Rimagination/h3lite

何を解決するか

H3 Lite は、ミニマックス H3 動画生成モデルをコンシューマー向けハードウェア上でローカルにデプロイ・運用できるようにし、特に NVIDIA GPU を搭載した Windows ユーザーを対象としています。高品質な動画生成に必要なハードウェアの高コストを解消するため、最適化されたモデルセット（量子化バージョン）と構造化されたワークフローを提供し、AIエージェントがテキストプロンプトから最終的な動画（ネイティブオーディオ付き）までを自動化できるようにします。

どう動くか

このプロジェクトは ComfyUI と統合されており、2 種類の最適化されたコンポーネントセットを提供します：

• セット A：W4A8 ディフュージョンモデルと 4B INT4 テキストエンコーダーを使用し、VRAM を低く抑えながら高速な生成を実現。
• セット B：4B FP8 テキストエンコーダーを使用し、より高い互換性を実現。

4 ステップのエージェントワークフローを採用：意図ルーティング（生成モードの決定）、リファレンスアンカリング（キャラクターやシーンの固定）、プロンプト強化（シンプルなリクエストを詳細なマルチモーダル記述に拡張）、生成と承認（動画生成と継続性の確認）。

対応モード：

• T2VA：テキストから動画（オーディオ付き）生成。
• I2VA：画像から動画（オーディオ付き）生成（開始フレームを使用）。
• FL2VA：最初と最後のフレームから動画生成。
• Ref2VA：複数の画像・動画・オーディオをリファレンスとして使用。

対象ユーザー

• NVIDIA GPU を搭載した Windows ユーザー（特に VRAM が限られている 8GB や 16GB のユーザー）。
• Codex や WorkBuddy などの AI エージェントを利用し、ワークフローにローカル動画生成機能を追加したいユーザー。
• 同期されたネイティブオーディオ付きの高品質な短い動画（通常 5〜8 秒）が必要なクリエイター。

特徴

• 低 VRAM 最適化：RTX 4070 ラップトップ（8GB）や RTX 4060 Ti（16GB）などの GPU に特に最適化。
• エージェント対応：AI エージェント用の「スキル」として設計され、インストール、設定、プロンプトエンジニアリングを自動で処理。
• ネイティブオーディオ：音景や音楽を統合した動画を生成。
• リアルタイムモニタリング：サンプリング進捗、VRAM 使用量、完了予測時間を監視できるネイティブ Windows GUI モニタを搭載。