H3 AR Few-Step LoRA

LoRA-адаптер от Perflow-Shuai для базовой модели MiniMax-H3: каузальная авторегрессивная совместная генерация видео и аудио. На каждый chunk применяется 3 шага Euler; обычный chunk — 10 latent-кадров видео, 34 декодированных кадра, около 1,42 секунды при 24 fps.

🤓 Ключевые особенности

• 🗣 Генерирует видео и аудио совместно в AR-режиме.
• 🏃‍♂ 3 шага денойзинга на chunk; веса LoRA: rank 128, alpha 128, scale 1.0.
• 😎 416 FP32-тензоров в нативном fused-layout H3.
• 📝 Оценка: 1344×768, 124 кадра, 24 fps, ~5,17 с; аудио 32 kHz stereo.
• 🤔 Размеры chunk: latent [12, 10, 10, 5] → decoded [39, 34, 34, 17].
• ⌨ Нужен H3 causal AR runtime; generic PEFT/Diffusers не валидировался.

📝 Пример

from huggingface_hub import snapshot_download

adapter_dir = snapshot_download(
    repo_id="Perflow-Shuai/H3-AR-Few-Step-LoRA",
    allow_patterns=["adapter_model.safetensors", "adapter_config.json",
                    "inference_config.json", "LICENSE", "NOTICE", "SHA256SUMS"],
)

Подробнее

🤔 Подробнее
Сэмплер: Euler, 4 sigma-точки и 3 вычисления; video shift 12, audio shift 3.
Геометрия проверена только для первого запроса ~5,17 с; более длинные AR-rollouts не валидировались.
Это не standalone pipeline: базовые веса, текстовый энкодер, кодеки и AR-реализация — отдельные зависимости.
Лицензия и атрибуция — по MiniMax H3.