного по ходу (как в настоящем инди кино делают), вместо того чтобы ебаться и пытаться все уложить в заготовленные ячейки? Тогда творческий процесс будет гибким и живым, а не унулой ебаторией.
скок не юзал эти турбы, чет все возращаюсь к ема600
че за хуйня у лайтингов, че за 768 4 степ, 8 степовая вообще 544p
че это за говно, нахуя, че они делают бля
зачем 4 степа, там качество такое говно что в движении все готово разьебаться
почему нельзя сделать 10 степовую турбу но что б давала качество 30 степов, нахуй эта погоня за 4, 2, 1 шаг на фул ген
>>1677602
Так поделились бы рабочей нодой для анонов и гайдом, как наебать судьбу, чтобы каждый собственный велосипед не изобретал.
Нужно попенсорс и камунити развивать, прятать годные решения под матрац.
Я, например, не знаю как кастомную ноду запилить и что в летенте можно руками покрутить
Так латенты и без гопоты можно на диск скидывать, другое дело потом это реюзать не удобно, да и какой смысл именно в латентах, видосы можно обратно в латенты пересоибрать через энкодинг. В том воркфлоу все собирается в отдельные целиком запечатанные файлы, их тоже можно потом реюзать.
>>1677588
Я так и делал, если кусок хороший. Но надо как-то следовать сценарию, а тут кусок хороший, а окончание совсем не то, перегенерируешь, опять не то, меняешь промт, опять перегенерируешь, вот и 30 минут прошло, а чем там прошлый кусок закончился? А не посмотреть. Надо ВФ переделывать и выбираться из этой петли.
А вот длинную порнушечку делать этот ВФ - самое то.
>Так поделились
Что бы что, мистер Рекламщик? Чтобы ты на анонимных рабах деньгу поднимал?
Да делился я уже >>1674056 →
Ты же понимаешь что у тебя сначала lossy латент а потом lossy в видео файл?
>вот и 30 минут прошло
Но ты же понимаешь что в триде с подготовками всеми ты ебался бы дольше. И был бы ограничен ассетами.
Там же все приколюхи в папочку сохраняются и можно стейт даже стейт восстановить вроде.
Тут не смотрел в процессе? h3_chains\...\segments и \reviews
>Заглянул в старый воркфлоу ВАНА 2.2
@
>Охуел
Ща, погоди, найду где у меня эта нода...
Нода которая в comfyui Save Latent не работает, из-за того что у минишмакса рекурсивный латент(видео + аудио), ноду только свою пилить
Жаль.
Ну можно ещё старого гика слёзно попросить, чтобы обновил.
Зато без сабграфов. Можно еще get/set-нодами обмазать и разные цвета покрасить, ну там на группы разбить, pin на все поделать, предварительно свернуть и попрятать друг под друга.
Тогда нормальный AIO lowmemory t2v+i2v+v2v воркфлоу будет
>>1677613
Как-то пропустил, спасибо
Там идея сохранять латент между ref2va и семплером или уже после семплера?
Пойду учиться питухон в ноды заворачивать
>>1677612
Я спижжу все твои промптики, ноды, а потом юшки и шекели, могу еще твою собаку изнасиловать ртом, но для этого нужно прям годные подогнать
>Зато без сабграфов.
Или нужно куски латентов переносить или каким-то директором пользовать типа этого? >>1677581
Хочу сделать несколько кусков видео с одним персом в нескольких локациях, локации рефами подкидывать в каждый кусок.
>>1677677
Виноват, проглядел.
Скажу так, с реф моделью невероятно работает консистентность, почему я полюбил минишмакс так это потому что я ахуеть как удивился, что после 20 секунд видео(5 секунд каждая), при близком шоте лицо стало быть идеальным(оригинально в видео лицо очень далеко от камеры и деталей мало было видно)
Вроде нормальные камшоты завезли, судя по превью там. Потестите, мне лень пока
Я для себя остановился на ModelAttentionBackend+Spectrum. Если с турболорами, то без спектрума. Юзаю все lightx лоры по ситуации, но иногда лучше без них. Хотя некоторые юзают только другую линейку лор.
я 300 меговую от KJ пользую, по мне - удачнее всего остального получилась.
Ну и КУХНЮ-нод от комфи.
Всё.
Могу подтвердить, что лоры убивают разнообразие сидов. До лоры смена сида кардинально меняет слабо прописанную сцену. После лоры - хоть обсидись, все одни и те же ебала/бекграунды генерируются с микро вариациями.
Поэтому, если не хочешь жрать один и тот же слоп и не заебываться с промтом ускоряй не лорами, а этеншенами.
У меня кичен-атеншен из прошлого треда безо всяких лор снизил время генерации каждого шага в 2 раза на 3080. За 9 проходов уже норм качество.
Solo тоже, говорят, хорош, но я не пробовал
>За 9 проходов уже норм качество.
А в сравнении с 4 проходами с турбо лорой какая разница?
Лора на 4 шумновата в тех же сценах. На 6 уже такое же качество как на 9 без лоры. Но если ролик дольше 5 секунд, то с лорой у меня начинет скипаться контекст.
Пробовал fl2v 4step_v0.1, 8step_v1.0 и turbo_4step 600 и 850.
В какой-то момент понял, что на перегенерациях косяков тратится больше времени, чем на экономии на шагах и вернулся дефолт+кичен
Это ты про это? >>1675650 →
Что-то я разобраться не могу.
1. 30-49 хуево с рефами
2. 20-49 хуево с first-last frame/latent
В итоге пока что на 25-49 всё удовлетворяет, но сразу скажу, что рефы она не идеально переваривает.
Вывод: всё таки надо не тупо делать мерж от н блока до н блока, видимо каждый блок отвечает за определенную логику, тут надо пробовать типо 1 блок через 1 блок, определенные блоки заменять. Ждём умельцев кто придумает что-нить.
Обнови комфи, у тебя станет доступна вот эта новая нода:
>>1676909 →
воткни ее в свой воркфлоу сразу после загрузки модели, как на скрине, выбери в ней kitchen-attention
все
Для тебя есть другая подходящая лора
https://civitai.red/models/2854342/furry-cumshot-and-cum-physics-for-minimax-h3-ref2va?modelVersionId=3223645
Для тебя тоже
https://civitai.red/models/2840969/cumshot-minimax-h3-by-coachbate?modelVersionId=3207014
>>1677797
Двачую.
