Rimagination/h3lite

何を解決するか

H3 Lite は、NVIDIA GPU を搭載した Windows マシン上で MiniMax H3 動画生成モデルをローカルにデプロイ・実行する方法を提供します。特に VRAM が少ないユーザーを対象としており、ComfyUI の設定、モデルウェイトの管理、AI エージェント（Codex や WorkBuddy など）向けの高品質な動画プロンプトの作成という複雑なプロセスを簡素化します。

動作方法

このプロジェクトは、AI エージェント向けの「スキル」を実装しており、モデルのデプロイと実行を自動化します。パフォーマンスと品質のバランスを取るために、2 種類の最適化されたコンポーネントセット（Set A：低 VRAM / 高速パス用、Set B：FP8 向け）を使用しています。ワークフローは 4 ステップで構成されます：意図ルーティング、参照画像のアンカー化、プロンプトの強化、検証付き生成。複数の生成モードをサポート：Text-to-Video (T2VA)、Image-to-Video (I2VA)、First-and-Last-Frame-to-Video (FL2VA)、Reference-to-Video (Ref2VA)。

対象ユーザー

ローカルでネイティブオーディオ付きの高品質な動画を生成したい、NVIDIA GPU を搭載した Windows ユーザー、および動画生成機能を必要とする AI エージェントを開発している開発者。

特徴

• 低 VRAM 最適化：RTX 4070 Laptop（8GB）や RTX 4060 Ti（16GB）などの GPU に特化して調整されています。
• エージェント対応：Codex や WorkBuddy 用のスキルとして設計されており、自然言語で動画生成をトリガーできます。
• マルチモーダル入力：画像、動画、音声を参照として使用可能で、キャラクターやシーンの一貫性を維持します。
• 統合モニタリング：ネイティブ Windows の進捗ウィンドウでサンプリング状況、VRAM 使用量、推定到着時間（ETA）をリアルタイムで監視できます。
• ネイティブオーディオ：同期されたネイティブなサウンドスケープや音楽を含む動画を生成します。