xmarre/ComfyUI-Spectrum-MiniMax-H3

何を解決するか

このプロジェクトは、Spectrum のネイティブな ComfyUI 実装を提供します。Spectrum は、MiniMax H3 音声・動画モデルのサンプリングプロセスを高速化するためのトレーニング不要な手法です。高コストなトランスフォーマー評価の回数を削減することで、追加のトレーニングを必要とせずに生成プロセスを高速化します。

動作方法

Spectrum は、ノイズ除去器の特徴量を拡散時間に関する関数として扱い、チェビシェフ多項式基底を用いて近似します。リッジ回帰を用いてこれらの係数をオンラインでフィッティングし、将来の特徴量状態を予測します。

通常の生成ワークフローでは、"実際の"ステップ（ネイティブな MiniMax H3 トランスフォーマーが通常通り実行される）と "予測" ステップを交互に実行します。予測ステップでは、過去の実際のアンカーからターゲットの隠れ状態を予測し、高コストなトランスフォーマーブロックをスキップしますが、ネイティブな出力およびサンプラー経路は実行されます。これは近似型のアクセラレータであり、出力はネイティブな H3 実行とわずかに異なる可能性があります。

対象ユーザー

MiniMax H3 モデルを使用して音声・動画コンテンツを生成している ComfyUI ユーザーで、サンプリング時間と計算コストを削減したい方。

特徴

• トレーニング不要な高速化: モデルの重み更新を必要とせずに MiniMax H3 を高速化。
• 広範なサンプラー対応: Euler、ER-SDE、SEEDS-2/3、SA-Solver PEC/PECE など、多数のサンプラーと互換性あり。
• H3エコシステムとの統合: RefDelta Solver、ComfyUI-Untwisting-RoPE、H3 Continuum などの H3 専用ツールと連携可能。
• 柔軟な予測ポリシー: balanced や max_speed などの異なる予測ポリシーを提供し、速度と品質のバランスを調整可能。
• 状態依存の残差予測: SEEDS のような確率的サンプラーでは、トランスフォーマーの残差のみを予測することで、ノイズプロセスの整合性を維持。