А ну да, тебе ещё VHS нодпак понадобится, чтобы кадры извлечь.
https://github.com/kosinkadink/ComfyUI-VideoHelperSuite
или через мэнеджер установи.
Неправильно вопрос сформулировал. Сколько кадров в секунду, и сколько секунд грузить можно.
>Могу подтвердить, что лоры убивают разнообразие сидов. До лоры смена сида кардинально меняет слабо прописанную сцену. После лоры - хоть обсидись, все одни и те же ебала/бекграунды генерируются с микро вариациями.
По мне так это даже плюс, меня бесит, когда модель отсебятину с ракурсами творит. Эмоции, микро движения - пожалуйста, пусть будут "живыми" актёрами, но ракурсы и сцену выстраивать хочу сам.
>>1677833
Сонный, туплю, 22 кадра для продолжения того видео, которое закидываешь. Чтобы как реф использовать могу только предположить, что будет пофиг, что не влезет она обрубит. Смысл только в экономии ВРАма
Я запутался, поэтому мне нужен воркфлоу. Есть кто-то, кто использует видео в качестве рефов?
>>1677836
>>1677835
>>1677826
>>1677815
За помощь благодарю.
>VHS нодпак
Мне эта штука ломает проигрывание видосов в комфи. Мб можно как-то пофиксить?
https://huggingface.co/smhfacct/Minimax-H3-fl2va-ref2va-hybrid-models
Дык в readme это же прямым текстом написано в табличке: 30 ближе всего к fl2va, 15 - к ref2va, между ними компромиссы. Или ты перепроверял инфу?
Не, я тут чутка проебался, перепроверил и вот что:
30-49, 25-49, 20-49 - Ни одна из них не берет реф члена. Качаю 15-49 надеюсь на её. Когда я писал что 20-49 может брать рефы - я случайно юзал обычную ref2va. Так что так, мой проёб
Есть лоры, если что. Можно с весами поиграться и миксовать
Да, есть такое, оказывается каждую мелочь требуется описывать. Но а по качеству ок? А то 18 шагов как-то мало, что меня чес слово удивляет. Вроде смотришь, в общем плане норм едит, но 18 минут на 5 сек едита... Легче как будто просто видос отдельный сделать. Просто пытаюсь понять возможности minimax h3 в едите таких тяжелых сцен. В пример wan 2.2 анимейт обсирался жидко на таком, а тут вроде даже и что-то можно.
Очень хорошо, если не смотреть на основание члена. Даже член норм, но он такой с рефа.
Если ты про видео - да, с рефа ВИДЕО. Реф члена не кидал. Вот что меня и поразило! То есть можно попробовать вижать редактирование видео реально. Сейчас ещё буду траить. Я только закинул лизу + видео. Попробую ещё 15-49 глянуть с таким же подходом, но и заодно все остальные гибриды
Пересмотрел еще несколько раз. Возможно глаз замылился, но я ничего не вижу. В том плане, если бы мне этот видос попался в другом треде, я бы даже внимание на его член не обратил.
Это без апскейла, рефайна и прочего? Чистая модель и реф?
ref2va pruned + easycache + kitchen + 18 шагов + er_sda + beta. 1 ref video 1 ref image. Без апскейла, без рефайна, только текст описания сгенеренный qwen 3.6 35b a3b 8q(gguf)
>да, с рефа ВИДЕО. Реф члена не кидал. Вот что меня и поразило!
Ну так реф члена есть, с видео. Модель знает понятия penis и vagina, cock и pussy. Просто они у нее там максимум всратые, может с медицинских датасетов как кто-то писал или еще откуда, короче база какая-то есть но недотренено
Я до этого не пытался такие сложные сцены редачить, но скажу одно: просто написать заменить вот персонажа этого на этого в видео - не достаточно. Сказать что он чётко берёт реф с видео - тоже не могу сказать, тк если ты не опишешь что где и как происходит - он от балды нагенерит. Так что тяжело рассуждать как он воспринимает видео реф, я до сих пор не могу точно сказать, тк я выше кидал видео соника и только тогда когда я расписывал каждый шот, каждый мув - он начинал подхватывать. Возможно здесь так же история. Мб можно как-то подцепить VL модель для клипа, тогда он сможет что-то без описаний, тоже надо тестить.
Надо же, а ты прав. Я-то думал двач режет все метаданные.
Да, из менеджера.
>>1677891
>просто написать заменить вот персонажа этого на этого в видео - не достаточно
Смотря как писать, есть конкретные триггеры:
fully_preserved` | The defined role of the referenced content is fully preserved |
| `partially_preserved` | The referenced content is still used, but some defined characteristics are changed or only partially retained |
| `attribute_transfer` | Referenced characteristics are transferred to a different identifiable target subject |
| `weak_reference` | Only broad similarity in style, category, composition, or atmosphere is retained |
Я с тобой соглашусь, но, видимо у меня руки кривые, если qwen 3.6 и я не можем это заставить работать просто на retention_analysis + subject_definitions и summary
>Да, из менеджера.
Тогда не в курсе, как он тебе может проигрывание ломать, у меня так же установлено, всё проигрывается.
Что думаешь на счёт этого?
subject_definitions:
<Subject 1> is the original woman in the source video <Video 1>, characterized by shoulder-length brown hair, pink eyeshadow, and a black zip-up jacket.
<Subject 2> is the woman from <Picture 1> (Lisa), featuring her distinct face, blonde hair with long red braids, heavy eye makeup, and wearing the olive-green "CELINE" harness, acting as the replacement for <Subject 1>.
<Subject 3> is the man on the left side of the frame in <Video 1>, visible primarily by his left hand holding <Subject 1>'s head and his grey jeans; he wears no shirt in the frame.
<Subject 4> is the man's penis, the object being orally stimulated.
<Video 1> is the source video serving as the structural template for the edited output, containing the original camera movement and action sequence.
