Enderfga/SolarRenderer

SolarRenderer 是一个工具，可将粗糙的“结构视频”——如灰盒模型、语义图、骨架、深度数据、人体网格，甚至它从未见过的草图——转换为成品、精美的视频。您可以选择性地提供首帧和文本提示词来控制最终外观（写实、动漫、像素艺术、水墨等）。

工作原理： 它基于名为 MiniMax-H3 的视频模型，并添加了两个小型适配器模块（LoRA）。一个适配器帮助理解结构输入；另一个使其仅需四个生成步骤即可生成完整片段，README 称这比通常的 50 步方法快 12.3 倍。相同适配器的特殊“块因果”版本可逐块流式输出视频，每块准备好后立即显示。

主要亮点：

• 一个模型，任意结构 — 无需针对不同结构类型设置单独分支或标签；提示词只需说明结构类型。
• 快速 — 四步而非数十步。
• 灵活风格 — 同一结构可通过首帧和提示词渲染为多种视觉风格。
• 流式输出 — 长片段逐块输出。
• 开放基准 — 208 个困难测试用例和 53 个保留片段，附带评分代码和所有裁判判定。

如何运行： 您可以通过 Hugging Face 在线演示在浏览器中试用（无需安装），在单 GPU 上使用参考 Python 脚本，作为 ComfyUI 节点工作流运行（低内存版本适用于 16 GB GPU，如 RTX 4090），或在 Reactor 平台上部署流式服务（社区贡献，已在四块 B200 GPU 上验证）。

设置： 克隆仓库，安装依赖，下载基础模型和两个 LoRA 权重文件，然后使用结构视频、可选首帧和提示词运行渲染脚本。包含的示例是合成波高速公路场景：语义图输入，霓虹渲染输出。

许可： 代码采用 Apache 2.0。模型权重遵循 MiniMax H3 社区许可，包含地域限制（排除欧盟、英国、韩国和美国）和可接受使用政策。四步 LoRA 基于另一个模型（DMAD）在同一许可下微调。

致谢： SolarRenderer 基于 SolarWM 框架构建，用于视频世界模型，并感谢 MiniMax-H3 和 DMAD 作为基础。