xmarre/ComfyUI-Spectrum-MiniMax-H3

解決する問題

このプロジェクトは、ComfyUI 内で MiniMax H3 オーディオ・ビデオモデル向けのトレーニング不要の高速化手法を提供します。サンプリングプロセス中に必要な高コストな transformer 評価の回数を削減し、追加トレーニングなしでビデオおよびオーディオ生成を高速化します。

仕組み

Spectrum メソッドに基づき、このツールはデノイザーの特徴を拡散時間の関数として扱い、Chebyshev 多項式基底を使用して近似します。リッジ回帰によりこれらの係数をオンラインでフィッティングし、将来の特徴状態を予測します。

「実際のステップ」では、ネイティブの MiniMax H3 モデルが通常どおり動作し、ターゲットの隠れ状態を捕捉します。「予測ステップ」では、このツールは以前のアンカーからこの隠れ状態を予測し、transformer ブロックを完全にスキップしますが、ネイティブの出力および再構築パスは実行します。SEEDS のような確率的サンプラーでは、transformer 残差のみを予測し、正確な現在状態の埋め込みに加算して安定性を維持します。

対象ユーザー

ComfyUI で MiniMax H3 モデルを使用してオーディオ・ビデオコンテンツを生成し、許容可能な品質を維持しながら生成時間を短縮したいユーザー。

ハイライト

• トレーニング不要の高速化：再トレーニングなしで transformer 評価をスキップしてサンプリングを高速化。
• 幅広いサンプラー対応：Euler、ER-SDE、SEEDS-2/3、SA-Solver PECE など、さまざまなサンプラーと互換性があります。
• 他のツールとの統合：ComfyUI-Untwisting-RoPE、Diff-Aid、RefDelta Solver と連携して動作します。
• 近似的高速化：速度と品質の柔軟なバランスを提供し、PECE 予測には balanced や max_speed などの特定のポリシーがあります。
• H3 固有の最適化：MiniMax H3 のパックされたオーディオ・ビデオ表現を特別に処理します。