<Audio 1> is the audio track from <Video 1>, providing the diegetic soundscape of the scene.
summary:
[video editing] The target video is an edited version of <Video 1>. The original female subject (<Subject 1>) is replaced by the woman from <Picture 1> (<Subject 2>), who retains the same position, action, and outfit context as the original girl but with her distinct face, red-braided hair, and "CELINE" harness. The man (<Subject 3>) and the action of oral sex remain identical to the source footage.
retention_analysis:
<Subject 1> (in <Video 1>): fully_preserved - the original girl's body movements, black jacket, brown hair flow, and position in the stairwell are retained as the base for the replacement.
<Subject 2> (from <Picture 1>): attribute_transfer - her face, blonde hair with red braids, and "CELINE" harness are applied to the body of <Subject 1> in the target video.
<Subject 3> (in <Video 1>): fully_preserved - the man's left hand holding the head and his grey jeans are retained.
<Video 1> (source video): fully_preserved - the handheld camera angle, lighting, stairwell background, and action timeline are maintained.
<Audio 1> (from <Video 1>): partially_copy - the original ambient sounds and vocalizations are reused for the target video.
detailed_description:
The target video is a realistic, handheld amateur shot, maintaining the dimly lit stairwell atmosphere of the source.
[Shot 1] The shot begins in a close-up side profile view of <Subject 1> (now replaced by <Subject 2>). <Subject 2> is positioned on the right side of the frame, facing left, performing oral sex on <Subject 4>. She is wearing the same black zip-up jacket as the original girl but features the distinct face of <Subject 2>, with her blonde hair tied back in long red braids that hang down her back. She wears the olive-green "CELINE" harness over her jacket. <Subject 3>'s left hand is visible gripping the back of <Subject 2>'s head, holding her in place. <Subject 2> takes <Subject 4> deep into her mouth, her cheeks hollowing slightly with the suction. Her left hand is visible holding onto <Subject 3>'s grey jeans at the bottom left of the frame. The camera remains handheld and slightly shaky, tracking the subtle movements of the action. <Subject 2> continues to deep throat <Subject 4> for several seconds. Then, she slowly pulls her head back, <Subject 4> detaching with a wet sound. She lifts her head, looking directly into the camera lens with her eyes wide, her mouth slightly open and glossy. The camera angle tilts slightly up as she looks at the viewer, ending the shot on her face.
overall_soundscape:
The audio track from <Audio 1> is reused, featuring the wet, rhythmic sounds of oral sex, heavy breathing, and subtle vocalizations from <Subject 2> that match the visual action. The ambient noise of the stairwell is minimal and muffled.
non_diegetic_music:
N/A
Рефы используй и подписывай что где находится. Я так тоже с членом возился, думал хули он у меня на бок как-то, потом подумал, ебать дай ка я их подпишу, и над каждой фотке в коллаже сверху сделал надпись типо "View from left side"/"View from bottom"... То же и для писечек попочек сисечек работает
Что-то как-то плохо получается у меня. Может я не ту модель юзаю, а может рефы плохие подобрал, не знаю. Может моделька в аниме не умеет.
Что я особенно хочу подметить так это отсутствие зашакаливания при 25 шагах и низком качестве 0.83 мп. Делаем выводы, хотя я сам хуй знает какие. cache + kitchen хоть и херят, но как видим нет
>>1677911
ref2va тебе надо, fl2va ОЧЕНЬ слаба для рефов, вот тут описал что всё это хуета для рефоф, не стоит тебе проходить через мой путь экскрементов >>1677875
Да я так-то опусы своих лоботомитов не читаю даже. Лезу точечно править промпт, когда явно косячит.
Но так по логике: там трижды в промпте повторяется fully_preserved, в том числе про исходное видео - а разве оно фулли должно? И оригинальную бабу из видоса оно тоже хочет fully_preserved. По-моему, это конфликт. Скорее уж видос должен идти как partially_preserved, а баба из него как attribute_transfer, но не могу это доказать.
Это скорее модель с запасом на будущее до выхода новых карт.
>ref2va тебе надо
Можно ссылку на конкретную модель? Она вроде бы 28гб+ весит. Я как такое запускать вообще должен и сколько лет будет длиться генерация? Мне хочется видосы хотя бы секунд по 12-15 генерить, а я и так жду 20-30 минут.
Эта модель как манна небесная, это уровень продакшн для нас нищюков БЕСПЛАТНО! Вот тут уже надо подумать, я бы им чес слово задонатил бы пару косарей хоть что-то. Нам выдали ту власть, которая и не снилась нашим отцам
>уровень продакшн
Нет, не он. Модель красивая, спору нет, но человек точно сделает лучше.
>Нам выдали ту власть, которая и не снилась нашим отцам
Нихуя у нас нет все равно, только и можем, что на монитор дрочить.
Твоя картинка 1. Во первых сделай себе такую хуйню как у меня чтобы не ждать не удачный дубль, чтобы мог отменить как увидишь косяк.
вот тебе модель https://huggingface.co/Comfy-Org/MiniMax-H3/tree/main/diffusion_models . - fp8 rtx 30xx и меньше, int8 rtx 40xx и больше.
декодер для залупы - https://huggingface.co/Kijai/MiniMax-H3-TAE/tree/main/vae_approx
>>1677920
Картинка 2. Простите за мой французский
>>1677921
Те фул редакт видео чел сможет сделать за 15 минут 5 секунд видео??? >>1677905 А можно гайд на кого учиться?
>fp8 rtx 30xx и меньше, int8 rtx 40xx и больше.
Вот тут всё наоборот. 30xx и меньше не шарят за fp8, а int8 знают.
40xx шарят и за то и за то, но int8 - костыль для старых карт.
Как тут писали, при генерации с реферальным видео файлом Minimax берёт 2 кадра из 1 секунды, то это мало для генерации дипфейков только головы с полным переносом эмоций и мимики как в DFL, inswapper и прочей классике. Есть какой-то вариант, чтобы Minimax делал именно классические дипфейки лица? Лора там какая нибудь или кастыли в Comfy через сторонние плагины?
Странно что ты не видел это сообщение.... Это тоже моё >>1677198 то что он видит два кадра в секунда - не понятно откуда пошло, я на 8 кадрах в секунду генерю
>>1677925
Да, ты прав, глаз замылился, целый день за пекой после работы и дохуя новой информации как что да где
чисто по превью работает идеально, но чё ж у меня виснет-то на первом шагу на 13% постоянно...в первый раз такая проблема. неужели реф видео так сильно отжирает?
