MiniMax-H3 Turbo LoRA

LoRA для базовой модели Comfy-Org/MiniMax-H3 от автора Assfnjk. Генерирует совместное видео и синхронизированное стерео-аудио всего за 4 шага сэмплинга вместо обычных ~20 — примерно 5× ускорение. Вес LoRA — около 744 MB в bf16, это низкоранговое обновление.

🧩 Ключевые особенности

• ⚡ 4–8 шагов — рабочий диапазон; 6–8 шагов заметно лучше 4, а выше 8 качество уже не растёт и может появиться over-sharp.
• 🎯 Рекомендуемый чекпоинт — minimax_h3_turbo_v4_step600_ema.safetensors: лучше статика, мелкое движение и микродетали. На 4 шагах с крупным быстрым движением возможен motion-smear — тогда используйте 6–8 шагов или старый v1 ~850.
• ⚙ Держите strength=1.0 и scheduler simple. Крутить strength стоит только для проблемного клипа: больше при смазе, меньше при избыточной резкости.
• 🧩 Один LoRA-файл подходит для полных и pruned/curve вариантов MiniMax-H3; low_vram снижает пиковую VRAM, но на квантованных базах может быть мягче.
• 💡 Работает в ComfyUI через custom nodes и в standalone-скрипте generate.py; поддерживаются t2v и i2v.

💡 Пример

python generate.py \
  --comfyui ./ComfyUI \
  --base models/diffusion_models/minimax_h3_fl2va_bf16.safetensors \
  --lora minimax_h3_turbo_v4_step600_ema.safetensors \
  --te models/text_encoders/qwen3vl_32b_minimax_h3_int8_convrot.safetensors \
  --video-vae models/vae/minimax_h3_video_vae_fp16.safetensors \
  --audio-vae models/vae/minimax_h3_audio_vae_fp32.safetensors \
  --prompt "A corgi in a chef hat flipping a pancake, sizzling sounds and a cheerful bark." --width 1344 --height 768 --frames 124 --steps 6 --out corgi.mp4

Подробнее

Бенчмарков в карточке нет; заявлено ~5× ускорение сэмплинга: с ~20 до 4 шагов.
База MiniMax-H3 ~33B: 80 GB GPU комфортно на максимальных разрешениях, low_vram помогает на меньших, а --offload-adaln экономит ~13 GB VRAM.
Ограничения: аудио и поведение при быстром интенсивном движении ещё дорабатываются; на 4 шагах с сильным движением возможен trailing ghosting.
Аудио — 32 kHz stereo; кадры при 24 fps по сетке 17·k+5, валидный диапазон ~124–362 кадра (~5–15 с).