xmarre/ComfyUI-Spectrum-MiniMax-H3

解决的问题

此项目在 ComfyUI 中为 MiniMax H3 音频-视频模型提供免训练的加速方法。它减少了采样过程中所需的昂贵 transformer 评估次数，从而加速视频和音频生成，且无需额外训练。

运作方式

此工具基于 Spectrum 方法，将去噪器特征视为扩散时间的函数，并使用 Chebyshev 多项式基底进行近似。它通过岭回归在线拟合这些系数，以预测未来的特征状态。

在“实际步骤”中，原生 MiniMax H3 模型正常运行并捕获目标隐藏状态。在“预测步骤”中，此工具从先前的锚点预测此隐藏状态，并完全跳过 transformer 区块，同时仍执行原生输出和重建路径。对于像 SEEDS 这类随机采样器，它仅预测 transformer 残差，并将其加回精确的当前状态嵌入以维持稳定性。

适用对象

使用 MiniMax H3 模型在 ComfyUI 中生成音频-视频内容，并希望在维持可接受质量的同时减少生成时间的用户。

重点特色

• 免训练加速：通过跳过 transformer 评估来加速采样，无需重新训练。
• 广泛的采样器支持：兼容多种采样器，包括 Euler、ER-SDE、SEEDS-2/3 和 SA-Solver PECE。
• 与其他工具集成：可与 ComfyUI-Untwisting-RoPE、Diff-Aid 和 RefDelta Solver 搭配使用。
• 近似加速：提供速度与质量之间的弹性平衡，并针对 PECE 预测提供如 balanced 或 max_speed 等特定策略。
• H3 特定优化：特别处理 MiniMax H3 的打包音频-视频表示。