если ты 20 секунд генеришь, удачи с консумер картой, тут нужно по 5-7 секунд. При этом разрешение ставь 1 и меньше МП и видос не стоит в 1к/2к грузить, у консумер пк просто не хватит ресурсов
надёргай скринов мимики.ракурсов ручками, сделай коллаж, или несколько коллажей, вот тебе и рефы безо всякого видео.
Видео реф нужен для копии движения.
Ладно, может быканул >>1677922 , но я так скажу: если у тебя норм железо то с этой нейронкой можно чудеса творить
та в том и дело, что генерю 6 секунд в 0.6 МП. до этого проблем с генерацией не возникало.
Реф модель чётко ссылается на рефы, а вот фл модель - слабо, я заметил разницу в производительности тоже, что реф модель дольше работает если есть рефы. Так что смотри что у тебя не так, мб слишком большие рефы(ты их на макс поставил а железо слабое), или видос грузишь длинный. Мне тяжело подскзаать у меня кастом ноды да и твой я воркфлоу не знаю и харки. Здесь пальцем в небо
Спасибо, пропустил это сообщение. Я даже уточнял у нейросети, сколько кадров берёт из 1 секунды Minimax, мне была написана страница, что только 2 кадра, и почему есть такое ограничение из-за архитектуры. Inswapper был предложен как альтернатива ))
Всё-таки, 8 кадров лучше чем 2, но с мимикой может быть не очень если именно классический дипфейк нужен. Может разрабы допилять потом, чтобы не сжирало всю память на 3 секундах видео.
Особенно в картинкахполезно, можно было подобрать прям идельно к основной модели без особой потери понимания промпта
Это да. Красивые ассеты для анимешной игры с вайфу это уже вполне реальность. И за это добро не надо отдавать сотни тысяч рублей.
>>1677922
Спасибо, буду разбираться.
Тут пока что тяжело что сказать, тк никто не тестил хорошо, лишь я 1 видимо либо ебусь зазря либо открываю европу. Сама гопота если надавить выдаёт такое. Экскрементируй как я и смотри что получится. Но мне понравился результат 8 фреймов, да, дольше. Во сколько? В разы, но я останусь пока что так. Посмотрю поподробнее.
Вот тут утверждают что на 4 гб VRAM смогли сгенерировать на шакальном gguf
https://www.reddit.com/r/StableDiffusion/comments/1vodonn/h3_generated_with_4gb_vram/
>The video attached was generated with 4GB VRAM & 16GB RAM, using the MiniMax H3 fl2va pruned w4a8 convrot model (safetensors) and the Q2_K Qwen 32B GGUF text encoder alongside 8-step turbo LoRA, with a generation time of 12 minutes and 0.2 MP. Prompt from Grok.
>ref2va
Попробовал ее сейчас. Она как-то больше игнорит текстовый промпт как будто. Может например картинку прямо в видео просто сунуть и все. Несколько странное поведение.
Ух... А промт то правильный?
Вот пример мозгоебли на 2 часа >>1677905 тут потребовалось описать всё до мелочей, чтобы получить то что надо. У тебя, возможно, не стоит указание типа
<Subject X> is a vagina {описание вагины} referenced on <Picture X>.
Или в
detailed_description нету указания когда появляется вагина откуда она должна браться. Типо vagina seen, referenced on <Picture X>. Так перепроверь что ты ту модель используешь, я пока что не тестил 15-49.
На всякий, краткий смысл: промт решает всё и каждая модель для своей задачи
Жалко его, прям всё очень плохо. У 8гб возможности как будто сравнимые с 24гб, прост труба пониже дым пожиже. А у него 0.2 мп там, где 3060 справится в 0.5 мп.
> не стоит указание типа <Subject X> is a vagina
Ты прав. Мне как-то показалось странным называть пизду субъектом.
Сейчас использую эту модель: inimax_h3_ref2va_pruned_int8_convrot. Правда я не брал турболору конкретно под нее, может, дело еще и в этом. Какая лора конкретно для этой модели используется? Я использовал 8step лору fl2va.
> каждая модель для своей задачи
А эта для которой? minimax_h3_fl2va_pruned_int8_convrot. Мне вполне нравится, как она работает за исключением того, что пизду не рисует.
Так надо было с этого и начинать, сейчас есть только 1 турболора под реф2ва, и она экскрементальная. Единственный выход - отказ от турболор. Да дольше, да муторнее, ну а что поделать.
У меня на 1 шаг уходит по 2 минуты. Так можно часами ждать. Как называется турболора?
Спасибо. Лора шакал, конечно. На всякий случай уточню, какой текстовый энкодер используешь и влияет ли это на что-то?
Может влиять но я и так промтю сначала через qwen 3.6 а потом отсылаю в нейронку для гена
>какой текстовый энкодер используешь
Поясните, плз, где искать эту ноду, код, чтобы 8 кадров в секунду для реф-видео вытаскивало?
>{
>"type": "video",
>"data": qwen_frames,
>"timestamps": timesteps,
>}
>для рефа, но и время увеличится. Сейчас тещу на 8 фреймах в секунду.
```
ComfyUI\comfy_extras\nodes_minimax_h3.py
....
261 sample_idx = list(range(0, frames.shape[0], FPS // 2))
....
264 "timestamps": [i / 2.0 for i in range(len(sample_idx))]})
```
В двух местах меняешь вместо 2 на то сколько тебе надо. Это реф нода
Спать ложитесь
А, ну да, там типа фришные выходные или что-то такое.
ссыль отвалилась
https://www.reddit.com/r/StableDiffusion/comments/1vo7eo3/minimaxh3_vs_flux3/
Теперь понятно откуда этот звук огурцов с членом во рту.
ток пчел сравнивает локальный макс и апи флюкс, и даже там флюкса обосралась
вот натренят порносингулярный чекпоинт, вот тогда и будут ненужны.
По тому что в партии КНДР рот используется только для еды. Моделька видит что то во рту - значит человек ест.
https://huggingface.co/Kijai/MiniMax-H3_comfy/tree/main/loras
Ты идиот? Это ужатые lightx лоры. Чем они отличаются прямо в названии файлов написано.
