ModelTC/Minimax-H3-Turbo

解决的问题

提供一组为 MiniMax-H3 模型定制的蒸馏 LoRA 检查点，使高保真视频和音频生成所需的推理步数（NFE）显著减少，从而大幅降低内容生成所需的时间和计算成本。

工作原理

该项目使用蒸馏技术创建模型的「Turbo」版本。这些检查点支持快速推理（通常为 4 到 8 步），并支持多种任务，包括文本到视频和音频（T2VA）、图像到视频和音频（FL2VA）以及参考图像到视频和音频（Ref2VA）。项目提供针对不同分辨率（544p 和 768p）的特定配置，并提供三种专门的参考图像缩放策略（match、max 和 diffusers），以确保参考图像与训练分辨率对齐。

适用人群

• AI 艺术家和创作者： 使用 ComfyUI 或 Diffusers 生成带音频的视频的用户。
• 开发者： 希望通过提供的 API 将快速视频生成集成到应用中的用户。
• 研究人员： 对高效推理的蒸馏模型检查点感兴趣的用户。

亮点

• 快速推理： 支持 4 步和 8 步的蒸馏模型。
• 多任务支持： 可处理 T2VA、FL2VA 和 Ref2VA 工作流。
• 灵活集成： 与 Diffusers 和 ComfyUI 均兼容。
• 分辨率选项： 提供 544p 和 768p 输出的检查点。
• 参考图像控制： 包含三种不同的参考图像缩放策略，以优化视觉一致性。