MiniMax-H3 PTD LoRAs

Это derivative-версии few-step LoRA для MiniMax-H3 PTD Ref2VA, подготовленные Winnougan на основе релиза taobao-content-ai. Оригинальные адаптеры rank 128 урезаны через per-hop SVD до rank 64 или 32, чтобы файлы было легче скачивать и загружать в ComfyUI. Задача та же: reference image → video + audio за несколько шагов.

😎 Ключевые особенности

• 🗣 PTD обучает отдельную LoRA на каждый шаг денойзинга: 4-step файл — 4 hops, 8-step — 8 hops.
• 📝 Rank снижен со 128 до 64 или 32; каждый hop и модуль урезаны отдельно, lora_alpha равен новому rank, alpha/rank = 1.0.
• 👍 Формат BF16: это rank pruning, а не квантование. proj_out и audio_proj_out не тронуты.
• 🤔 Размеры: 4-step r64 ~2.6 GB, 4-step r32 ~1.3 GB, 8-step r64 5.2 GB, 8-step r32 ~2.6 GB. Оригинальный 8-step rank 128 — 10.35 GB.
• 🤝 Для ComfyUI нужен оригинальный необрезанный Ref2VA transformer, ноды из оригинального репозитория и ComfyUI-PTD.
• 📝 Файлы community-made и не одобрены оригинальными авторами; лицензия и условия — как у оригинала.

⌨ Пример

Сценарий из карточки: положите .safetensors в ComfyUI/models/loras/, установите ноды из оригинального репозитория и ComfyUI-PTD, загрузите LoRA PTD-лоадером с weight 1.0 и выставьте 4 или 8 шагов — ровно под число hops. База — только оригинальный необрезанный Ref2VA transformer; pruned, Turbo, PDD и quantized базы не подходят.

Подробнее

Energy retained (mean/min): 4-step r64 — 0.989/0.921, 4-step r32 — 0.975/0.814, 8-step r64 — 0.985/0.865, 8-step r32 — 0.965/0.724.
8-step r32 имеет самый слабый worst-case модуль (min 0.72) — тестируйте первым.
Pruning lossy: при drift в motion, lip sync или identity переходите на r64 или оригинал.
Ноды читают rank и alpha из метаданных; если loader жёстко задаёт rank 128, сила будет неверной.