Классно. Как мне эта инфа поможет узнать чем они отличаются от не ужатых лайт лор? Только размером? А что-то кроме размера поменялось?
бля не могут лайтинги выпустить 1 нормальную лору, нахуй эти 4 степ 768p, 8 степовая у них говно какое то 544p где бля нормальная лора то
Ты долбоёб? У тебя прямо в названии файла написано чем она отличается
Да. Расскажи мне долбаебу, как не долбаеб, что я получу от это лоры кроме уменьшенного размера? Качество станет хуже? Или останется таким же? Следование промпту ухудшится или нет?
>Качество станет хуже? Или останется таким же? Следование промпту ухудшится или нет?
Тестируй, долбоеб
Вам ИИ зачем создали? Заходишь в любую и спрашиваешь чем отличается "resized_avg_rank_24" от обычной. Тебе рассказывают как это устроено и какие потери бывают. Киджай не долбоеб и не сжимает слишком сильно, поэтому потери минимальны.
Все ясно, вернулись с чего начинали. Киджай уже протестировал и мог бы написать отличия от оригинальных лор. Если бы он не тестировал, он бы не выкладывал их. Понятно, что я сам могу протестировать, понятно, что я сам могу инфу везде нарыть, но вопрос то в том, что если выкладываешь релиз, то и выложи документацию (даже если она состоит из пары строк), как делают другие.
>Вам ИИ зачем создали? Заходишь в любую и спрашиваешь
Ах, если бы было так просто. По любым вопросам локального вайбкодинга они советуют qwen2.5. Когда ткнешь носом в текущую дату, начинают юлить, как двачеры.
Поэтому нет доверия.
Может тебе ещё пошаговый гайд записать как загрузить и установить виндовс, затем драйвер нвидиа, затем гит, затем комфи и так далее в описание каждой лоры?
>>1678047
А своя голова на плечах есть? ИИ натренированы на базе данных до какой-то даты, откуда она должна знать что происходит в будущем? Я хуею.
>>Может тебе ещё пошаговый гайд записать как загрузить и установить виндовс, затем драйвер нвидиа, затем гит, затем комфи и так далее в описание каждой лоры?
нет. Это не относится к отличиям между релизами лор. Я же говорил, пары строк достаточно.
>они это смешнее делают
Но двачеры делают это уныло, как этот: >>1678054
>ИИ натренированы на базе данных до какой-то даты, откуда она должна знать что происходит в будущем?
Ну не знаю даже... Может из ДОСТУПА КО ВСЕЙ МИРОВОЙ БАЗЕ ЗНАНИЙ?
>откуда она должна знать что происходит в будущем?
>>1678058
Я даже не знаю, как вам объяснить "откуда". Я же говорю: двачеры опытные в юлении. Сейчас пойдут всякие манёвры. Не надо.
>>1678062
Ладно, не знаю зачем я стал дуракам что-то объяснять. Они гвозди микроскопом будут забивать. И вправду, если вы не понимаете особенности работы нейросетей и то что они могут и не могут и почему могут или не могут, лучше даже не касайтесь. А то действительно будете на квене 2.5 вайбкодить.
Зато там в треде стадо флюксеров уже все стены обмалафили. Это им в глаза как-то не бросается.
их не смутило сравнение локального макса и апи флюкса, флюкс дев нихуя не таким будет же, сравнение макса и флюкс дева будет наверно эпичнейшим пламенем на редите
Если у них такое же коммюнити как у ЛТХшников, то полыхать будет скорее у адекватных людей.
Какое же светлое будущие нас ждёт!
Это ведь только начало.
>Че там сравнивать то?
Понимаешь, в треде есть школьник-долбоеб, он с нами еще две недели будет. Олололозатроллел драчуноф на минимякс вот лткс чё не постите про флакс, а? Олололо лалки сидят зляться))))))))))) еще гавна ща накину сматрите )))))))) Я трололололо
Сейчас он восхититься тем что я заметил и выдас х2 говна.
>>1677887
>Возможно глаз замылился, но я ничего не вижу.
Да, замылился. На втором видосе член движется не в такт движению бёдер мужика, как будто не прикреплён.
Ну вот я сделал 5 сек с турболорой 8 шагов лора выставив в шедулере 20 шагов за 5 минут (качество 0,6мп). Получил на выходе качество 0,6. За 5 минут.
И сделал с турболорой 5 сек выставив 8 шагов как на ней написано. За 1,34 минуты (качество 0,6мп) получил на выходе визуально качество 0,4мп.
Я блядь что-то не понимаю? А чё мне мешает сделать 0,4/5 сек на 20 шагов, за то же время? И получить те же 0,4 качества. В чем прикол, поясните? Это вот так ваши ускорения работают? Просто какой-то суходроч? Или я что-то не так делаю. Не надо писать про апскейлеры, я время суммировать умею.
А) там майка свисает вертикально, бёдра и живот движутся под ней.
Б) насколько понимаю это вообще реф видео реалных людей. Вон в углу ватермарка.
вот для этого и нужно писать пояснения если срешь новыми фичами. У меня тоже вопрос "А нахуя они нужны?", кроме того, что меньше весят. Ответ есть видимо только у Киджая.
Флюксы тоже грозятся реф модель выпустить, только непонятно есть ли у них уже рабочая или это просто кукарек в сторону минимакса. А цензуру по апи как-то странно оценивать.
Ну я разобрался что неправильно делал (у меня байпас был включен лоры хехе).
Если кому надо, без выебонов всяких вот простой воркфлоу на базе шаблона:
1) Разобрать большую хуиту в которой промпт написан на маленькие хуитки.
2) Между загрузчиком модели и гайдом вставить ноду китчена.
3) Между загрузчиком модели и китченом можно вставить турболору.
4) В основном шедулере поставить семплер сг юниформ. И 10 шагов (если есть турболора на 8 шагов).
5) В выборе касемплера поставить ауелер.
Хронометраж задается в узле "флоат" теперь. Как обратно собрать я не знаю, оставил распидорашенным.
С треда брал готовые воркфлоу, у многих какой-то бред нахуеверчен.
>А цензуру по апи как-то странно оценивать.
Чувак, мы все знаем какая цензура во флаксе, как-то странно отрицать очевидное.
