Rimagination/h3lite

解决的问题

H3 Lite 允许在消费级硬件上本地部署和运行 MiniMax H3 视频生成模型，特别针对使用 NVIDIA GPU 的 Windows 用户。通过提供优化的模型集（量化版本）和结构化工作流，解决了高质量视频生成所需的高硬件门槛问题，使 AI 代理能够从文本提示自动完成到最终带原生音频视频的生成过程。

如何工作

该项目与 ComfyUI 集成，提供两套优化的组件集：

• 集 A：使用 W4A8 扩散模型和 4B INT4 文本编码器，实现低 VRAM、快速生成。
• 集 B：使用 4B FP8 文本编码器，提供更好的兼容性。

采用四步式智能体工作流：意图路由（决定生成模式）、参考锚定（固定角色/场景）、提示增强（将简单请求扩展为详细多模态描述）、生成与确认（生成视频并检查连贯性）。

支持的模式包括：

• T2VA：文本到视频（带音频）。
• I2VA：图像到视频（带音频）（使用起始帧）。
• FL2VA：首尾帧到视频。
• Ref2VA：使用多个图像、视频或音频作为参考。

适用人群

• 搭载 NVIDIA GPU 的 Windows 用户（尤其是 VRAM 有限的用户，如 8GB 或 16GB）。
• 使用 Codex 或 WorkBuddy 等 AI 代理，希望在工作流中添加本地视频生成能力的用户。
• 需要高质量、短时视频（通常 5-8 秒）并带有同步原生音频的创作者。

亮点

• 低 VRAM 优化：特别针对 RTX 4070 笔记本（8GB）和 RTX 4060 Ti（16GB）等 GPU 优化。
• 代理就绪：专为 AI 代理设计为「技能」，可自动处理安装、配置和提示工程。
• 原生音频：生成的视频包含集成的音景与音乐。
• 实时监控：内置原生 Windows GUI 监控器，可追踪采样进度、VRAM 使用情况和预计完成时间。