то то все веса флюксы были без цензуры, обдрочился аж хуй сломал, спасибо немцам из евросовка
>>1678172
Ну я хз с чем вы сравниваете. Минимакс, если ему писик картинкой не прокинуть, тот еще бадихоррор выдает. Про Ван и ЛТХ даже вспоминать страшно.
причем тут писик, отображение гениталий это отдельная тема.
Нюанс в том что минимакс тебе буквально, раздевает, делает еблю, знает позы, ты можешь на базе спокойно сделать и ковгирл и миссионерскую, догги, отсос и прочее, тебе не нужно для этого лор никаких. кровь и мясо тоже делает. и знает тонну ip
Флюкса тебе не даст даже руку мужика приблизить к трусам бабехи, не то что кого-то там раздеть, про какие либо позы без пака лор можешь забыть. ip не будет нихуя. на каждый пук модели нужна будет лора.
ну это если немцы не подставят себя под удар евросовковой бюрократии и соевиков и не выпустят модель без цензуры, но надежды на такое 0
>вставить ноду китчена
comfyui 0.33.1
Почему-то у меня нет Model Attention Backend, она в каком-то паке живет? Или нода другая нужна?
>тот еще бадихоррор выдает.
Но он выдает пизду и член. А флюкс всегда выдавал рендомного алиена. Причем в минимаксе можно запромптить нормальный член, исключив медицинские веса с гангренами, а в флюксе нельзя.
эх жду оптимизации китчена под 4080, а то замедление в полтора раза по сравнению сажей, на саже 1мп 10с генерит за 5 минут, с китченом за 7-8
>буквально, раздевает, делает еблю, знает позы, ты можешь на базе спокойно сделать и ковгирл и миссионерскую, догги, отсос и прочее
Этого добра в прокатном европейском кино столько, что никакая порнуха в датасете не нужна.
а как ты видео реф подцепил? У меня были такие же проблемы, очень долго висел прогресс, после 20 минут ожидания я прерывал сам. Вылечилось через дополнительный пак нод
тлдр - запекаем референсы как лора, реюзаем
>Минимакс, если ему
Это без рефов, обычная модель и2в, просто промпт нормальный, использовал агента которого в тред кидали, немного допилив по факту.
видео подгружал так же, но без scale image to total pixel. думаешь, починит?
один вопрос ток встал как эта хуйня будет воспринимать нейминги рефов, картинка1 картинка2, не разъебется ли там все по пути
>Как тут писали, при генерации с реферальным видео файлом Minimax берёт 2 кадра из 1 секунды
Выяснили, что не совсем. В текстовый энкодер действительно идёт 2фпс, а в вае уже полный видос.
>>1677934
>Я даже уточнял у нейросети
Плохая идея же.
>>1678153
>насколько понимаю это вообще реф видео реалных людей
Реф то реф, но это уже после нейронки. Надо оригинал смотреть, уверен, там такого нет.
у меня скейл просто для ускорения стоит, без него тоже работало.
На скрине еще ошибка, force_rate=24 должно быть
>Оно и видно.
>
И чё? Чё тебе видно, чмонь? Иди в лтксе или ване такое промтом сделай. В отличии от тебя я их использовал без лор и я знаю что они могут и чего они НЕ могут. Ты с чем, говно говорящее, сравниваешь? Или тебе просто лишь бы пукнуть в тред? Чё там про сосанье леденца вякнешь? Скорей бы сентябрь.
https://www.reddit.com/r/StableDiffusion/comments/1vosqqw/psa_try_experimenting_with_tags_in_minimax_h3/
Да не, я просто пойду и сделаю нормальный член рефом в минимаксе. А ты можешь пойти нахуй и спорить там дальше со своим воображаемым школьником, какая модель лучше сосиску обрубленную генерирует.
>Да не, я просто пойду и сделаю нормальный член рефом в минимаксе.
Еблан с воробьиным мозгом, если ты не способен следить за контекстом беседы, хули ты вообще встреваешь? Протри свои шары от говна и посмотри о чем речь шла.
Нихуя се. У меня сейчас идёт арка говорящей головы. Ща буду лакомиться.
Ты со мной и беседовал, шизик ебаный. Я уже боюсь предположить, может ты членов нормальных в жизни не видел, или у тебя самого такой.
>>1678261
Это пизда, это просто разъеб, можно добавлять в диалоги запики, смех, вздохи, паузы, другую хуйню.
Ебануться контроль даже над диалогами, буквально нейроному говну можно придавать жизни, а не чтоб персы просто бубнили хуиту монотонно.
После лтх и вана азиаты столько уместили в модель что прост хуеешь. Уровень корпоратов а не открытых весов.
Чем же ответит стерильный цензурный флюкс...
Ну норм делает так-то. Подумаешь, ошейник
Опа, кто-то инжект юзает? Неужели мои ноды кому-то пригодились или мне кажется
>>1678290
у меня таких проблем не возникало писал просто colorful medium size box with seen "LTX 2.5" written in large letters on it
а диалоги стандартно с скобочках
В смысле в скобочках??? Я всё это время диалоги в ковычках писал.
Вообще флакс должен быть лучше по качества, но запустить, скорее всего, мало кто сможет. ЕЩё вопрос в том, когда веса откроют
Ну вот кстати по текстовому описанию хуйня какая то получается.
>В смысле в скобочках???
да не так выразился
ну как по гайду там с этими хуйнями <d>
Кстати, вот на счёт этого.
Так вот, я не совсем понимаю, почему на едит требуется меньше шагов чем на генерацию. Прикол в том, что minimaxh3 генеративная модель и как такого она не редачит видео а генерирует новое. Вот сейчас делаю ещё едиты и ставлю по 15 шагов и результаты бомба. Так что анончики, пробуйте
какой инжект, это стандарт и2в, правда делал на гибриде, лень было модель переключать
Понял, просто есть возможность на прямую вставлять кадры использую ref2va модель, что позволяет делать fl2va с ref2va моделью
Накидайте ему хуев что ли минишмаксом
проёбку в субтитрах заметил уже после того как всё закрыл, да и похуй
>Уровень корпоратов а не открытых весов.
Я только вчера начал для себя открывать возможности кинематографичных тегов для управления камерой и переходами. Там тоже возможности просто ебейшие. Такого контроля камерой я даже у корпоратов не видел.
Китайцы реально волшебники.
А это вообще законно, что он скачал (куда, кстати?) opencv и кучу питонного барахла, написал себе инструменты для анализа видео? Он там мир за меня не захватит?
всего лишь взломает сервер какой-нить корпорации пока ты в минишмяксе крутишь генерации по промпту уан герл сакинг кок, который квет тебе и сгенерил.
та хуита тип улучшает понимание модели, но если лтх тупой как бревно, то максу эта хуйня нахуй не нужна
в конфи аноны так подключают
Он надеюсь сам выгружаться умеет? Тогда это вообще имба.
А как? Только если ты запустишь llama сервер и ему будешь отправлять: загрузи/выгрузи модель
Судя по тому, что он творит, он как нехуй делать может написать ноду для нативной загрузки своих гуфов в комфи, чтобы мне не надо было пердолться с ручной выгрузкой моделек
Промптом с указанием времени по офф докам, или как-то иначе?
Если смотреть на котролы, то frame_idx указывает позицию картинки для кондишн. Значит он вставляет картинку на прямую в кондишн. Можно без надежды на модель вставить картинку и она 100% будет в результирующем видео в позиции в которую ты вставил. Просто вывод из увиденного
в fl2va картинки всегда будет вставляться первым\последним кадром, даже если ты их как референсы используешь
Нет, там особенная ебатория, что позволяет тебе гарантировать картинку в нужной позиции в видеопотоке
То что я описал выше, я предположил что нода делает по её контроллам. Я собственную ноду использую для этого. Возможно, и эта надо делает то что я описал
Понятно. Просто анон выше писал про свои кастомные ноды, а тут всплыла стандартная. Сейчас проверю короче.
пробуй тэги подабавлять
бля, пиздато. я сколько пытаюсь такой пов видос сделать, так у меня постоянно рано или поздно встревает действующее лицо
Так тут видео не одним промтом сделано, тут монтаж и музыка наложена уже ручками.
Да, работает как и ожидается. Он правда в кондишены вставляет, латенты не трогает, так что ХЗ, может можно сделать и лучше.
А есть список всех тегов?
Или можно что хочешь писать и главное правильные скобочки?
Если так то список скобочек и что они значат.
Я у геммы спросил какие еще могут быть теги, сейчас проверяю их все.
что хочешь можешь писать
вот я делал>>1678279
я там написал <Censor Beep sound> <sigh> <laugh>
и он все сделал, по идее ты туда можешь любое обозначение звука исходящего от коженного мешка засунуть
https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md
А это что?
Ещё база
https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md
>>1678426
там ничего не написано про теги. это недокументированая фича.
https://gist.github.com/Naxdy/43b7422a1e4a79fb8b0489c6c39eaace
vможно добавить в раздел про спикеров
Inside <d>, you may use additional inline markup to control delivery and insert non-speech sounds:
- wrap text with <whisper>, <shout>, <gasp>, <fast>, <slow> to modify pitch, volume, or tempo;
- place standalone markers like <clears throat>, <cough>, <giggles>, <snorts>, <yawns>, <groans> for vocal actions;
- and use <pause> or <break> (or …) for deliberate silences.
You are not limited to these—any descriptive tag that represents a human vocalisation or sound effect (e.g. <Censor Beep sound>) is acceptable, as long as it stays inside <d> and does not break the language tag or the spoken text.
Но дикпик не подцепляет это чот, так что проще их самому расставлять или отдельно прописывать это, некоторые теги оно все равно произносит вместе с скобками и их содержимым.
ниже список который я проверил и он более менее работает:
Я <em>выделила</em> слово
Я люблю <i>пиво</i>
<whisper>Я говорю шёпотом</whisper>
<gasp>Я говорю испуганно</gasp>
#<shout>Я кричу</shout>
<fast>Я говорю быстро</fast>
<slow>Я говорю медленно<slow>
<clears throat>Прочищаю горло
<cough>Кашляю
<laughs>Ну ты и насмешил
<giggles>Смешок
<chuckles>Ухмылка
<snorts>я фыркнула
<yawns>Я хочу спать
<groans>Я устала
# <pants>Я бежала
Главное забыл: Place words inside <i></i> to emphasize them.
А тут чёт совсем дуру поплавило:
<chuckles>Ухмылка
<snorts>я фыркнула
<yawns>Я хочу спать
<groans>Я устала
>>1678412
>>1678416
>>1678441
>>1678449
Спасибо за гайдинг, господа аноны.
Меня больше эмоциональная окраска интересует: страх, боль и т.п - вот с этим затык. Но это тоже очень полезная инфа, спасибо.
А вот тут у тебя max стоит? Если там match то она ужимает картинки до размера видоса на сколько я понял.
Стоковая ref2va, 4 шага, res_multistep + simple, рефы на персонажей и первый кадр,
турболоры:
minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16
minimax_h3_ref2v_lightx2v_turbo_4step_v0.1_resized_avg_rank_20_bf16
чет хуита анимировать и ван умел, тут можно сюжеты поинтереснее придумывать уже.
база уже может в нормальный прон без показа гениталий (по обьективным причинам) все движения, позы и стоны она уже знает
>турболоры:
>minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16
>minimax_h3_ref2v_lightx2v_turbo_4step_v0.1_resized_avg_rank_20_bf16
я к этому говну даже близко не подойду пока лайтинги занимаются хуйней вместо выпуска нормальной лоры
лучше ема600 лоры не видел.
макс вообще оказался охуенен в промптинге, я залил просто отдельные боксы с разным текстом под куски промпта, отдельный бокс для персов, отдельные для остальных деталей
промпт вообще становиться универсальным если ты прописываешь его через <субьект1> <субьект2>, потом в смеситель промпта сую нужные боксы и все, никакой тебе ебли с промптом, меняй ток субьекты.
красота, китайцы открыли золотой век локального видеогена прост
>ема600 лоры
Подскажи конфиги для неё. Шаги, семплер, шедулер, силу. А то я тыкался с ней и всё говно выходило какое-то. Много кто её хвалит, а я нихуя не пойму почему.
я юзаю так сила 1, еулер бета 8 шагов, без! ModelSamplingMiniMaxH3 шифты не нужны.
есть прун версия
https://huggingface.co/drbaph/MiniMax-H3-Turbo-Lora-ComfyUI/tree/main
и не прун
https://huggingface.co/larryvrh/MiniMax-H3-Turbo-Lora/tree/main
прун можно грузит как обычную лору, для не прун нужен отдельный загрузчик
в описании лоры прочитаешь
они там чуть по разному дают результат, надо смотреть но не прун мне местами как будто показалась пережареной чуток, но эт надо сравнивать.
а на 1.3 не многовато ;o
или какой у тебя семплер с шедулером
а бля увидел
их же семплер больше не работает после обновы комфи, там добавили поддержку>>1678536
ну точнее стандартный еулер теперь рабатет как их нода
Во, спасибо. Поставил прун без доп. нод с твоими конфигами и теперь вижу реально лучше. Возможно шифты мне срали, хз. Их я в прошлый раз не убирал. Попробую ещё не прун версию погонять тоже.
>можно сюжеты поинтереснее придумывать
Тяжко что-то поинтереснее делать, если у меня тупая ебля со статичным кадром нормально не получается)
>ема600
В планах ее попробовать
Надо еще попробовать 2 шага без турбо + 4 турбо, как под ван делали, может даст что-то и с lightx2v дерьмом
> отдельные боксы с разным текстом
Поделись, если не совсекртно, пожалуйста
Блин, очень-очень круто!
Это же ref модель?
Пожалуйста, поделись промптом, очень хочется понять, что я делаю не так.
Это на лтх что ли сгенерено? Что-то во многих местах говно, будто модель не знает что нужно и генерирует рандомные движения, рандомные звуки
Сора хоть и глючила 4 раза из 5, но на пятый выдавала смешное.
А что по качеству звука?
На слабой 8 гиговой пекарне вообще возможно нормальный звук получить?
Wan вроде как тоже хотят вернуться в опен сорс с Wan 3, и посоревноваться с флюксом и лтх в обсирании
Я думаю дело в промпте.
У Соры там тысячи индусов гоняли этот кал, чтобы улучшить качество конвертации твоих двух предложений промпта в теги модели.
В первой видриле ты например прописал резкие звуки вламывания в хату и т.п.?
так лучше соры 2 до сих пор модели нет, ты сравнил конечно
А для минимакса можешь пример из этих промптов? Хочется все 3 сравнить
>Будто творческой свободы нет
Скорее всего это. Бюргеры цензурили обучающий контент от души 100%. Поэтому видосики будут максимально зажатыми в плане действий. Я ещё в целом охуел от текстовой цензуры, эта пидорасина даже обычный тверк отказалась генерировать.
Пока только текстом могу
умиротворяющая музыка фоном, утро, бабушка просыпается от мяуканья за окном, говорит "ох ты моя хорошая, нагулялась..." открывает окно, в ту же секунду туда ногами вперед влетает спецназовец, музыка резко сменяется на тяжелый рок, кто-то кричит "Работаем!" кидают дымовую гранату, всё в дыму
телевизионная реклама СССР в стиле 1980-х, с пропорциями экрана 4:3, пожилой диктор в массивных роговых очках рекламирует "Резиновую Зину" - первую советскую резиновую женщину-помощника. диктор одет официально, у него небольшая плешь на голове. VHS изображение, старая оптика, глухой звук.
А у тебя кака видяха? Как долго на ответ? Сколько врама + оперы жрёт?
>Будто творческой свободы нет
как будто чтото другое ожидалось от евросовка, модель лоботомировали как в свое время флюкс клейн.
Сама модель то может хорошая, но обучение на синтетике и крайне "безопасном" контенте дает о себе знать.
>>1678596
>Wan 3
та эт когда еще будет, ну и макс сложно переплюнуть, без цензуры, довольно быстрый, и мелкий (20г считай не размер) для своих мозгов, и да с официальной же поддержкой генерации русской речи
>А что по качеству звука?
Норм, но он просто рендомную попсу играет. Русский может, почти без косяков.
>На слабой 8 гиговой пекарне вообще возможно нормальный звук получить?
Там очень низкие требования. Можно. Но лучше онлайн в опенсуно.
Ну так ето Сиданс 2.5, локалки в такое смогут в лучшем случае в следующем году
Пробуй
Á á Ó ó É é ý и́ ы́ э́ ю́ я́
а́ е́ и́ о́ у́ ы́ э́ ю́ я́
А' а' Е' е' О' о' У' у' И' и' Ю' ю' Я' я'
Борда и так дохлая, вы ещё спорти что в какой загон постить.
хз, просто тот пидор показал видос, все подумали что минимах воодушевились начали прикидывать как к этому придти, а на самом деле наебка и разочарование
>>1678632
для тематики этот тред ещё пиздец какой активный
Это из-за минимакса, до его анонса было 0.5-1.5 поста в сутки
>Борда и так дохлая
Сука ты охуел?
Мимо ОП, заебавшийся катить тред чуть ли не каждый день.
Это один из последних живых разделов не засранных ботохуетой.
Еще одну видеомодель выпустили. Для риговичков, но может быть рефайнер можно будет спиздить
Нет, это золотая эпоха. С текстовыми сетями было точно так же, все радовались и охуевали, а потом модельки стали улучшаться, а цензура прогрессировать, и теперь ты либо сиди в локальном древнем говне (коим станет минимакс через пару лет), либо жри сильных полуниггерш которые откажутся снимать с себя даже шарф. (зато всё в фулл 4к и 5 пальцами на руках)
> а цензура прогрессировать, и теперь ты либо сиди в локальном древнем говне, либо жри сильных полуниггерш которые откажутся снимать с себя даже шарф
Да китайцы все пробиваются очень просто. Что к3, что глм'ы свежие.
>в локальном древнем говне
Ну хз вот гемму4 аблитерейтед гоняю, кайф, не в чем не отказывает и на голову выше того что было раньше. Вот квен 3.8 выкатили.
>коим станет минимакс через пару лет
за то настоится как вино, наделают кучу файнтюнов, лор, новых подходов к генерации. С таким набором фитч макса на долго хватит. Другое дело что за прошедший год пропала надежда что мы вообще что то локальное увидим. И за радость было даже возиться с глючным ltx 2.0.